CN117421531A - 干扰环境下的有效数据智能确定方法及装置 - Google Patents

干扰环境下的有效数据智能确定方法及装置 Download PDF

Info

Publication number
CN117421531A
CN117421531A CN202311713999.XA CN202311713999A CN117421531A CN 117421531 A CN117421531 A CN 117421531A CN 202311713999 A CN202311713999 A CN 202311713999A CN 117421531 A CN117421531 A CN 117421531A
Authority
CN
China
Prior art keywords
sampling data
data sets
target
determining
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202311713999.XA
Other languages
English (en)
Other versions
CN117421531B (zh
Inventor
陈燚平
陈成
李东升
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Herunda Technology Co ltd
Original Assignee
Shenzhen Herunda Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Herunda Technology Co ltd filed Critical Shenzhen Herunda Technology Co ltd
Priority to CN202311713999.XA priority Critical patent/CN117421531B/zh
Publication of CN117421531A publication Critical patent/CN117421531A/zh
Application granted granted Critical
Publication of CN117421531B publication Critical patent/CN117421531B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种干扰环境下的有效数据智能确定方法及装置，该方法包括：对采集到的成分容设备的所有采样数据组进行数字滤波处理，得到所有滤波后采样数据组，并从中确定出所有目标采样数据组；计算所有目标采样数据组所对应的离散参数；判断离散参数是否小于预设的离散参数阈值，若是，则根据所有目标采样数据组所对应的目标平均值，确定化成分容设备的有效采样数据。可见，相较于传统的直接平均法求得有效数据，本发明通过计算目标采样数据组的离散参数，来确定化成分容设备的有效采样数据，即使是在强干扰环境的情况下，也可以提高对有效采样数据的确定可靠性及准确性，从而有利于后续对有效采样数据进行精准分析。

Description

干扰环境下的有效数据智能确定方法及装置
技术领域
本发明涉及新能源动力电池自动化生产线技术领域，尤其涉及一种干扰环境下的有效数据智能确定方法及装置。
背景技术
现有的新能源动力电芯生产中，对电芯进行大电流充放电工序是其必不可少的一步工艺流程，而电芯的大电流充放电存在着一定的安全风险，这就需要实时地、准确地监测电芯的各项数据，如电压、电流、温度等。
由于环境中存在很多的大功率、强辐射元件，会对整个数据采集系统产生强干扰，使得采集到的数据相当于有效数据和干扰信号的叠加(如e = s + q，其中e为采集数据，s为有效数据，q为干扰信号)，因此，如何从采集数据中准确地提取出有效数据，这是化成分容设备中一个极其重要的研究方向。
目前，提取有效数据所采用的方法为将1s内采集的多个数据（如200个采集数据）求平均值，但这种方法只适用于当干扰信号的积分为零的时候，而往往干扰信号的积分不为0，如积分为正值时，获取到的有效数据会比实际有效数据大；同理，如积分为负值时，获取到的有效数据会比实际有效数据小；甚至，当干扰特别强时，所有的采样数据都是无效的。因此，通过直接求平均得出有效数据的方法适用性较差。可见，提高一种新的有效数据确定方法，以在强干扰环境下提高有效数据的提取准确性尤为重要。
发明内容
本发明所要解决的技术问题在于，提供一种干扰环境下的有效数据智能确定方法及装置，相较于传统的直接平均法求得有效数据，即使是在强干扰环境的情况下，也可以提高对有效采样数据的确定可靠性及准确性，从而有利于后续对有效采样数据进行精准分析。
为了解决上述技术问题，本发明第一方面公开了一种干扰环境下的有效数据智能确定方法，所述方法包括：
采集化成分容设备的多个采样数据组，并对所有所述采样数据组进行数字滤波处理操作，得到所有滤波后采样数据组；
从所有所述滤波后采样数据组中确定出所有目标采样数据组，并计算所有所述目标采样数据组所对应的离散参数；
判断所述离散参数是否小于预设的离散参数阈值，若是，则根据所有所述目标采样数据组所对应的目标平均值，确定所述化成分容设备的有效采样数据。
作为一种可选的实施方式，在本发明第一方面中，所述从所有所述滤波后采样数据组中确定出所有目标采样数据组，包括：
根据每个所述滤波后采样数据组，计算每个所述滤波后采样数据组对应的平均值；
根据所有所述滤波后采样数据组对应的平均值，计算两两所述滤波后采样数据组对应的平均值之间的目标差值；
根据两两所述滤波后采样数据组对应的平均值之间的目标差值，从所有所述滤波后采样数据组中，筛选出所述目标差值小于或等于预设差值阈值的所有滤波后采样数据组，作为所有目标采样数据组。
作为一种可选的实施方式，在本发明第一方面中，所述计算所有所述目标采样数据组所对应的离散参数，包括：
根据每个所述目标采样数据组对应的平均值，计算所有所述目标采样数据组所对应的方差参数，以及所有所述目标采样数据组所对应的目标平均值；所述方差参数包括基础方差参数或者标准方差参数；
根据所有所述目标采样数据组所对应的方差参数以及所述目标平均值，计算所有所述目标采样数据组所对应的离散参数。
作为一种可选的实施方式，在本发明第一方面中，在所述采集化成分容设备的多个采样数据组之前，所述方法还包括：
确定用于数据组采集的采样数据组数量参数；
其中，所述采集化成分容设备的多个采样数据组，包括：
根据所述采样数据组数量参数，采集化成分容设备的多个采样数据组；
以及，所述方法还包括：
当判断出所述离散参数大于或等于所述离散参数阈值时，判断所有所述目标采样数据组所对应的组数量参数是否等于所述采样数据组数量参数；
当判断出所述组数量参数小于所述采样数据组数量参数时，根据所述组数量参数以及所述采样数据组数量参数，采集所述化成分容设备的多个待处理采样数据组；
根据所有所述待处理采样数据组以及所有所述目标采样数据组，更新所述化成分容设备的所有所述采样数据组，得到所述化成分容设备的所有更新后采样数据组，并触发执行所述的对所有所述采样数据组进行数字滤波处理操作，得到所有滤波后采样数据组的操作；所有所述采样数据组为所有所述更新后采样数据组。
作为一种可选的实施方式，在本发明第一方面中，所有所述目标采样数据组所对应的离散参数为：
CV=S/M；
其中，S为所有所述目标采样数据组所对应的方差参数，M为所有所述目标采样数据组所对应的目标平均值。
作为一种可选的实施方式，在本发明第一方面中，所述采样数据组数量参数是通过以下方式确定出的：
确定待采集的化成分容设备的采样数据组类型；所述采样数据组类型包括电数据类型或者温度数据类型；
根据所述采样数据组类型，确定针对所述采样数据组类型下的数据组分析需求情况；
根据所述数据组分析需求情况，确定针对所述采样数据组类型下的数据组采集需求参数，并根据所述数据组采集需求参数，确定用于数据组采集的采样数据组数量参数。
作为一种可选的实施方式，在本发明第一方面中，所述离散参数阈值是通过以下方式确定出的：
获取所述化成分容设备的设备配置参数，以及所述化成分容设备所处的设备环境中的环境参数；
根据所述设备配置参数、所述环境参数以及所有所述目标采样数据组所对应的采样数据组类型，预测针对所述采样数据组类型下，所述设备环境对所述化成分容设备造成的数据采集干扰情况；
根据所述数据采集干扰情况，确定所述化成分容设备的数据组采集稳定需求情况，并根据所述数据组采集稳定需求情况，确定与所有所述目标采样数据组所对应的采样数据组类型相匹配的离散参数阈值。
本发明第二方面公开了一种干扰环境下的有效数据智能确定装置，所述装置包括：
采集模块，用于采集化成分容设备的多个采样数据组；
滤波处理模块，用于对所有所述采样数据组进行数字滤波处理操作，得到所有滤波后采样数据组；
确定模块，用于从所有所述滤波后采样数据组中确定出所有目标采样数据组；
计算模块，用于计算所有所述目标采样数据组所对应的离散参数；
判断模块，用于判断所述离散参数是否小于预设的离散参数阈值；
所述确定模块，还用于当所述判断模块判断结果为是时，根据所有所述目标采样数据组所对应的目标平均值，确定所述化成分容设备的有效采样数据。
作为一种可选的实施方式，在本发明第二方面中，所述确定模块从所有所述滤波后采样数据组中确定出所有目标采样数据组的方式具体包括：
根据每个所述滤波后采样数据组，计算每个所述滤波后采样数据组对应的平均值；
根据所有所述滤波后采样数据组对应的平均值，计算两两所述滤波后采样数据组对应的平均值之间的目标差值；
根据两两所述滤波后采样数据组对应的平均值之间的目标差值，从所有所述滤波后采样数据组中，筛选出所述目标差值小于或等于预设差值阈值的所有滤波后采样数据组，作为所有目标采样数据组。
作为一种可选的实施方式，在本发明第二方面中，所述计算模块计算所有所述目标采样数据组所对应的离散参数的方式具体包括：
根据每个所述目标采样数据组对应的平均值，计算所有所述目标采样数据组所对应的方差参数，以及所有所述目标采样数据组所对应的目标平均值；所述方差参数包括基础方差参数或者标准方差参数；
根据所有所述目标采样数据组所对应的方差参数以及所述目标平均值，计算所有所述目标采样数据组所对应的离散参数。
作为一种可选的实施方式，在本发明第二方面中，所述确定模块，还用于：
在所述采集模块采集化成分容设备的多个采样数据组之前，确定用于数据组采集的采样数据组数量参数；
其中，所述采集模块采集化成分容设备的多个采样数据组的方式具体包括：
根据所述采样数据组数量参数，采集化成分容设备的多个采样数据组；
以及，所述判断模块，还用于：
当判断出所述离散参数大于或等于所述离散参数阈值时，判断所有所述目标采样数据组所对应的组数量参数是否等于所述采样数据组数量参数；
所述采集模块，还用于当所述判断模块判断出所述组数量参数小于所述采样数据组数量参数时，根据所述组数量参数以及所述采样数据组数量参数，采集所述化成分容设备的多个待处理采样数据组；
所述装置还包括：
更新模块，用于根据所有所述待处理采样数据组以及所有所述目标采样数据组，更新所述化成分容设备的所有所述采样数据组，得到所述化成分容设备的所有更新后采样数据组，并触发所述滤波处理模块执行所述的对所有所述采样数据组进行数字滤波处理操作，得到所有滤波后采样数据组的操作；所有所述采样数据组为所有所述更新后采样数据组。
作为一种可选的实施方式，在本发明第二方面中，所有所述目标采样数据组所对应的离散参数为：
CV=S/M；
其中，S为所有所述目标采样数据组所对应的方差参数，M为所有所述目标采样数据组所对应的目标平均值。
作为一种可选的实施方式，在本发明第二方面中，所述采样数据组数量参数是通过以下方式确定出的：
确定待采集的化成分容设备的采样数据组类型；所述采样数据组类型包括电数据类型或者温度数据类型；
根据所述采样数据组类型，确定针对所述采样数据组类型下的数据组分析需求情况；
根据所述数据组分析需求情况，确定针对所述采样数据组类型下的数据组采集需求参数，并根据所述数据组采集需求参数，确定用于数据组采集的采样数据组数量参数。
作为一种可选的实施方式，在本发明第二方面中，所述离散参数阈值是通过以下方式确定出的：
获取所述化成分容设备的设备配置参数，以及所述化成分容设备所处的设备环境中的环境参数；
根据所述设备配置参数、所述环境参数以及所有所述目标采样数据组所对应的采样数据组类型，预测针对所述采样数据组类型下，所述设备环境对所述化成分容设备造成的数据采集干扰情况；
根据所述数据采集干扰情况，确定所述化成分容设备的数据组采集稳定需求情况，并根据所述数据组采集稳定需求情况，确定与所有所述目标采样数据组所对应的采样数据组类型相匹配的离散参数阈值。
本发明第三方面公开了另一种干扰环境下的有效数据智能确定装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的干扰环境下的有效数据智能确定方法。
本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的干扰环境下的有效数据智能确定方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，对采集到的成分容设备的所有采样数据组进行数字滤波处理，得到所有滤波后采样数据组，并从中确定出所有目标采样数据组；计算所有目标采样数据组所对应的离散参数；判断离散参数是否小于预设的离散参数阈值，若是，则根据所有目标采样数据组所对应的目标平均值，确定化成分容设备的有效采样数据。可见，相较于传统的直接平均法求得有效数据，本发明通过计算目标采样数据组的离散参数，来确定化成分容设备的有效采样数据，即使是在强干扰环境的情况下，也可以提高对有效采样数据的确定可靠性及准确性，从而有利于后续对有效采样数据进行精准分析。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种干扰环境下的有效数据智能确定方法的流程示意图；
图2是本发明实施例公开的一种化成分容设备的有效采样数据的确定流程示意图；
图3是本发明实施例公开的另一种干扰环境下的有效数据智能确定方法的流程示意图；
图4是本发明实施例公开的一种干扰环境下的有效数据智能确定装置的结构示意图；
图5是本发明实施例公开的另一种干扰环境下的有效数据智能确定装置的结构示意图；
图6是本发明实施例公开的又一种干扰环境下的有效数据智能确定装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种干扰环境下的有效数据智能确定方法及装置，相较于传统的直接平均法求得有效数据，即使是在强干扰环境的情况下，也可以提高对有效采样数据的确定可靠性及准确性，从而有利于后续对有效采样数据进行精准分析。
实施例一
请参阅图1，图1是本发明实施例公开的一种干扰环境下的有效数据智能确定方法的流程示意图。其中，图1所描述的干扰环境下的有效数据智能确定方法可以应用于新能源动力电池自动化生产线中的化成分容设备（如化成分容一体机）的有效采样数据确定场景中。可选的，该方法可以由采样数据处理系统实现，该采样数据处理系统可以集成在采样数据处理装置中，也可以是用于对化成分容设备的有效采样数据的确定流程进行处理的本地服务器或云端服务器等，本发明实施例不做限定。如图1所示，该干扰环境下的有效数据智能确定方法可以包括以下操作：
101、采集化成分容设备的多个采样数据组，并对所有采样数据组进行数字滤波处理操作，得到所有滤波后采样数据组。
在本发明实施例中，可选的，所有采样数据组的采样数据组类型可以包括电数据类型或者温度数据类型，其中，电数据类型可以为电流数据类型、电压数据类型、功率数据类型等等。进一步可选的，可以基于预设的采集时间间隔来采集化成分容设备的多个采样数据组，也可以是在预设的采集时间段内随机采集化成分容设备的多个采样数据组。再进一步可选的，该数字滤波处理操作可以是逐组进行，也可以是多组同时进行。
进一步的，对所有采样数据组进行数字滤波处理操作可以理解为对所有采样数据组进行频域滤波，以滤除所有采样数据组中包含的其他频段的干扰信号。
102、从所有滤波后采样数据组中确定出所有目标采样数据组，并计算所有目标采样数据组所对应的离散参数。
在本发明实施例中，可选的，该方差参数可以包括基础方差参数或者标准方差参数，其中，此两种方差参数均可用于指示所有目标采样数据组所对应的离散程度。
103、判断离散参数是否小于预设的离散参数阈值，若是，则根据所有目标采样数据组所对应的目标平均值，确定化成分容设备的有效采样数据。
在本发明实施例中，进一步的，若判断出离散参数大于或等于预设的离散参数阈值时，则可基于所有目标采样数据组的组数量参数，作进一步的采样数据的有效性判断操作。
可见，相较于传统的直接平均法求得有效数据，本发明能够通过计算目标采样数据组的离散参数，来确定化成分容设备的有效采样数据，即使是在强干扰环境的情况下，也可以提高对有效采样数据的确定可靠性及准确性，从而有利于后续对有效采样数据进行精准分析。
在一个可选的实施例中，在上述步骤101中的采集化成分容设备的多个采样数据组之前，方法还包括：
确定用于数据组采集的采样数据组数量参数；
其中，采集化成分容设备的多个采样数据组，包括：
根据采样数据组数量参数，采集化成分容设备的多个采样数据组；
以及，方法还包括：
当判断出离散参数大于或等于离散参数阈值时，判断所有目标采样数据组所对应的组数量参数是否等于采样数据组数量参数；
当判断出组数量参数小于采样数据组数量参数时，根据组数量参数以及采样数据组数量参数，采集化成分容设备的多个待处理采样数据组；
根据所有待处理采样数据组以及所有目标采样数据组，更新化成分容设备的所有采样数据组，得到化成分容设备的所有更新后采样数据组，并触发执行的对所有采样数据组进行数字滤波处理操作，得到所有滤波后采样数据组的操作；所有采样数据组为所有更新后采样数据组。
在该可选的实施例中，如图2所示，即当判断出离散参数（CV）大于或等于离散参数阈值（CVmax）、且所有目标采样数据组所对应的组数量参数（N）小于采样数据组数量参数（Nmax）时，则基于原有的、干扰较小的所有目标采样数据组的组数量参数，以及预设的采样数据组数量参数，采集新的化成设备的采样数据组，以将新的采样数据组与原有的所有目标采样数据组进行合并，并重新进行数据组的有效性分析操作。
进一步的，当判断出组数量参数等于采样数据组数量参数时，则可以直接判定本轮的所有采样数据组采集为无效采集，继而可以根据采样数据组数量参数，重新采集化成分容设备的多个采样数据组，并重新执行上述步骤102及步骤103，从而可以在环境干扰特别大、且采样数据无法还原成有效采样数据的情况下，减少把无效数据当作有效采样数据使用的情况发生。
再进一步的，作为一种可选的实施方式，采样数据组数量参数是可以通过以下方式确定出的：
确定待采集的化成分容设备的采样数据组类型；
根据采样数据组类型，确定针对采样数据组类型下的数据组分析需求情况；
根据数据组分析需求情况，确定针对采样数据组类型下的数据组采集需求参数，并根据数据组采集需求参数，确定用于数据组采集的采样数据组数量参数。
在该可选的实施例中，可选的，采样数据组类型包括电数据类型或者温度数据类型。进一步可选的，数据组采集需求参数可以包括数据组采集数量需求参数、数据组采集时间需求参数（如采集时间间隔、采集时间段等等）。举例来说，如当前需要对化成分容设备的温度数据进行重点分析，此时，则可以针对待采集的化成分容设备的温度数据类型，确定出较大的数据组采集数量需求参数，或者较短的数据组采集时间间隔需求参数，从而对化成分容设备的多个温度数据类型的采样数据组进行采集，以作详细分析；而针对暂时无需重点分析的化成分容设备的电数据类型，则可以确定出较小的数据组采集数量需求参数，或者较长的数据组采集时间间隔需求参数，从而对化成分容设备的多个电数据类型的采样数据组进行采集，以作后备使用。
又进一步的，作为一种可选的实施方式，离散参数阈值是可以通过以下方式确定出的：
获取化成分容设备的设备配置参数，以及化成分容设备所处的设备环境中的环境参数；
根据设备配置参数、环境参数以及所有目标采样数据组所对应的采样数据组类型，预测针对采样数据组类型下，设备环境对化成分容设备造成的数据采集干扰情况；
根据数据采集干扰情况，确定化成分容设备的数据组采集稳定需求情况，并根据数据组采集稳定需求情况，确定与所有目标采样数据组所对应的采样数据组类型相匹配的离散参数阈值。
在该可选的实施例中，可选的，化成分容设备所处的设备环境中的环境参数可以包括其他设备用电参数、其他设备辐射参数等等。
可见，该可选的实施例能够根据针对采样数据组类型下的数据组分析需求情况，来确定采样数据组数量参数，并根据采样数据组数量参数，对化成分容设备的采样数据组进行采集，相较于传统的有效数据采集过程，可以灵活地对化成分容设备的采样数据组进行采集，有利于提高对采样数据组的采集可靠性及准确性，从而有利于后续顺利地对采样数据组进行有效性判定操作；另一方面，该可选的实施例还能够基于化成分容设备所处的设备环境中的环境参数，来确定与所有目标采样数据组相匹配的离散参数阈值，继而对离散参数阈值以及计算出的所有目标采样数据组所对应的离散参数进行比对，以实现对所有目标采样数据组的有效性判定操作，可以提高对采样数据组的有效性判定操作的可靠性及准确性，从而可以对化成分容设备中的有效采样数据进行精准确定。
实施例二
请参阅图3，图3是本发明实施例公开的另一种干扰环境下的有效数据智能确定方法的流程示意图。其中，图3所描述的干扰环境下的有效数据智能确定方法可以应用于新能源动力电池自动化生产线中的化成分容设备（如化成分容一体机）的有效采样数据确定场景中。可选的，该方法可以由采样数据处理系统实现，该采样数据处理系统可以集成在采样数据处理装置中，也可以是用于对化成分容设备的有效采样数据的确定流程进行处理的本地服务器或云端服务器等，本发明实施例不做限定。如图3所示，该干扰环境下的有效数据智能确定方法可以包括以下操作：
201、采集化成分容设备的多个采样数据组，并对所有采样数据组进行数字滤波处理操作，得到所有滤波后采样数据组。
202、根据每个滤波后采样数据组，计算每个滤波后采样数据组对应的平均值。
在本发明实施例中，即计算每个滤波后采样数据组中所有滤波后采样数据所对应的平均值。
203、根据所有滤波后采样数据组对应的平均值，计算两两滤波后采样数据组对应的平均值之间的目标差值。
在本发明实施例中，即对两两滤波后采样数据组对应的平均值作差值计算。
204、根据两两滤波后采样数据组对应的平均值之间的目标差值，从所有滤波后采样数据组中，筛选出目标差值小于或等于预设差值阈值的所有滤波后采样数据组，作为所有目标采样数据组，并计算所有目标采样数据组所对应的离散参数。
在本发明实施例中，如图2所示，即从所有滤波后采样数据组中，寻找出两两滤波后采样数据组对应的平均值之间的目标差值，为最小的N个滤波后采样数据组，并针对这N个滤波后采样数据组进行离散参数的计算操作。
205、判断离散参数是否小于预设的离散参数阈值，若是，则根据所有目标采样数据组所对应的目标平均值，确定化成分容设备的有效采样数据。
在本发明实施例中，针对步骤201、步骤205的其它描述，请参照实施例一中针对步骤101、步骤103的详细描述，本发明实施例不再赘述。
可见，实施本发明实施例能够根据所有滤波后采样数据组对应的平均值，计算两两滤波后采样数据组对应的平均值之间的目标差值，以与预设差值阈值进行对比，继而筛选出所有目标采样数据组，这样，相较于传统的有效数据确定方式，可以在多组采样数据组中抽取干扰最小的多组目标采样数据组进行平均值计算，减少了将干扰性大的采样数据组当作有效采样数据的情况发生，有利于提高对目标采样数据组的确定可靠性及准确性，进而有利于提高对目标采样数据组的离散参数比对操作的可靠性、准确性及有效性，从而有利于后续精准地确定出化成分容设备的有效采样数据。
在一个可选的实施例中，上述步骤204中的计算所有目标采样数据组所对应的离散参数，包括：
根据每个目标采样数据组对应的平均值，计算所有目标采样数据组所对应的方差参数，以及所有目标采样数据组所对应的目标平均值；
根据所有目标采样数据组所对应的方差参数以及目标平均值，计算所有目标采样数据组所对应的离散参数。
在该可选的实施例中，可选的，方差参数包括基础方差参数或者标准方差参数。进一步的，所有目标采样数据组所对应的离散参数为：
CV=S/M；
其中，S为所有目标采样数据组所对应的方差参数，M为所有目标采样数据组所对应的目标平均值。
可见，该可选的实施例能够根据所有目标采样数据组所对应的方差参数以及目标平均值，计算所有目标采样数据组所对应的离散参数，相较于传统的有效数据确定方式，提高了对目标采样数据组所对应的离散参数的计算可靠性及准确性，进而进一步提高了后续对化成分容设备的有效采样数据的确定可靠性及准确性，从而有利于提高后续对化成分容设备的电数据/温度数据的分析有效性。
实施例三
请参阅图4，图4是本发明实施例公开的一种干扰环境下的有效数据智能确定装置的结构示意图。如图4所示，该干扰环境下的有效数据智能确定装置可以包括：
采集模块301，用于采集化成分容设备的多个采样数据组；
滤波处理模块302，用于对所有采样数据组进行数字滤波处理操作，得到所有滤波后采样数据组；
确定模块303，用于从所有滤波后采样数据组中确定出所有目标采样数据组；
计算模块304，用于计算所有目标采样数据组所对应的离散参数；
判断模块305，用于判断离散参数是否小于预设的离散参数阈值；
确定模块303，还用于当判断模块305判断结果为是时，根据所有目标采样数据组所对应的目标平均值，确定化成分容设备的有效采样数据。
可见，相较于传统的直接平均法求得有效数据，实施图4所描述的干扰环境下的有效数据智能确定装置能够通过计算目标采样数据组的离散参数，来确定化成分容设备的有效采样数据，即使是在强干扰环境的情况下，也可以提高对有效采样数据的确定可靠性及准确性，从而有利于后续对有效采样数据进行精准分析。
在一个可选的实施例中，确定模块303从所有滤波后采样数据组中确定出所有目标采样数据组的方式具体包括：
根据每个滤波后采样数据组，计算每个滤波后采样数据组对应的平均值；
根据所有滤波后采样数据组对应的平均值，计算两两滤波后采样数据组对应的平均值之间的目标差值；
根据两两滤波后采样数据组对应的平均值之间的目标差值，从所有滤波后采样数据组中，筛选出目标差值小于或等于预设差值阈值的所有滤波后采样数据组，作为所有目标采样数据组。
可见，实施图5所描述的干扰环境下的有效数据智能确定装置能够根据所有滤波后采样数据组对应的平均值，计算两两滤波后采样数据组对应的平均值之间的目标差值，以与预设差值阈值进行对比，继而筛选出所有目标采样数据组，这样，相较于传统的有效数据确定方式，可以在多组采样数据组中抽取干扰最小的多组目标采样数据组进行平均值计算，减少了将干扰性大的采样数据组当作有效采样数据的情况发生，有利于提高对目标采样数据组的确定可靠性及准确性，进而有利于提高对目标采样数据组的离散参数比对操作的可靠性、准确性及有效性，从而有利于后续精准地确定出化成分容设备的有效采样数据。
在另一个可选的实施例中，计算模块304计算所有目标采样数据组所对应的离散参数的方式具体包括：
根据每个目标采样数据组对应的平均值，计算所有目标采样数据组所对应的方差参数，以及所有目标采样数据组所对应的目标平均值；
根据所有目标采样数据组所对应的方差参数以及目标平均值，计算所有目标采样数据组所对应的离散参数。
在该可选的实施例中，方差参数包括基础方差参数或者标准方差参数。
进一步的，作为一种可选的实施方式，所有目标采样数据组所对应的离散参数为：
CV=S/M；
其中，S为所有目标采样数据组所对应的方差参数，M为所有目标采样数据组所对应的目标平均值。
可见，实施图5所描述的干扰环境下的有效数据智能确定装置能够根据所有目标采样数据组所对应的方差参数以及目标平均值，计算所有目标采样数据组所对应的离散参数，相较于传统的有效数据确定方式，提高了对目标采样数据组所对应的离散参数的计算可靠性及准确性，进而进一步提高了后续对化成分容设备的有效采样数据的确定可靠性及准确性，从而有利于提高后续对化成分容设备的电数据/温度数据的分析有效性。
在又一个可选的实施例中，确定模块303，还用于：
在采集模块301采集化成分容设备的多个采样数据组之前，确定用于数据组采集的采样数据组数量参数；
其中，采集模块301采集化成分容设备的多个采样数据组的方式具体包括：
根据采样数据组数量参数，采集化成分容设备的多个采样数据组；
以及，判断模块305，还用于：
当判断出离散参数大于或等于离散参数阈值时，判断所有目标采样数据组所对应的组数量参数是否等于采样数据组数量参数；
采集模块301，还用于当判断模块305判断出组数量参数小于采样数据组数量参数时，根据组数量参数以及采样数据组数量参数，采集化成分容设备的多个待处理采样数据组；
装置还包括：
更新模块306，用于根据所有待处理采样数据组以及所有目标采样数据组，更新化成分容设备的所有采样数据组，得到化成分容设备的所有更新后采样数据组，并触发滤波处理模块302执行的对所有采样数据组进行数字滤波处理操作，得到所有滤波后采样数据组的操作；所有采样数据组为所有更新后采样数据组。
在该可选的实施例中，进一步的，作为一种可选的实施方式，采样数据组数量参数是通过以下方式确定出的：
确定待采集的化成分容设备的采样数据组类型；
根据采样数据组类型，确定针对采样数据组类型下的数据组分析需求情况；
根据数据组分析需求情况，确定针对采样数据组类型下的数据组采集需求参数，并根据数据组采集需求参数，确定用于数据组采集的采样数据组数量参数。
在该可选的实施例中，采样数据组类型包括电数据类型或者温度数据类型。
再进一步的，作为一种可选的实施方式，离散参数阈值是通过以下方式确定出的：
获取化成分容设备的设备配置参数，以及化成分容设备所处的设备环境中的环境参数；
根据设备配置参数、环境参数以及所有目标采样数据组所对应的采样数据组类型，预测针对采样数据组类型下，设备环境对化成分容设备造成的数据采集干扰情况；
根据数据采集干扰情况，确定化成分容设备的数据组采集稳定需求情况，并根据数据组采集稳定需求情况，确定与所有目标采样数据组所对应的采样数据组类型相匹配的离散参数阈值。
可见，实施图5所描述的干扰环境下的有效数据智能确定装置能够根据针对采样数据组类型下的数据组分析需求情况，来确定采样数据组数量参数，并根据采样数据组数量参数，对化成分容设备的采样数据组进行采集，相较于传统的有效数据采集过程，可以灵活地对化成分容设备的采样数据组进行采集，有利于提高对采样数据组的采集可靠性及准确性，从而有利于后续顺利地对采样数据组进行有效性判定操作；另一方面，该可选的实施例还能够基于化成分容设备所处的设备环境中的环境参数，来确定与所有目标采样数据组相匹配的离散参数阈值，继而对离散参数阈值以及计算出的所有目标采样数据组所对应的离散参数进行比对，以实现对所有目标采样数据组的有效性判定操作，可以提高对采样数据组的有效性判定操作的可靠性及准确性，从而可以对化成分容设备中的有效采样数据进行精准确定。
实施例四
请参阅图6，图6是本发明实施例公开的又一种干扰环境下的有效数据智能确定装置的结构示意图。如图6所示，该干扰环境下的有效数据智能确定装置可以包括：
存储有可执行程序代码的存储器401；
与存储器401耦合的处理器402；
处理器402调用存储器401中存储的可执行程序代码，执行本发明实施例一或本发明实施例二所描述的干扰环境下的有效数据智能确定方法中的步骤。
实施例五
本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一或本发明实施例二所描述的干扰环境下的有效数据智能确定方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的干扰环境下的有效数据智能确定方法中的步骤。
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器（Read-Only Memory，ROM）、随机存储器（Random Access Memory，RAM）、可编程只读存储器（Programmable Read-only Memory，PROM）、可擦除可编程只读存储器（ErasableProgrammable Read Only Memory，EPROM）、一次可编程只读存储器（One-timeProgrammable Read-Only Memory，OTPROM）、电子抹除式可复写只读存储器（Electrically-Erasable Programmable Read-Only Memory，EEPROM）、只读光盘（CompactDisc Read-Only Memory，CD-ROM）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种干扰环境下的有效数据智能确定方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (10)

1.一种干扰环境下的有效数据智能确定方法，其特征在于，所述方法包括：
采集化成分容设备的多个采样数据组，并对所有所述采样数据组进行数字滤波处理操作，得到所有滤波后采样数据组；
从所有所述滤波后采样数据组中确定出所有目标采样数据组，并计算所有所述目标采样数据组所对应的离散参数；
判断所述离散参数是否小于预设的离散参数阈值，若是，则根据所有所述目标采样数据组所对应的目标平均值，确定所述化成分容设备的有效采样数据。
2.根据权利要求1所述的干扰环境下的有效数据智能确定方法，其特征在于，所述从所有所述滤波后采样数据组中确定出所有目标采样数据组，包括：
根据每个所述滤波后采样数据组，计算每个所述滤波后采样数据组对应的平均值；
根据所有所述滤波后采样数据组对应的平均值，计算两两所述滤波后采样数据组对应的平均值之间的目标差值；
根据两两所述滤波后采样数据组对应的平均值之间的目标差值，从所有所述滤波后采样数据组中，筛选出所述目标差值小于或等于预设差值阈值的所有滤波后采样数据组，作为所有目标采样数据组。
3.根据权利要求2所述的干扰环境下的有效数据智能确定方法，其特征在于，所述计算所有所述目标采样数据组所对应的离散参数，包括：
根据每个所述目标采样数据组对应的平均值，计算所有所述目标采样数据组所对应的方差参数，以及所有所述目标采样数据组所对应的目标平均值；所述方差参数包括基础方差参数或者标准方差参数；
根据所有所述目标采样数据组所对应的方差参数以及所述目标平均值，计算所有所述目标采样数据组所对应的离散参数。
4.根据权利要求1-3任一项所述的干扰环境下的有效数据智能确定方法，其特征在于，在所述采集化成分容设备的多个采样数据组之前，所述方法还包括：
确定用于数据组采集的采样数据组数量参数；
其中，所述采集化成分容设备的多个采样数据组，包括：
根据所述采样数据组数量参数，采集化成分容设备的多个采样数据组；
以及，所述方法还包括：
当判断出所述离散参数大于或等于所述离散参数阈值时，判断所有所述目标采样数据组所对应的组数量参数是否等于所述采样数据组数量参数；
当判断出所述组数量参数小于所述采样数据组数量参数时，根据所述组数量参数以及所述采样数据组数量参数，采集所述化成分容设备的多个待处理采样数据组；
根据所有所述待处理采样数据组以及所有所述目标采样数据组，更新所述化成分容设备的所有所述采样数据组，得到所述化成分容设备的所有更新后采样数据组，并触发执行所述的对所有所述采样数据组进行数字滤波处理操作，得到所有滤波后采样数据组的操作；所有所述采样数据组为所有所述更新后采样数据组。
5.根据权利要求3所述的干扰环境下的有效数据智能确定方法，其特征在于，所有所述目标采样数据组所对应的离散参数为：
CV=S/M；
其中，S为所有所述目标采样数据组所对应的方差参数，M为所有所述目标采样数据组所对应的目标平均值。
6.根据权利要求4所述的干扰环境下的有效数据智能确定方法，其特征在于，所述采样数据组数量参数是通过以下方式确定出的：
确定待采集的化成分容设备的采样数据组类型；所述采样数据组类型包括电数据类型或者温度数据类型；
根据所述采样数据组类型，确定针对所述采样数据组类型下的数据组分析需求情况；
根据所述数据组分析需求情况，确定针对所述采样数据组类型下的数据组采集需求参数，并根据所述数据组采集需求参数，确定用于数据组采集的采样数据组数量参数。
7.根据权利要求6所述的干扰环境下的有效数据智能确定方法，其特征在于，所述离散参数阈值是通过以下方式确定出的：
获取所述化成分容设备的设备配置参数，以及所述化成分容设备所处的设备环境中的环境参数；
根据所述设备配置参数、所述环境参数以及所有所述目标采样数据组所对应的采样数据组类型，预测针对所述采样数据组类型下，所述设备环境对所述化成分容设备造成的数据采集干扰情况；
根据所述数据采集干扰情况，确定所述化成分容设备的数据组采集稳定需求情况，并根据所述数据组采集稳定需求情况，确定与所有所述目标采样数据组所对应的采样数据组类型相匹配的离散参数阈值。
8.一种干扰环境下的有效数据智能确定装置，其特征在于，所述装置包括：
采集模块，用于采集化成分容设备的多个采样数据组；
滤波处理模块，用于对所有所述采样数据组进行数字滤波处理操作，得到所有滤波后采样数据组；
确定模块，用于从所有所述滤波后采样数据组中确定出所有目标采样数据组；
计算模块，用于计算所有所述目标采样数据组所对应的离散参数；
判断模块，用于判断所述离散参数是否小于预设的离散参数阈值；
所述确定模块，还用于当所述判断模块判断结果为是时，根据所有所述目标采样数据组所对应的目标平均值，确定所述化成分容设备的有效采样数据。
9.一种干扰环境下的有效数据智能确定装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的干扰环境下的有效数据智能确定方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的干扰环境下的有效数据智能确定方法。
CN202311713999.XA 2023-12-14 2023-12-14 干扰环境下的有效数据智能确定方法及装置 Active CN117421531B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311713999.XA CN117421531B (zh) 2023-12-14 2023-12-14 干扰环境下的有效数据智能确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311713999.XA CN117421531B (zh) 2023-12-14 2023-12-14 干扰环境下的有效数据智能确定方法及装置

Publications (2)

Publication Number Publication Date
CN117421531A true CN117421531A (zh) 2024-01-19
CN117421531B CN117421531B (zh) 2024-03-05

Family

ID=89526905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311713999.XA Active CN117421531B (zh) 2023-12-14 2023-12-14 干扰环境下的有效数据智能确定方法及装置

Country Status (1)

Country Link
CN (1) CN117421531B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184267A (zh) * 2011-04-14 2011-09-14 上海同岩土木工程科技有限公司 一种自动数据采集系统消除干扰的异常数据过滤方法
CN108605036A (zh) * 2015-10-29 2018-09-28 欧普特网络私人有限公司 数据流中的异常检测
CN109512395A (zh) * 2018-12-17 2019-03-26 中国科学院深圳先进技术研究院 一种生物信号的分析处理方法、装置及设备
CN109655749A (zh) * 2018-11-20 2019-04-19 惠州拓邦电气技术有限公司 采集数据矩阵智能跟踪校准方法及装置
CN111193495A (zh) * 2019-12-12 2020-05-22 浙江工业大学 一种工件校直数据的滤波处理方法
CN114124036A (zh) * 2021-11-30 2022-03-01 上汽通用五菱汽车股份有限公司 滑动平均滤波方法、装置、设备及计算机可读存储介质
CN114398348A (zh) * 2021-12-17 2022-04-26 广东顺畅科技有限公司 智能电网异常数据处理方法、网关、电子设备和存储介质
CN115436857A (zh) * 2022-08-31 2022-12-06 烽火通信科技股份有限公司 软件消除电磁干扰对传感器采集精度影响的方法与装置
WO2023041097A2 (zh) * 2022-06-24 2023-03-23 加特兰微电子科技(上海)有限公司 干扰信号检测方法、装置、集成电路、无线电器件和终端
CN116232321A (zh) * 2023-01-16 2023-06-06 重庆长安新能源汽车科技有限公司 动力电池电压采样滤波方法、装置及车辆

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184267A (zh) * 2011-04-14 2011-09-14 上海同岩土木工程科技有限公司 一种自动数据采集系统消除干扰的异常数据过滤方法
CN108605036A (zh) * 2015-10-29 2018-09-28 欧普特网络私人有限公司 数据流中的异常检测
CN109655749A (zh) * 2018-11-20 2019-04-19 惠州拓邦电气技术有限公司 采集数据矩阵智能跟踪校准方法及装置
CN109512395A (zh) * 2018-12-17 2019-03-26 中国科学院深圳先进技术研究院 一种生物信号的分析处理方法、装置及设备
CN111193495A (zh) * 2019-12-12 2020-05-22 浙江工业大学 一种工件校直数据的滤波处理方法
CN114124036A (zh) * 2021-11-30 2022-03-01 上汽通用五菱汽车股份有限公司 滑动平均滤波方法、装置、设备及计算机可读存储介质
CN114398348A (zh) * 2021-12-17 2022-04-26 广东顺畅科技有限公司 智能电网异常数据处理方法、网关、电子设备和存储介质
WO2023041097A2 (zh) * 2022-06-24 2023-03-23 加特兰微电子科技(上海)有限公司 干扰信号检测方法、装置、集成电路、无线电器件和终端
CN115436857A (zh) * 2022-08-31 2022-12-06 烽火通信科技股份有限公司 软件消除电磁干扰对传感器采集精度影响的方法与装置
CN116232321A (zh) * 2023-01-16 2023-06-06 重庆长安新能源汽车科技有限公司 动力电池电压采样滤波方法、装置及车辆

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MING ZUO ET.AL: "A novel DOA estimation method for an antenna array under strong interference", 《EURASIP JOURNAL ON ADVANCES IN SIGNAL PROCESSING》, 31 December 2022 (2022-12-31), pages 1 - 16 *
孙斌 等: "受运动伪影干扰PPG序列的优质信号提取算法", 仪器仪表学报, no. 09, 15 September 2018 (2018-09-15), pages 174 - 181 *

Also Published As

Publication number Publication date
CN117421531B (zh) 2024-03-05

Similar Documents

Publication Publication Date Title
CN115514620B (zh) 一种异常检测的方法和云网络平台
CN109116243B (zh) 一种动力电池的异常检测方法和装置
JP2020150531A (ja) トラフィックを検出するための方法及び装置
CN115800272A (zh) 基于拓扑识别的电网故障分析方法、系统、终端及介质
CN113644741A (zh) 一种基于边缘计算的海量故障录波数据处理方法
CN114143734B (zh) 一种用于5g物联网卡流量采集的数据处理方法及装置
CN117317990B (zh) 一种变电站交流电源系统的微机保护方法及相关装置
CN117421531B (zh) 干扰环境下的有效数据智能确定方法及装置
CN117233645B (zh) 一种储能逆变器电池异常判定方法、系统及介质
CN117454371A (zh) 一种接口异常检测方法、装置、设备和存储介质
CN111049684B (zh) 数据分析方法、装置、设备和存储介质
CN117117780A (zh) 基于变电站一二次信息融合的断路器防拒动方法及系统
CN111506636A (zh) 一种基于自回归和近邻算法的居民用电行为分析的系统及方法
CN116090353A (zh) 产品剩余寿命预测方法和装置、电子设备及存储介质
CN112116235B (zh) 一种电网中电压脉冲影响力评估方法
CN114881142A (zh) 一种配网异常数据的处理方法及装置
CN113156284A (zh) 一种gis设备开关动作的干扰信号处理方法和装置
CN112131210A (zh) 一种数据识别方法、装置、服务器及存储介质
CN115112962A (zh) 一种非侵入式负荷辨识方法、系统、存储介质及设备
CN116150233B (zh) 有源配电台区运行状态数据的最小映射处理方法及系统
CN115907567B (zh) 基于鲁棒性随机分割森林算法的负荷事件检测方法及系统
CN114253958B (zh) 电能量数据的自动修正方法及装置
CN115865238B (zh) 一种信号干扰检测方法及装置
CN117714298B (zh) 基于特征信号的低压台区拓扑网络识别方法和终端设备
CN113533903B (zh) 一种配电网接地故障选相方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant