CN117714260A - 云边融合架构下的分布式资源边缘网关远程集中运维方法 - Google Patents
云边融合架构下的分布式资源边缘网关远程集中运维方法 Download PDFInfo
- Publication number
- CN117714260A CN117714260A CN202311690741.2A CN202311690741A CN117714260A CN 117714260 A CN117714260 A CN 117714260A CN 202311690741 A CN202311690741 A CN 202311690741A CN 117714260 A CN117714260 A CN 117714260A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- edge
- edge gateway
- distributed resource
- cloud
- 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.)
- Pending
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000004927 fusion Effects 0.000 title claims abstract description 26
- 230000036541 health Effects 0.000 claims abstract description 27
- 238000013210 evaluation model Methods 0.000 claims abstract description 7
- 238000007689 inspection Methods 0.000 claims description 26
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 10
- 230000007547 defect Effects 0.000 claims description 9
- 230000011664 signaling Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000007619 statistical method Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000012098 association analyses Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000007418 data mining Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 206010048669 Terminal state Diseases 0.000 claims description 2
- 230000003993 interaction Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了一种云边融合架构下的分布式资源边缘网关远程集中运维方法，属于电网运维管理技术领域。本发明在云端/边缘集群对数量庞大的分布式资源边缘网关进行远程集中运维，通过智能运维应用，利用统一的数据底座，减少信息交互环节，使运维应用与业务应用同步部署，运行管理人员可以减少在多个系统间切换的工作量；采用智能化运维技术，对边缘网关进行自动巡检，建立网关的健康状态评价模型，按需运维，优化检修策略，降低运维工作量，减少网关故障率。
Description
技术领域
本发明属于电网运维管理技术领域，具体涉及一种云边融合架构下的分布式资源边缘网关远程集中运维方法。
背景技术
随着分布式电源的大规模应用，电网中随机性、波动性和间歇性的小型分布式电源所占比例会越来越大，甚至将成为电网不可或缺的组成部分。大量分布式电源接入电网，改变了电网原有的结构，而且量大分散。随着电力体制改革的进一步推进和电力市场的进一步完善，分布式电源既能够与电网进行友好互动，相互支持，也因为形态复杂、主体多元而增加了电网运行管理的复杂性，将对电网的安全、可靠、稳定运行及控制带来诸多方面的影响。
为了保证电网的经济安全稳定运行，同时更好的为分布式资源提供友好的互动服务，电网必须将分布式资源纳入到监控管理的范围内。
分布式电源、储能、虚拟电厂、综合能源、电动汽车等海量分布式资源位于用户侧，靠近负荷中心，将一定区域内、一定电压等级以下的分布式厂站聚合为边缘节点，由边缘网关接入到电力调度云平台，既能通过统一模型和规约实现云端高效接入和便捷维护，又能与就地负荷实现边缘自治优化决策，快速响应终端用户的需求。
但是分布式资源具有分布广泛、数量众多等特点，若要实现分布式资源数据采集与监控的全覆盖，边缘网关的数量也将非常庞大。如此数量众多的边缘网关接入主站，采用人员进行定期巡检、现场故障处理等常规的运维方式，已难以满足边缘网关运维管控的需求。
边缘网关的日常运维工作包括故障排查、设备检修、设备巡检、数据查看、参数设置、终端自检自恢复和运行程序更新等。分布式资源边缘网关大部分安装在户外，运行环境比较恶劣，故障率高。目前边缘网关的运维还处于初级阶段，需要由运维人员定期巡检，在终端出现故障时运维人员需要到现场进行维护和维修工作，存在运维工作量大，运维效率低下等问题。
目前已有的终端远程运维技术虽然实现了终端的集中远程运维，但仍存在三个问题：1、通过独立的远程运维系统来实现，需要与调度自动化主站系统进行信息交互，增加了运行管理人员的负担。2、专门配置的远程运维服务器和远程运维软件本身也需要运维。3、运维智能化程度不够，仅仅是把运维人员从现场解放出来，虽然提高了运维效率，但没有减少运维工作量和终端的故障率。
发明内容
有鉴于此，本发明旨在提供一种云边融合架构下的分布式资源边缘网关远程集中运维方法，采用容器技术，在云端/边缘集群对数量庞大的分布式资源边缘网关进行远程集中运维，通过智能运维应用，利用统一的数据底座，减少信息交互环节，使运维应用与业务应用同步部署，运行管理人员可以减少在多个系统间切换的工作量；采用智能化运维技术，对边缘网关进行自动巡检，建立网关的健康状态评价模型，按需运维，优化检修策略，降低运维工作量，减少网关故障率。
为了实现上述目的，本发明的技术方案如下：
一种云边融合架构下的分布式资源边缘网关远程集中运维方法，在云边融合架构中，调度云/边缘集群部署有智能运维应用和分布式资源业务应用，智能运维应用和分布式资源业务应用均与边缘侧的边缘网关进行云边协同工作；
包括如下步骤：
智能运维应用和分布式资源业务应用获取边缘侧边缘网关的状态数据；
智能运维应用和分布式资源业务应用对状态数据进行预处理与统计分析，得到开展边缘网关运维和分布式资源业务工作的支持数据；
智能运维应用和分布式资源业务应用获取控制指令，并将控制指令下发到边缘网关，以分别开展边缘网关运维和分布式资源业务工作，其中，控制指令基于支持数据得到。
进一步的，在云边融合架构中，调度云/边缘集群具体包括：智能运维应用、分布式资源业务应用、数据中心和基础资源；
智能运维应用和分布式资源业务应用通过数据中心获取边缘侧边缘网关的状态数据，并利用基础资源对状态数据进行预处理与统计分析。
进一步的，状态数据具体为：
至少包括设备类型、厂家、型号、投运时间、通道类型、所属区域的静态信息；
至少包括运行状态、电池状态、通信状态、告警信息的实时信息；
至少包括操作纪录、巡检纪录、维修纪录的历史信息。
进一步的，智能运维应用对状态数据进行预处理与统计分析，包括：
对掉线的边缘网关的网络特征进行分析，判别掉线原因是终端故障或是通信网络故障，并生成设备缺陷告警信息；
还对所采集的终端状态进行监测，当出现异常时产生告警。
进一步的，智能运维应用对状态数据进行预处理与统计分析，包括：
对边缘网关的历史数据进行统计处理，识别出边缘网关长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败的问题，为终端运行状态判别提供数据支持。
进一步的，智能运维应用对状态数据进行预处理与统计分析，包括：
利用数据挖掘算法，对边缘网关故障历史信息与终端运行状态信息以及量测长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败的信息之间的关联关系进行深入挖掘，为边缘网关健康状态评价提供支持。
进一步的，通过智能运维应用开展的边缘网关运维工作，包括：状态监测与日常运维；
状态监测与日常运维包括实时监测边缘网关的运行状态，当边缘网关出现停机、掉线等异常情况时，发送告警信号；在云端对边缘网关进行批量参数设置；在云端对边缘网关进行批量运行程序更新。
进一步的，通过智能运维应用开展的边缘网关运维工作，还包括：自动巡检；
自动巡检包括采用机器学习方法对以往人工巡检的工作记录单进行学习，提取巡检工作项，根据提取出来的巡检工作项生成巡检参数，按照巡检参数定时检查所有边缘网关的状态，对不正常的终端进行预警。
进一步的，通过智能运维应用开展的边缘网关运维工作，还包括：健康状态评价；
健康状态评价包括利用大数据分析算法，获取边缘网关设备故障与自身运行状态参数、投运时间、厂家、型号、通道类型以及量测长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败等信息之间的关联规则与演化规律；
建立边缘网关健康状态评价与预测模型，并利用机器学习与关联分析算法对参数与权重进行调整；
利用边缘网关健康状态评价模型，根据当前的运行状态参数以及其他相关信息，评价终端的当前健康状态；
利用边缘网关健康预测模型，预测终端未来一段时间出现故障以及出现各种故障的概率。
进一步的，通过智能运维应用开展的边缘网关运维工作，还包括：主动运维；
主动运维包括根据对终端的故障预警以及对终端的状态评价和故障预测，将可能会出现故障的终端列入重点关注列表；
远程对重点关注列表中的终端进行自检自恢复操作，继续采用边缘网关健康状态评价与预测模型进行评价和预测；
远程对重点关注列表中的终端进行运行软件升级，继续采用边缘网关健康状态评价与预测模型进行评价和预测；
对终端设备缺陷进行聚类与关联分析，识别其中的家族性特征，匹配运行维护策略与计划。
综上，本发明提供了一种云边融合架构下的分布式资源边缘网关远程集中运维方法，在云端/边缘集群对数量庞大的分布式资源边缘网关进行远程集中运维，通过智能运维应用，利用统一的数据底座，减少信息交互环节，使运维应用与业务应用同步部署，运行管理人员可以减少在多个系统间切换的工作量；采用智能化运维技术，对边缘网关进行自动巡检，建立网关的健康状态评价模型，按需运维，优化检修策略，降低运维工作量，减少网关故障率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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它的附图。
图1为本发明实施例提供的实施分布式资源边缘网关远程集中运维方法的云边融合架构图；
图2为本发明实施例提供的分布式资源边缘网关远程集中运维方法中智能运维的内容示意图。
具体实施方式
为使得本发明的目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本实施例提供一种云边融合架构下的分布式资源边缘网关远程集中运维方法，在云边融合架构中，调度云/边缘集群部署有智能运维应用和分布式资源业务应用，智能运维应用和分布式资源业务应用均与边缘侧的边缘网关进行云边协同工作；
包括如下步骤：
智能运维应用和分布式资源业务应用获取边缘侧边缘网关的状态数据；
智能运维应用和分布式资源业务应用对状态数据进行预处理与统计分析，得到开展边缘网关运维和分布式资源业务工作的支持数据；
智能运维应用和分布式资源业务应用获取控制指令，并将控制指令下发到边缘网关，以分别开展边缘网关运维和分布式资源业务工作，其中，控制指令基于支持数据得到。
图1是实施上述远程集中运维方法的云边融合架构图。其中，调度云/边缘集群部署有智能运维应用、分布式资源业务应用、数据中心以及基础资源(包括计算、存储、网络资源等)；边缘侧则为N个边缘网关。该云边融合架构中，智能运维应用和分布式资源业务应用均面向运行管理人员，由运行管理人员通过访问调度云/边缘集群，来分别开展边缘网关运维和分布式资源业务工作。从而使运维应用与业务应用同步部署，运行管理人员可以减少在多个系统间切换的工作量。边缘网关采集的数据送到数据中心，智能运维应用与分布式资源业务应用均从数据中心获取数据，这可以减少信息交互环节，使运维应用与业务应用同步部署。
在本发明的一个实施例中，从数据中心获取边缘网关的状态数据，包括设备类型、厂家、型号、投运时间、通道类型、所属区域等静态信息，运行状态、电池状态、通信状态、告警信息等实时信息，以及操作纪录、巡检纪录、维修纪录等历史信息。
在本发明的一个实施例中，采用大数据技术对数据进行预处理与统计分析。(1)当发现批量终端掉线时，对掉线的边缘网关网络特征进行分析，判别掉线原因是终端故障还是通信网络故障，并生成设备缺陷告警信息；对所采集的终端运行状态进行监测，当出现异常时产生告警。(2)通过对边缘网关的历史数据进行统计处理，识别出边缘网关长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败等问题，为终端运行状态判别提供数据支持。(3)利用数据挖掘算法，对边缘网关故障历史信息与终端运行状态信息以及量测长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败等信息之间的关联关系进行深入挖掘，为边缘网关健康状态评价提供支持。
在本发明的一个实施例中，通过智能运维应用进行智能运维，可以包括如下内容：
(1)状态监测与日常运维
实时监测边缘网关的运行状态，当边缘网关出现停机、掉线等异常情况时，发送告警信号。
可在云端对边缘网关进行批量参数设置。
可在云端对边缘网关进行批量运行程序更新。
(2)自动巡检
采用机器学习方法对以往人工巡检的工作记录单进行学习，提取巡检工作项。
根据提取出来的巡检工作项生成巡检参数。
按照巡检参数定时检查所有边缘网关的状态。
对不正常的终端进行预警。
(3)健康状态评价
利用大数据分析算法，研究边缘网关设备故障与自身运行状态参数、投运时间、厂家、型号、通道类型以及量测长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败等信息之间的关联规则与演化规律。
建立边缘网关健康状态评价与预测模型，并利用机器学习与关联分析算法对参数与权重进行调整。
利用边缘网关健康状态评价模型，根据当前的运行状态参数以及其他相关信息，评价终端的当前健康状态。
利用边缘网关健康预测模型，预测终端未来一段时间出现故障以及出现何种故障的概率。
(4)主动运维
根据(2)中的故障预警和(3)中的状态评价和故障预测，将可能会出现故障的终端列入重点关注列表。
远程对重点关注列表中的终端进行自检自恢复操作，继续采用(3)进行评价和预测。
远程对重点关注列表中的终端进行运行软件升级，继续采用(3)进行评价和预测。
对依然存在高风险的终端，安排人员进行现场巡检和维护。
通过对终端设备缺陷进行聚类与关联分析，识别其中的家族性特征，在此基础上提出运行维护策略与计划。如通过缺陷家族性分析，发现某厂家某种型号的特定版本或批号的终端发生某种类型故障的次数过多，据此可针对同类终端提出批量统一升级维护的计划。智能运维的内容如图2所示。
本发明技术方案在云边融合架构下，由云端/边缘集群对数量庞大的分布式资源边缘网关进行远程集中运维，通过智能运维应用，利用统一的数据底座，减少信息交互环节，确保数据的一致性和准确性；运维应用与业务应用同步部署，运行管理人员可以减少在多个系统间切换的工作量。
还采用智能化运维技术，对边缘网关进行自动巡检，建立网关的健康状态评价模型，按需运维，优化检修策略，降低运维工作量，减少网关故障率。
以上实施例仅用以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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.云边融合架构下的分布式资源边缘网关远程集中运维方法，其特征在于，在云边融合架构中，调度云/边缘集群部署有智能运维应用和分布式资源业务应用，所述智能运维应用和所述分布式资源业务应用均与边缘侧的边缘网关进行云边协同工作；
包括如下步骤：
所述智能运维应用和所述分布式资源业务应用获取边缘侧边缘网关的状态数据；
所述智能运维应用和所述分布式资源业务应用对所述状态数据进行预处理与统计分析，得到开展边缘网关运维和分布式资源业务工作的支持数据；
所述智能运维应用和所述分布式资源业务应用获取控制指令，并将所述控制指令下发到边缘网关，以分别开展边缘网关运维和分布式资源业务工作，其中，所述控制指令基于所述支持数据得到。
2.根据权利要求1所述的云边融合架构下的分布式资源边缘网关远程集中运维方法，其特征在于，在所述云边融合架构中，调度云/边缘集群具体包括：所述智能运维应用、所述分布式资源业务应用、数据中心和基础资源；
所述智能运维应用和所述分布式资源业务应用通过所述数据中心获取边缘侧边缘网关的状态数据，并利用所述基础资源对所述状态数据进行预处理与统计分析。
3.根据权利要求1所述的云边融合架构下的分布式资源边缘网关远程集中运维方法，其特征在于，所述状态数据具体为：
至少包括设备类型、厂家、型号、投运时间、通道类型、所属区域的静态信息；
至少包括运行状态、电池状态、通信状态、告警信息的实时信息；
至少包括操作纪录、巡检纪录、维修纪录的历史信息。
4.根据权利要求1所述的云边融合架构下的分布式资源边缘网关远程集中运维方法，其特征在于，所述智能运维应用对所述状态数据进行预处理与统计分析，包括：
对掉线的边缘网关的网络特征进行分析，判别掉线原因是终端故障或是通信网络故障，并生成设备缺陷告警信息；
还对所采集的终端状态进行监测，当出现异常时产生告警。
5.根据权利要求1所述的云边融合架构下的分布式资源边缘网关远程集中运维方法，其特征在于，所述智能运维应用对所述状态数据进行预处理与统计分析，包括：
对边缘网关的历史数据进行统计处理，识别出边缘网关长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败的问题，为终端运行状态判别提供数据支持。
6.根据权利要求1所述的云边融合架构下的分布式资源边缘网关远程集中运维方法，其特征在于，所述智能运维应用对所述状态数据进行预处理与统计分析，包括：
利用数据挖掘算法，对边缘网关故障历史信息与终端运行状态信息以及量测长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败的信息之间的关联关系进行深入挖掘，为边缘网关健康状态评价提供支持。
7.根据权利要求1所述的云边融合架构下的分布式资源边缘网关远程集中运维方法，其特征在于，通过所述智能运维应用开展的边缘网关运维工作，包括：状态监测与日常运维；
所述状态监测与日常运维包括实时监测边缘网关的运行状态，当边缘网关出现停机、掉线等异常情况时，发送告警信号；在云端对边缘网关进行批量参数设置；在云端对边缘网关进行批量运行程序更新。
8.根据权利要求7所述的云边融合架构下的分布式资源边缘网关远程集中运维方法，其特征在于，通过所述智能运维应用开展的边缘网关运维工作，还包括：自动巡检；
所述自动巡检包括采用机器学习方法对以往人工巡检的工作记录单进行学习，提取巡检工作项，根据提取出来的所述巡检工作项生成巡检参数，按照所述巡检参数定时检查所有边缘网关的状态，对不正常的终端进行预警。
9.根据权利要求8所述的云边融合架构下的分布式资源边缘网关远程集中运维方法，其特征在于，通过所述智能运维应用开展的边缘网关运维工作，还包括：健康状态评价；
所述健康状态评价包括利用大数据分析算法，获取边缘网关设备故障与自身运行状态参数、投运时间、厂家、型号、通道类型以及量测长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败等信息之间的关联规则与演化规律；
建立边缘网关健康状态评价与预测模型，并利用机器学习与关联分析算法对参数与权重进行调整；
利用边缘网关健康状态评价模型，根据当前的运行状态参数以及其他相关信息，评价终端的当前健康状态；
利用边缘网关健康预测模型，预测终端未来一段时间出现故障以及出现各种故障的概率。
10.根据权利要求9所述的云边融合架构下的分布式资源边缘网关远程集中运维方法，其特征在于，通过所述智能运维应用开展的边缘网关运维工作，还包括：主动运维；
所述主动运维包括根据对终端的故障预警以及对终端的状态评价和故障预测，将可能会出现故障的终端列入重点关注列表；
远程对重点关注列表中的终端进行自检自恢复操作，继续采用所述边缘网关健康状态评价与预测模型进行评价和预测；
远程对重点关注列表中的终端进行运行软件升级，继续采用所述边缘网关健康状态评价与预测模型进行评价和预测；
对终端设备缺陷进行聚类与关联分析，识别其中的家族性特征，匹配运行维护策略与计划。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311690741.2A CN117714260A (zh) | 2023-12-08 | 2023-12-08 | 云边融合架构下的分布式资源边缘网关远程集中运维方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311690741.2A CN117714260A (zh) | 2023-12-08 | 2023-12-08 | 云边融合架构下的分布式资源边缘网关远程集中运维方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117714260A true CN117714260A (zh) | 2024-03-15 |
Family
ID=90159939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311690741.2A Pending CN117714260A (zh) | 2023-12-08 | 2023-12-08 | 云边融合架构下的分布式资源边缘网关远程集中运维方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117714260A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117827382A (zh) * | 2024-03-06 | 2024-04-05 | 国网四川省电力公司信息通信公司 | 基于资源部署审核的容器云资源管理方法 |
-
2023
- 2023-12-08 CN CN202311690741.2A patent/CN117714260A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117827382A (zh) * | 2024-03-06 | 2024-04-05 | 国网四川省电力公司信息通信公司 | 基于资源部署审核的容器云资源管理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110782370B (zh) | 一种电力调度数据网综合运维管理平台 | |
| CN105353702B (zh) | 高压设备智能监控系统 | |
| CN113708493B (zh) | 基于云边协同的配电终端运维方法、装置和计算机设备 | |
| CN105915398B (zh) | 基于农村电网故障快速检测及复电系统及其集中器检测方法 | |
| CN111047082A (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
| CN105515897B (zh) | 调度自动化综合监控与智能告警系统 | |
| CN117714260A (zh) | 云边融合架构下的分布式资源边缘网关远程集中运维方法 | |
| CN107302264B (zh) | 一种变电站二次自动化设备稳定运行管控方法 | |
| CN112666885A (zh) | 基于工业互联网环保设备监控管理平台 | |
| CN110988559A (zh) | 基于物联网的变电站直流系统全生命周期的在线监测方法 | |
| KR20220095313A (ko) | 디지털 트윈 기반의 분산 자원 및 전력 계통 운영 계획 시스템 및 운영 계획 방법 | |
| CN111835083B (zh) | 电源信息监控系统、方法、装置、计算机设备和存储介质 | |
| CN114169570A (zh) | 一种基于物联网与云计算技术的智慧能源管理平台 | |
| Taylor et al. | Recent developments towards novel high performance computing and communications solutions for smart distribution network operation | |
| CN110555583A (zh) | 一种智能电网调度控制系统广域运行数据统一处理方法 | |
| CN109800498A (zh) | 一种光伏电站数据诊断系统 | |
| CN103616877A (zh) | 能源管网的监控诊断方法和系统 | |
| CN113128721A (zh) | 一种充电桩智能化运维管理系统及方法 | |
| CN115277473A (zh) | 边缘网关的远程运维方法、装置、计算机设备、存储介质 | |
| CN109035746A (zh) | 一种集抄终端的机能判断方法和系统 | |
| CN111030853B (zh) | 基于设备全生命周期的信息监控系统 | |
| CN114709923A (zh) | 一种电力物联网的智能故障判断方法 | |
| Yang et al. | Design of an Online Monitoring and Analysis Platform for Power Grid Based on Internet of Things | |
| CN112858836A (zh) | 一种基于电网大数据的故障主动抢修方法 | |
| CN110212642A (zh) | 一种基于大数据配网自动化终端远程运维系统 |
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 |