CN117874456A - 基于语言大模型与知识推理的电力设备运行状态检测方法 - Google Patents
基于语言大模型与知识推理的电力设备运行状态检测方法 Download PDFInfo
- Publication number
- CN117874456A CN117874456A CN202311802639.7A CN202311802639A CN117874456A CN 117874456 A CN117874456 A CN 117874456A CN 202311802639 A CN202311802639 A CN 202311802639A CN 117874456 A CN117874456 A CN 117874456A
- Authority
- CN
- China
- Prior art keywords
- data
- power equipment
- model
- fault
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 238000004088 simulation Methods 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 239000013074 reference sample Substances 0.000 claims description 8
- 239000000523 sample Substances 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000004171 remote diagnosis Methods 0.000 abstract description 2
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 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
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请属于电力系统的技术领域,提供了基于语言大模型与知识推理的电力设备运行状态检测方法,包括获取电力设备的基本运行数据和预设的语言大模型;输入所述基本运行数据至所述语言大模型中,获取所述电力设备的初步检测数据;根据所述基本运行数据,获取预设的故障检测模型;输入所述初步检测数据至所述故障检测模型,获取所述电力设备运行状态的检测结果数据。本申请通过结合模型对电力设备进行多次运行状态的检测,可以显著提升检测结果的准确性。同时,这种方法还能够实现对电力设备的远程实时监测、远程诊断和预测分析,从而为电力系统的安全稳定运行提供有效的支持。
Description
技术领域
本申请属于电力系统的技术领域,尤其涉及基于语言大模型与知识推理的电力设备运行状态检测方法。
背景技术
电力设备,是用于生产、传输和分配电能的设备,包括发电机、变压器、电缆和开关设备等,电力设备的正常运行对于供电系统的稳定运行至关重要。为了确保电力设备的正常运行,需要对电力设备的运行状态进行检测。
目前,针对电力设备的运行状态检测,通常使用感知器件和传感器来监测设备的各项参数。然而,由于传感器输出信号的不稳定性,检测过程中可能存在准确性不高的问题。因此,需要一种新的电力设备运行状态检测方法。
发明内容
本发明的目的在于提供基于语言大模型与知识推理的电力设备运行状态检测方法,旨在解决现有技术中电力设备运行状态检测准确性不高的技术问题。
为实现上述目的,本发明提供了基于语言大模型与知识推理的电力设备运行状态检测方法,包括:
获取电力设备的基本运行数据和预设的语言大模型,其中,所述基本运行数据包括所述电力设备的运行状态数据和基本数据信息;
输入所述基本运行数据至所述语言大模型中,获取所述电力设备的初步检测数据;
根据所述基本运行数据,获取预设的故障检测模型;
输入所述初步检测数据至所述故障检测模型,获取所述电力设备运行状态的检测结果数据。
本发明的有益效果是:本申请实施例提供的基于语言大模型与知识推理的电力设备运行状态检测方法,先获取电力设备的运行状态数据和基本数据信息,再确定电力设备的基本运行数据,再将基本运行数据输入至预设的语言大模型中,对基本运行数据进行分析处理后,获取电力设备的初步检测数据,同时,根据基本运行数据,生成故障检测模型,再对初步检测数据进行再次检测,将初步检测数据输入至故障检测模型中,最终获取电力设备运行状态的检测结果数据,从而能够在对电力设备的运行状态进行检测时,结合多个模型对其进行状态检测,提升检测结果的准确性。
可选的,获取所述电力设备的实时设备数据;
根据所述实时设备数据,生成所述基本运行数据;
获取预设的构建模型和历史运行数据;
根据所述历史运行数据,获取所述电力设备的归一运行数据;
根据所述归一运行数据和所述构建模型,基于所述归一运行数据对所述构建模型进行模型训练,生成所述语言大模型。
可选的,获取所述电力设备正常运行的基准运行数据;
根据所述基准运行数据和所述基本运行数据,获取所述电力设备的运行特征参数数据;
输入所述运行特征参数数据至所述语言大模型中,确定所述电力设备的初步检测数据。
可选的,根据所述基准运行数据,对所述基准运行数据进行数据预处理,获取基准样本信号数据;
根据所述基本运行数据,对所述基本运行数据进行数据预处理,获取基本样本信号数据;
根据所述基准样本信号数据和所述基本样本信号数据进行特征参数提取,获取所述运行特征参数数据。
可选的,采集电力设备的历史故障数据和历史监测数据,生成故障数据集,其中,所述故障数据集包括故障关键词数据、故障设备数据和故障处理方案数据;
根据所述故障数据集和所述基本运行数据,构建所述故障检测模型。
可选的,将所述初步检测数据输入至所述故障检测模型中,输出故障模拟分析结果数据;
将所述基准运行数据输入至所述故障检测模型中,输出基准模拟分析结果数据;
根据所述故障模拟分析结果数据和所述基准模拟分析结果数据,获取模拟差值数据;
根据所述模拟差值数据,确定所述检测结果数据。
可选的,获取故障区域评估数据;
根据所述检测结果数据和所述基本运行数据,确定所述电力设备的故障位置数据;
根据所述故障区域评估数据和所述故障位置数据,获取新评估数据;
根据所述新评估数据,确定电力设备的评估区域数据。
本发明还提供了基于语言大模型与知识推理的电力设备运行状态检测系统,包括:
运行数据获取模块:用于获取电力设备的基本运行数据和预设的语言大模型,其中,所述基本运行数据包括所述电力设备的运行状态数据和基本数据信息;
检验数据获取模块:用于输入所述基本运行数据至所述语言大模型中,获取所述电力设备的初步检测数据;
检测模型获取模块:用于根据所述基本运行数据,获取预设的故障检测模型;
检验结果获取模块:用于输入所述初步检测数据至所述故障检测模型,获取所述电力设备运行状态的检测结果数据。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于语言大模型与知识推理的电力设备运行状态检测方法的流程示意图;
图2为本发明实施例提供的基于语言大模型与知识推理的电力设备运行状态检测系统的模块框图;
图3为本发明实施例提供的基于语言大模型与知识推理的电力设备运行状态检测的运行数据获取模块的模块框图。
具体实施方式
为使得本发明的发明目的、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。
请参阅图1,本发明实施例中提供基于语言大模型与知识推理的电力设备运行状态检测方法的一个实施例可以包括:
S100,获取电力设备的基本运行数据和预设的语言大模型。
具体的,先获取电力设备的基本数据信息,再对电力设备的运行状态数据进行检测,根据多个电力设备的基本运行数据对模型进行训练,通过大量的知识推理和逻辑推理,获取预设的语言大模型,其中,基本运行数据包括电力设备的运行状态数据和基本数据信息,基本数据信息包括电力设备的位置数据、设备参数数据和能效数据,运行状态数据包括正常运行状态、故障运行状态和停机状态,在正常运行状态下,设备的各项指标都处于合理范围内;在故障运行状态下,会有异常信号和参数偏离标准范围的情况发生;在停机状态下,设备的所有指标都将停止变化。
在一种实施例中,上述步骤S100包括:
S110,获取电力设备的实时设备数据。
具体的,对电力设备进行实时检测,并获取电力设备的实时设备数据,可以实时监测温度、湿度、电压、电流等关键参数,将采集到的检测参数通过无线通信技术随时获取设备的运行状态,使得操作人员能够远程对电力设备的运行状态进行监测、故障诊断和维修操作。
S120,根据实时设备数据,生成基本运行数据。
具体的,根据电力设备的实时设备数据,以及对电力设备基本数据信息的获取,生成电力设备的基本运行数据。
S130,获取预设的构建模型和历史运行数据。
具体的,获取预设电力设备用于训练的构建模型,并且对电力设备历史的基本运行数据进行获取,确定电力设备的历史运行数据。
S140,根据历史运行数据,获取电力设备的归一运行数据。
具体的,根据电力设备的历史运行数据,对历史运行数据进行预处理,并且对多个电力设备的历史运行数据进行归一化处理,确定电力设备的归一运行数据。
S150,根据归一运行数据和构建模型,基于归一运行数据对构建模型进行模型训练,生成语言大模型。
具体的,基于电力设备的多个归一运行数据并通过知识推理,生成用于模型训练的运行数据集,再对运行数据集进行预处理,将预处理后的运行数据集进行集合优化,并输入至构建模型中进行模型训练和知识推理,并生成电力设备的语言大模型,其中,语言大模型可以对电力设备进行初步运行状态的检测。
S200,输入基本运行数据至语言大模型中,获取电力设备的初步检测数据。
具体的,将电力设备的基本运行数据输入至语言大模型中,对电力设备的运行状态进行初步的检测,并且获取初步检测数据。
在一种实施例中,上述步骤S200包括:
S210,获取电力设备正常运行的基准运行数据。
具体的,确定运行状态数据为正常运行状态的电力设备,并且根据电力设备的基本数据信息,对电力设备进行类型分类,获取同类型电力设备的基本运行数据为同类型电力设备的基准运行数据。
S220,根据基准运行数据和基本运行数据,获取电力设备的运行特征参数数据。
具体的,获取运行状态为故障运行状态和停机状态的电力设备的基本运行数据,并且获取同类型电力设备的基准运行数据,根据同类型电力设备的基准运行数据和电力设备的基本运行数据,确定故障运行状态和停机状态电力设备的基本运行数据与基准运行数据的差异参数数据,其中差异参数数据为电力设备的运行特征参数数据。
在一种实施例中,上述步骤S220包括:
S221,根据基准运行数据,对基准运行数据进行数据预处理,获取基准样本信号数据。
具体的,根据电力设备的基准运行数据,对电力设备的基准运行数据进行数据预处理,确定电力设备的基准样本信号数据,用于比较正常运行的电力设备和故障运行及停机状态的电力设备。
S222,根据基本运行数据,对基本运行数据进行数据预处理,获取基本样本信号数据。
具体的,根据电力设备的基本运行数据,对电力设备的基本运行数据进行数据预处理,确定电力设备的基本样本信号数据。
S223,根据基准样本信号数据和基本样本信号数据进行特征参数提取,获取运行特征参数数据。
具体的,先对基准样本信号数据进行特征参数提取,再对基本样本信号数据进行特征参数提取,并根据提取的特征参数获取处于故障运行状态和处于停机状态下的电力设备的运行特征参数数据。
S230,输入运行特征参数数据至语言大模型中,确定电力设备的初步检测数据。
具体的,将电力设备的运行特征参数数据输入至语言大模型中,根据语言大模型输出的结果确定电力设备的初步检测数据。
S300,根据基本运行数据,获取预设的故障检测模型。
具体的,获取历史曾处于故障运行状态和停机状态并且经过检修能正常运行的电力设备的基本运行数据,对其基本运行数据进行故障参数的提取,并且获取故障数据集,再根据故障数据集对预设训练模型进行模型训练,并且获取故障检测模型。
在一种实施例中,上述步骤S300包括:
S310,采集电力设备的历史故障数据和历史监测数据,生成故障数据集。
具体的,对电力设备的历史检测数据进行检测,根据曾经处于故障运行状态和停机状态的曾故障电力设备的基本运行数据,获取曾故障电力设备的历史故障数据和历史监测数据,并根据历史故障数据和历史监测数据生成故障数据集,其中,故障数据集包括故障关键词数据、故障设备数据和故障处理方案数据。
S320,根据故障数据集和基本运行数据,构建故障检测模型。
具体的,根据处于正常运行状态电力设备的基本运行数据,获取正常数据集,结合故障数据集和正常数据集,对预设的训练模型进行模型训练,并且构建故障检测模型,同时,在对电力设备运行状态进行实时检测时,不断更新正常数据集以及故障数据集,并且不断对故障检测模型进行更新训练。
S400,输入初步检测数据至故障检测模型,获取电力设备运行状态的检测结果数据。
具体的,将电力设备的初步检测数据输入至故障检测模型,对电力设备进行再次的故障检测,并且在故障检测模型中,生成电力设备运行状态的检测结果数据,区别于初步检测数据,检测结果数据对电力设备的故障部分的维修方式提出解决方式,针对大量的历史检测数据,生成出最适合故障部分的检修方法。
在一种实施例中,上述步骤S400包括:
S410,将初步检测数据输入至故障检测模型中,输出故障模拟分析结果数据。
具体的,将电力设备的初步检测数据输入到故障检测模型中,根据故障检测模型的检测结果,输出故障模拟分析结果数据。
S420,将基准运行数据输入至故障检测模型中,输出基准模拟分析结果数据。
具体的,输入电力设备的基准运行数据至故障检测模型中,根据故障检测模型的检测结果,输出电力设备的基准模拟分析结果数据。
S430,根据故障模拟分析结果数据和基准模拟分析结果数据,获取模拟差值数据。
具体的,根据故障模拟分析结果数据和基准模拟分析结果数据,计算出两个数据间多个参数对应的参数差值数据,并获取电力设备故障模拟分析结果数据和基准模拟分析结果数据的模拟差值数据。
S450,根据模拟差值数据,确定检测结果数据。
具体的,根据电力设备的模拟差值数据,对比模拟差值数据与预设差值数据的异常数据大小,进一步确定电力设备的检测结果数据。
在一种实施例中,在上述步骤S400之后包括:
S460,获取故障区域评估数据。
具体的,根据电力设备的基本数据信息确定处于故障运行状态和停机状态的电力设备的位置信息,进一步确定故障电力设备的故障区域评估数据。
S470,根据检测结果数据和基本运行数据,确定电力设备的故障位置数据。
具体的,根据电力设备的检测结果数据和基本运行数据,确定电力设备具体设备内部或者外部故障的故障位置数据。
S480,根据故障区域评估数据和故障位置数据,获取新评估数据。
具体的,对全部电力设备进行分区设置,对存在故障设备的区域进行故障权重加一的设置,同时针对同类型的电力设备,若存在同类型电力设备出现故障情况,也设置权重加一的设置,针对电力设备的故障情况,获取新评估数据,若新评估数据越大,即故障权重越大,在对电力设备进行实时检测时,需要加强其检测力度。
S490,根据新评估数据,确定电力设备的评估区域数据。
具体的,根据新评估数据,判断电力设备故障权重的大小,根据电力设备故障权重的大小排列检测的顺序,故障权重占比越大,越需要提高检测的优先级,再根据检测的优先级确定电力设备的评估区域数据。同时在检测到电力设备处于非正常运行状态时,即可对检测到的异常数据进行警告,并发送异常数据至监测终端。
本申请实施例基于语言大模型与知识推理的电力设备运行状态检测方法的实施原理为:对电力设备进行实时检测生成基本运行数据,并且构建电力设备的语言大模型,再根据电力设备的基本运行数据确定电力设备正常运行的基准运行数据,对比基准运行数据和不能正常运行的电力设备的基本运行数据,确定电力设备的运行特征参数数据,将运行特征参数数据输入至语言大模型中,对电力设备进行第一次运行状态的检测,确定电力设备的初步检测数据,接着根据多个电力设备的基本运行数据,训练并获取运用于第二次运行状态检测的故障检测模型,再将电力设备初步检测数据输入至故障检测模型进行故障检测,最终获取电力设备运行状态的检测结果数据,从而能够通过结合模型对电力设备进行多次运行状态的检测,可以提升电力设备运行状态检测结果的准确性。同时,这种方法还能够实现对电力设备的远程实时监测、远程诊断和预测分析,为电力系统的安全稳定运行提供有效的支持。
请参阅图2,本发明实施例中基于语言大模型与知识推理的电力设备运行状态检测系统的一个实施例可以包括:
运行数据获取模块:用于获取电力设备的基本运行数据和预设的语言大模型,其中,所述基本运行数据包括所述电力设备的运行状态数据和基本数据信息;
检验数据获取模块:用于输入所述基本运行数据至所述语言大模型中,获取所述电力设备的初步检测数据;
检测模型获取模块:用于根据所述基本运行数据,获取预设的故障检测模型;
检验结果获取模块:用于输入所述初步检测数据至所述故障检测模型,获取所述电力设备运行状态的检测结果数据。
请参阅图3,本发明实施例还提供了一种数据获取模块,包括:
设备数据获取模块:用于获取所述电力设备的实时设备数据;
基本数据获取模块:用于根据所述实时设备数据,生成所述基本运行数据;
历史数据获取模块:用于获取预设的构建模型和历史运行数据;
归一数据获取模块:用于根据所述历史运行数据,获取所述电力设备的归一运行数据;
语言模型生成模块:用于根据所述归一运行数据和所述构建模型,基于所述归一运行数据对所述构建模型进行模型训练,生成所述语言大模型。
基于与上述实施例中的方法相同的思想,本申请提供的基于语言大模型与知识推理的电力设备运行状态检测系统能够实现上述实施例的方法,为了便于说明,系统实施例的结构示意图中,仅仅示出了与本申请实施例相关的部分,本邻域技术人员可以理解,图示结构并不构成对该系统的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
以上所述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 (9)
1.一种基于语言大模型与知识推理的电力设备运行状态检测方法,其特征在于,包括:
获取电力设备的基本运行数据和预设的语言大模型,其中,所述基本运行数据包括所述电力设备的运行状态数据和基本数据信息;
输入所述基本运行数据至所述语言大模型中,获取所述电力设备的初步检测数据;
根据所述基本运行数据,获取预设的故障检测模型;
输入所述初步检测数据至所述故障检测模型,获取所述电力设备运行状态的检测结果数据。
2.根据权利要求1所述的方法,其特征在于,所述获取电力设备的基本运行数据和预设的语言大模型,包括:
获取所述电力设备的实时设备数据;
根据所述实时设备数据,生成所述基本运行数据;
获取预设的构建模型和历史运行数据;
根据所述历史运行数据,获取所述电力设备的归一运行数据;
根据所述归一运行数据和所述构建模型,基于所述归一运行数据对所述构建模型进行模型训练,生成所述语言大模型。
3.根据权利要求1所述的方法,其特征在于,所述输入所述基本运行数据至所述语言大模型中,获取所述电力设备的初步检测数据,包括:
获取所述电力设备正常运行的基准运行数据;
根据所述基准运行数据和所述基本运行数据,获取所述电力设备的运行特征参数数据;
输入所述运行特征参数数据至所述语言大模型中,确定所述电力设备的初步检测数据。
4.根据权利要求3所述的方法,其特征在于,所述根据所述基准运行数据和所述基本运行数据,获取所述电力设备的运行特征参数数据,包括:
根据所述基准运行数据,对所述基准运行数据进行数据预处理,获取基准样本信号数据;
根据所述基本运行数据,对所述基本运行数据进行数据预处理,获取基本样本信号数据;
根据所述基准样本信号数据和所述基本样本信号数据进行特征参数提取,获取所述运行特征参数数据。
5.根据权利要求1所述的方法,其特征在于,所述根据所述基本运行数据,获取预设的故障检测模型,包括:
采集电力设备的历史故障数据和历史监测数据,生成故障数据集,其中,所述故障数据集包括故障关键词数据、故障设备数据和故障处理方案数据;
根据所述故障数据集和所述基本运行数据,构建所述故障检测模型。
6.根据权利要求3所述的方法,其特征在于,所述输入所述初步检测数据至所述故障检测模型,获取所述电力设备运行状态的检测结果数据,包括:
将所述初步检测数据输入至所述故障检测模型中,输出故障模拟分析结果数据;
将所述基准运行数据输入至所述故障检测模型中,输出基准模拟分析结果数据;
根据所述故障模拟分析结果数据和所述基准模拟分析结果数据,获取模拟差值数据;
根据所述模拟差值数据,确定所述检测结果数据。
7.根据权利要求1所述的方法,其特征在于,在所述输入所述初步检测数据至所述故障检测模型,获取所述电力设备运行状态的检测结果数据之后,包括:
获取故障区域评估数据;
根据所述检测结果数据和所述基本运行数据,确定所述电力设备的故障位置数据;
根据所述故障区域评估数据和所述故障位置数据,获取新评估数据;
根据所述新评估数据,确定电力设备的评估区域数据。
8.一种基于语言大模型与知识推理的电力设备运行状态检测系统,其特征在于,包括:
运行数据获取模块:用于获取电力设备的基本运行数据和预设的语言大模型,其中,所述基本运行数据包括所述电力设备的运行状态数据和基本数据信息;
检验数据获取模块:用于输入所述基本运行数据至所述语言大模型中,获取所述电力设备的初步检测数据;
检测模型获取模块:用于根据所述基本运行数据,获取预设的故障检测模型;
检验结果获取模块:用于输入所述初步检测数据至所述故障检测模型,获取所述电力设备运行状态的检测结果数据。
9.根据权利要求8所述的系统,其特征在于,所述运行数据获取模块,包括:
设备数据获取模块:用于获取所述电力设备的实时设备数据;
基本数据获取模块:用于根据所述实时设备数据,生成所述基本运行数据;
历史数据获取模块:用于获取预设的构建模型和历史运行数据;
归一数据获取模块:用于根据所述历史运行数据,获取所述电力设备的归一运行数据;
语言模型生成模块:用于根据所述归一运行数据和所述构建模型,基于所述归一运行数据对所述构建模型进行模型训练,生成所述语言大模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311802639.7A CN117874456A (zh) | 2023-12-25 | 2023-12-25 | 基于语言大模型与知识推理的电力设备运行状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311802639.7A CN117874456A (zh) | 2023-12-25 | 2023-12-25 | 基于语言大模型与知识推理的电力设备运行状态检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117874456A true CN117874456A (zh) | 2024-04-12 |
Family
ID=90576445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311802639.7A Pending CN117874456A (zh) | 2023-12-25 | 2023-12-25 | 基于语言大模型与知识推理的电力设备运行状态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117874456A (zh) |
-
2023
- 2023-12-25 CN CN202311802639.7A patent/CN117874456A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110647133B (zh) | 轨道交通设备状态检测维护方法及系统 | |
CN116660669B (zh) | 一种电力设备故障在线监测系统及方法 | |
CN110766277B (zh) | 用于核工业现场的健康评估及诊断系统和移动终端 | |
CN113110386A (zh) | Gis/gil设备机械振动状态在线监测及机械故障云诊断系统 | |
CN111898669B (zh) | 一种基于机器学习的直流矿热炉异常事件预警系统 | |
CN113763667B (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
CN114280383B (zh) | 一种大型地面站天线的健康检测装置及健康检测方法 | |
CN116418117A (zh) | 一种用于智能电网的设备检测系统 | |
CN115877198A (zh) | 基于边缘计算的一二次融合开关故障诊断预警系统 | |
CN117612345A (zh) | 一种电力设备状态监测报警系统及方法 | |
CN117639251A (zh) | 一种高压开关柜智能在线监测系统 | |
CN116029699A (zh) | 一种基于数据孪生的电力信息系统及运维方法 | |
CN116961215A (zh) | 一种电力系统故障快速反应处理方法 | |
CN116796261B (zh) | 一种基于人工智能的封闭开关设备机械特性预测方法 | |
CN117874456A (zh) | 基于语言大模型与知识推理的电力设备运行状态检测方法 | |
CN114442543A (zh) | 一种适用于水电站故障预警的计算机监测方法 | |
CN114200334A (zh) | 一种蓄电池预警方法、装置、车辆及介质 | |
CN113098132A (zh) | 一种基于群智能优化的改进机器学习故障诊断系统 | |
CN111986469A (zh) | 一种现场终端故障智能化诊断的方法 | |
CN220434942U (zh) | 一种风电机组全景故障诊断系统 | |
Li et al. | Research review and prospect of fault diagnosis method of satellite power system based on machine learning | |
CN117034157B (zh) | 一种结合多模态运行数据的水电设备故障识别方法与系统 | |
CN113625676B (zh) | 工程机械故障诊断方法和系统、现场诊断装置和存储介质 | |
CN116643209A (zh) | 一种充电系统的远程故障诊断方法 | |
Tang et al. | Research on Transformer Temperature Warning Algorithm Based on Support Vector Machine |
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 |