CN118095657B - 基于设备统一信息模型的数字化业务管理方法及系统 - Google Patents
基于设备统一信息模型的数字化业务管理方法及系统 Download PDFInfo
- Publication number
- CN118095657B CN118095657B CN202410488154.3A CN202410488154A CN118095657B CN 118095657 B CN118095657 B CN 118095657B CN 202410488154 A CN202410488154 A CN 202410488154A CN 118095657 B CN118095657 B CN 118095657B
- Authority
- CN
- China
- Prior art keywords
- equipment
- data
- real
- result
- monitoring
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 71
- 238000012544 monitoring process Methods 0.000 claims abstract description 126
- 230000004044 response Effects 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000013507 mapping Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000005856 abnormality Effects 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 75
- 238000005192 partition Methods 0.000 claims description 40
- 238000006243 chemical reaction Methods 0.000 claims description 31
- 238000009826 distribution Methods 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 15
- 238000011217 control strategy Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000013506 data mapping Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000000638 solvent extraction Methods 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 12
- 230000002159 abnormal effect Effects 0.000 description 11
- 238000007405 data analysis Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000004927 fusion Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请提供了基于设备统一信息模型的数字化业务管理方法及系统，涉及业务管理技术领域，该方法包括：执行新能源厂的传感器数据采集，建立现实设备到虚拟设备的数字映射；获取新能源厂的实时业务数据，通过映射节点的实时数据流进行设备的初始监测，生成第一监测结果；以实时业务数据、系统状态建立安全等级，输入联动监测模型，配置中心节点的联动采集频率；以联动采集频率执行边缘节点信息汇总，在中心节点生成第二监测结果；进行新能源厂设备的业务响应管理。通过本申请可以解决现有技术中由于业务管理准确性较低，进一步造成管理异常的技术问题，实现提高业务数据处理的准确性的技术目标，达到了提高业务管理准确性的技术效果。
Description
技术领域
本申请涉及业务管理技术领域，尤其涉及基于设备统一信息模型的数字化业务管理方法及系统。
背景技术
发电企业的业务管理是一个复杂且关键的过程，它涉及到多个环节和技术应用。
目前，现有的新能源发电企业的业务管理主要依赖于先进的信息系统、自动化技术以及数据分析工具来提高效率、降低成本并确保电力供应的稳定性。尽管信息系统在发电企业的业务管理中起到了重要的作用，但在实际执行过程中，存在业务管理的信息流通不畅，信息更新不及时，且数据融合度不够，导致业务管理不准确，甚至出现管理异常的技术问题。
综上所述，现有技术中存在由于业务管理的信息流通性较差，信息更新效率低下，同时数据融合程度较差，导致业务管理准确性较低，进一步造成管理异常的技术问题。
发明内容
本申请的目的是提供基于设备统一信息模型的数字化业务管理方法及系统，用以解决现有技术中存在由于业务管理的信息流通性较差，信息更新效率低下，同时数据融合程度较差，导致业务管理准确性较低，进一步造成管理异常的技术问题。
鉴于上述问题，本申请提供了基于设备统一信息模型的数字化业务管理方法及系统。
第一方面，本申请提供了基于设备统一信息模型的数字化业务管理方法，所述方法通过基于设备统一信息模型的数字化业务管理系统实现，其中，所述方法包括：执行新能源厂的传感器数据采集，建立现实设备到虚拟设备的数字映射，具体建立步骤如下：S1：根据传感器数据采集结果获取现实设备的设备拓扑分布，以所述设备拓扑分布建立虚拟设备的设备位置，并依据连通情况配置数据映射节点；S2：提取新能源厂设备的设备数据，以所述设备数据配置虚拟设备，并建立企业业务与现实设备的设备关联，并以设备关联在企业设备对应的虚拟设备配置边缘节点，完成数字映射建立；获取新能源厂的实时业务数据，并以所述实时业务数据启动边缘节点，边缘节点通过映射节点的实时数据流进行设备的初始监测，生成第一监测结果；以所述实时业务数据、系统状态建立安全等级，将所述安全等级、所述第一监测结果输入联动监测模型，配置中心节点的联动采集频率；以所述联动采集频率执行边缘节点信息汇总，在中心节点生成第二监测结果；根据所述第一监测结果和所述第二监测结果进行新能源厂设备的业务响应管理。
第二方面，本申请还提供了基于设备统一信息模型的数字化业务管理系统，用于执行如第一方面所述的基于设备统一信息模型的数字化业务管理方法，其中，所述系统包括：传感器数据采集模块，所述传感器数据采集模块用于执行新能源厂的传感器数据采集，建立现实设备到虚拟设备的数字映射，具体建立步骤如下：S1：根据传感器数据采集结果获取现实设备的设备拓扑分布，以所述设备拓扑分布建立虚拟设备的设备位置，并依据连通情况配置数据映射节点；S2：提取新能源厂设备的设备数据，以所述设备数据配置虚拟设备，并建立企业业务与现实设备的设备关联，并以设备关联在企业设备对应的虚拟设备配置边缘节点，完成数字映射建立；第一监测结果生成模块，所述第一监测结果生成模块用于获取新能源厂的实时业务数据，并以所述实时业务数据启动边缘节点，边缘节点通过映射节点的实时数据流进行设备的初始监测，生成第一监测结果；联动采集频率配置模块，所述联动采集频率配置模块用于以所述实时业务数据、系统状态建立安全等级，将所述安全等级、所述第一监测结果输入联动监测模型，配置中心节点的联动采集频率；第二监测结果生成模块，所述第二监测结果生成模块用于以所述联动采集频率执行边缘节点信息汇总，在中心节点生成第二监测结果；业务响应管理模块，所述业务响应管理模块用于根据所述第一监测结果和所述第二监测结果进行新能源厂设备的业务响应管理。
第三方面，本申请还提供了一种电子设备，包括：
至少一个处理器；
与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面中任意一项所述方法的步骤。
第四方面，一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在执行时实现上述第一方面中任一项所述方法的步骤。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过执行新能源厂的传感器数据采集，建立现实设备到虚拟设备的数字映射，具体建立步骤如下：S1：根据传感器数据采集结果获取现实设备的设备拓扑分布，以所述设备拓扑分布建立虚拟设备的设备位置，并依据连通情况配置数据映射节点；S2：提取新能源厂设备的设备数据，以所述设备数据配置虚拟设备，并建立企业业务与现实设备的设备关联，并以设备关联在企业设备对应的虚拟设备配置边缘节点，完成数字映射建立；获取新能源厂的实时业务数据，并以所述实时业务数据启动边缘节点，边缘节点通过映射节点的实时数据流进行设备的初始监测，生成第一监测结果；以所述实时业务数据、系统状态建立安全等级，将所述安全等级、所述第一监测结果输入联动监测模型，配置中心节点的联动采集频率；以所述联动采集频率执行边缘节点信息汇总，在中心节点生成第二监测结果；根据所述第一监测结果和所述第二监测结果进行新能源厂设备的业务响应管理，最终实现了以智能模型进行数据分析的技术目标，提高业务数据处理的准确性，达到了提高业务管理准确性的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其他特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本申请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的介绍，显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本申请基于设备统一信息模型的数字化业务管理方法的流程示意图；
图2为本申请基于设备统一信息模型的数字化业务管理系统的结构示意图；
图3为本申请示例性电子设备的结构示意图。
附图标记说明：
传感器数据采集模块11，第一监测结果生成模块12，联动采集频率配置模块13，第二监测结果生成模块14，业务响应管理模块15，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
本申请通过提供基于设备统一信息模型的数字化业务管理方法及系统，解决了现有技术中存在由于业务管理的信息流通性较差，信息更新效率低下，同时数据融合程度较差，导致业务管理准确性较低，进一步造成管理异常的技术问题。实现了以智能模型进行数据分析的技术目标，提高业务数据处理的准确性，达到了提高业务管理准确性的技术效果。
下面，将参考附图对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，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他实施例，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。
实施例一
请参阅附图1，本申请提供了基于设备统一信息模型的数字化业务管理方法，其中，所述方法应用于基于设备统一信息模型的数字化业务管理系统，所述方法具体包括如下步骤：
执行新能源厂的传感器数据采集，建立现实设备到虚拟设备的数字映射，具体建立步骤如下：
S1：根据传感器数据采集结果获取现实设备的设备拓扑分布，以所述设备拓扑分布建立虚拟设备的设备位置，并依据连通情况配置数据映射节点；
S2：提取新能源厂设备的设备数据，以所述设备数据配置虚拟设备，并建立企业业务与现实设备的设备关联，并以设备关联在企业设备对应的虚拟设备配置边缘节点，完成数字映射建立；
具体而言，新能源厂为待进行数字化业务管理的电厂。新能源厂包括多个现实设备，用于进行发电。进一步地，通过传感器采集新能源厂中的现实设备数据，获得数据采集结果。例如，数据采集结果包括现实设备的位置、运行状态和连接关系等信息。根据数据采集结果，获取现实设备的设备拓扑分布，即现实设备之间的物理连接关系和布局情况。根据设备拓扑分布在虚拟环境中建立相应的虚拟设备。其中，虚拟设备的位置与现实设备的位置相对应。进一步地，根据现实设备之间的连通情况配置数据映射节点。其中，数据映射节点为现实设备与虚拟设备之间实现数据实时传输和同步的通道。
然后，提取新能源厂设备的设备数据，例如，通过传感器获取新能源厂设备的运行数据，运行数据可能包括运行状态、性能参数等。进一步地，根据设备数据在虚拟环境中配置虚拟设备，将虚拟设备与现实设备的数据保持一致性和同步性，通过虚拟设备模拟现实设备的特性，包括运行状态，性能参数等。进一步地，获取企业业务，确定与现实设备的相关的企业业务，建立现实设备与相关的企业业务的关联关系，以关联关系中的现实设备为企业设备。进一步地，提取企业设备在现实设备中与虚拟设备的对应关系，提取获得企业设备对应的虚拟设备，在提取的虚拟设备上配置边缘节点，用于数据的传输和处理，进而完成数字映射建立，以使现实设备的运行状态和数据可以反映在虚拟设备上，用于设备监控等。
获取新能源厂的实时业务数据，并以所述实时业务数据启动边缘节点，边缘节点通过映射节点的实时数据流进行设备的初始监测，生成第一监测结果；
具体而言，获取新能源厂的实时业务数据，例如，通过新能源厂的业务系统实时获取业务数据。其中，实时业务数据可能包括发电量、设备运行状态、能源消耗和维修记录等，用于反映新能源厂实时的运行情况和业务状态。进一步地，以实时业务数据启动部署在虚拟设备的边缘节点。通过映射节点获取设备的实时数据流，利用边缘节点在获取实时数据流后对实时数据流进行初始监测，生成第一监测结果，进而达到监测设备的运行状态和性能参数等的目的。
以所述实时业务数据、系统状态建立安全等级，将所述安全等级、所述第一监测结果输入联动监测模型，配置中心节点的联动采集频率；
具体而言，实时业务数据用于反映企业的运营情况和业务需求，系统状态用于反映企业的当前运行状况和安全风险的信息。根据实时业务数据和系统状态评估不同业务分区等的安全风险程度，进而划分相应的安全等级。将安全等级和第一监测结果输入联动监测模型，进而获得不同区域的安全风险状况，用于判断潜在的异常行为。基于联动监测模型的分析结果配置中心节点的联动采集频率，用于确保数据采集的高效性。既满足了安全监控的需求，又避免了不必要的资源浪费。
以所述联动采集频率执行边缘节点信息汇总，在中心节点生成第二监测结果；
具体而言，根据联动采集频率执行边缘节点的信息汇总。其中，根据边缘节点设定的采集频率，实时采集和初步处理设备的运行数据，在边缘节点进行数据预处理，如数据清洗、格式转换等，进而将采集得到信息发送到中心节点。在中心节点对接收到的信息进行整合，生成第二监测结果。
根据所述第一监测结果和所述第二监测结果进行新能源厂设备的业务响应管理。
具体而言，根据第一监测结果和第二监测结果建立状态评价网络并执行实时状态评估，结合实时业务数据实现业务响应寻优，生成优化控制策略并执行业务响应控制，可以实现对新能源厂设备的精确管理和优化运行，有助于提高新能源厂的运营效率，降低设备故障的风险，为新能源厂的安全稳定运行提供有力支持。
所述基于设备统一信息模型的数字化业务管理方法应用于基于设备统一信息模型的数字化业务管理系统，可以通过智能模型进行数据分析，提高业务数据处理的准确性，提高业务管理准确性。
进一步，本申请还包括如下步骤：
依据虚拟设备提取设备的数据特征集，将所述数据特征集输入归一化信息处理模型，执行数据的归一化转换寻优，具体寻优如下：
A1：以所述数据特征集中的结果数据特征进行数量评价，生成各个类型数据的结果格式比例；
A2：以所述数据特征集中的过程数据特征进行格式转换分析，生成各个类型数据的格式转换比例；
A3：基于所述结果格式比例和所述格式转换比例进行数据的结果端和应用端的加权评价，根据加权评价结果进行最小变化寻优，完成归一化转换寻优；
根据归一化转换寻优结果进行虚拟设备中的数据通信配置。
具体而言，从虚拟设备提取设备的数据特征集，将数据特征集数据归一化信息处理模型，对数据特征集进行归一化转换寻优。进一步地，从虚拟设备中提取的数据特征集进行结果数据特征筛选，其中，结果数据特征为反映设备运行状态、性能参数等最终结果的数据。对结果数据特征进行数量评价，即统计不同类型数据特征的数量，并计算数据特征集中的比例，生成各个类型数据的结果格式比例。
然后，对数据特征集中的过程数据特征进行格式转换分析，其中，过程数据特征是指设备运行过程中产生的中间数据，多个过程数据特征可能具有不同的格式和单位，因此需要对过程数据特征进行格式转换，进而统一到同一标准。进一步地，获取过程数据特征的格式转换需求，进而统计获取不同类型数据的转换比例。
接着，结合结果格式比例和格式转换比例，对数据的结果端和应用端进行加权评价，评价过程中，通过不同数据特征赋予不同权重，得到综合评价结果。基于综合评价结果进行最小变化寻优，其中，最小变化寻优的目的是在保证数据准确性的条件下，尽可能减少数据转换过程中的变化量，以降低转换误差。通过最小变化寻优调整归一化转换策略，完成归一化转换寻优。
接下来，根据归一化转换寻优结果进行虚拟设备中的数据通信配置。根据优化后的归一化转换策略，配置虚拟设备中的数据通信协议和对应的参数，确保不同设备之间的数据传输和交换的准确性和高效性。
通过设备数据配置虚拟设备，进而提高虚拟设备与现实设备之间的数据一致性，为后续的数据分析和监控提供基础。
进一步，本申请还包括如下步骤：
采集企业用户的设定信息，以所述设定信息建立基础状态；
执行随机交互数据提取，并基于提取结果进行状态的附加评价，根据附加评价结果和基础状态生成系统状态；
根据实时业务数据进行业务关联分区，以业务关联分区结果和系统状态建立安全等级，其中，所述安全等级为分区安全等级。
具体而言，基于企业授权情况下，采集企业用户的设定信息，其中，设定信息包括用户的身份信息、访问权限、使用习惯等。根据采集到的设定信息建立用户的基础状态。其中，基础状态是对企业用户当前状态和属性的描述，包括企业用户的权限级别、访问范围、使用状态等。
然后，执行随机交互数据提取，其中，随机交互数据是指企业用户在使用系统过程中产生的各种实时数据，包括操作记录、访问日志和交互行为等。对提取的随机交互数据进行状态的附加评价，其中，附加评价是指对企业用户当前状态的细化描述，确定企业用户的潜在需求和问题。结合基础状态和附加评价结果，生成系统状态，用于后续进行业务关联分区和安全等级划分。
接着，实时业务数据是指企业在运营过程中产生的业务相关的数据，包括交易记录、订单信息、库存状态等，用于反映企业的业务运行情况和风险状况。根据实时业务数据将不同的业务数据和用户活动按照关联性和风险程度进行划分，获得相似的业务数据和用户活动集合，完成业务关联分区。进一步地，在业务关联分区结果的基础上，结合系统状态，建立安全等级。其中，安全等级为对不同业务分区和系统状态的安全风险的评估和分类。通过设定不同的安全等级，针对不同分区和系统状态采取相应的安全控制措施，提高系统的整体安全性。
通过采集企业用户的设定信息、执行随机交互数据提取、根据实时业务数据进行业务关联分区，以及建立安全等级等步骤，可以实现对企业信息系统的全面管理和安全控制。
进一步，本申请还包括如下步骤：
通过初始化子网络进行联动监测模型的区域初始化，所述区域初始化通过接收安全等级后，以分区安全等级进行对应区域初始化实现，所述初始化子网络为联动监测模型的处理网络；
在联动监测模型被初始化后，根据所述第一监测结果和预存的标定采集频率进行分区频率计算，以计算结果配置中心节点的联动采集频率。
具体而言，通过初始化子网络对联通监测模型进行区域初始化。初始化子网络是联动监测模型中用于执行初始化的处理网络。根据区域初始化接收到安全等级后，通过联动监测模型对相应区域进行初始化，例如，包括对监测区域的划分、监测参数的设置、子网络的配置等。通过区域初始化，联通监测模型能够针对不同安全等级的区域，采取相应的监测策略，提高监测的针对性和效率。
然后，标定采集频率是根据设备的特性和监测需求预先设定的基础采集频率。例如，标定采集频率由本领域技术人员根据实际情况进行自定义设置。进一步地，在联动监测模型完成区域初始化后，根据第一监测结果和预存的标定采集频率进行分区频率计算，根据设备的运行状态、风险程度以及监测需求，计算获得不同区域的联动采集频率。将联动采集频率配置到中心节点的联动采集模块。其中，中心节点为联动监测模型中用于协调和管理各个子网络的监测活动的节点。
通过初始化子网络进行联动监测模型的区域初始化，并根据第一监测结果和标定采集频率配置联动采集频率，可以实现对不同安全风险等级区域的精准监测和高效数据采集，为企业的安全管理和风险防控提供有力支持。
进一步，本申请还包括如下步骤：
判断中心节点是否同步关联有多个分区，当所述中心节点同步关联有多个分区时，则生成分区关联采集约束；
依据所述分区关联采集约束进行多个计算结果对一个的最大联动采集频率筛选，以筛选结果完成中心节点的联动采集频率的配置。
具体而言，通过确定中心节点的配置和连接状态，判断中心节点是否同步关联多个分区。若中心节点同步关联多个分区，则多个分区之间的数据采集和传输可能会相互影响，因此，需要生成分区关联采集约束。其中，分区关联采集约束为用于限制和管理不同分区之间的数据采集活动的规则或条件。例如，分区关联采集约束基于分区的安全等级、数据类型和采集需求等制定。
然后，对多个采集频率进行评估和比较，得到满足分区关联采集约束下的能够实现最大采集效率的频率，进而完成多个计算结果对一个的最大联动采集频率筛选，确保筛选结果的准确性和有效性。进一步地，以筛选结果作为中心节点的联动采集频率的配置，进而通过中心节点根据配置好的采集频率，协调和管理不同分区之间的数据采集活动，确保整个联动监测模型的正常运行。
通过有效地管理和配置中心节点的联动采集频率，确保不同分区之间的数据采集活动能够高效、准确地进行，为企业的安全管理和风险防控提供有力支持。
进一步，本申请还包括如下步骤：
以新能源厂设备的历史数据建立状态评价网络，并将所述第一监测结果和所述第二监测结果输入至状态评价网络，执行新能源厂设备的实时状态评估；
将评估结果和实时业务数据进行业务的实现响应寻优，其中，寻优的评价函数包括响应速度评价函数、响应成本评价函数；
根据实现响应寻优结果生成优化控制策略，并以所述优化控制策略执行现实设备的业务响应控制。
具体而言，利用新能源厂设备在历史时间的历史数据建立状态评价网络。其中，历史数据可能包括运行记录和性能状态记录等。进一步地，通过对历史数据进行随时间的状态特征的变化趋势提取，建立状态评价网络。其中，状态评价网络为以历史数据和状态特征的变化趋势为训练数据的神经网络模型，若状态评价网络的输出结果趋于稳定，则完成状态评价网络的训练。进一步地，将第一监测结果和第二监测结果输入至状态评价网络，通过状态评价网络输出获得设备的性能表现，进而完成执行新能源厂设备的实时状态评估。
然后，为了满足业务需求的同时，优化设备的运行状态和响应速度，因此，设定评价函数，用于评估设备对业务需求的响应速度和评估设备在运行和响应过程中所产生的成本，其中，评价函数包括响应速度评价函数和响应成本评价函数。进一步地，响应成本评价函数的输出结果包括设备的损耗。进一步地，通过计算评价函数的输出结果，可以对不同的业务响应方案进行评估和比较，找到最优的响应策略。
接着，在得到实现响应寻优结果后，可以生成优化控制策略。其中，优化控制策略根据实时状态评估结果和业务响应寻优结果制定，用于实现对设备的精确控制和优化运行。其中，优化控制策略可能包括调整设备的运行参数、优化设备的运行模式、制定设备的维修计划等，用于提高设备的运行效率、降低运行成本、减少故障发生的可能性。进一步地，根据优化控制策略执行现实设备的业务响应控制。将优化控制策略应用到实际设备中，通过调整设备的运行状态和控制参数来响应业务需求。通过实时地监测和调整设备的运行状态，可以确保设备在满足业务需求的同时保持最佳的运行状态。
通过建立状态评价网络并执行实时状态评估，结合实时业务数据实现业务响应寻优，生成优化控制策略并执行业务响应控制，可以实现对新能源厂设备的精确管理和优化运行，有助于提高新能源厂的运营效率，降低设备故障的风险，为新能源厂的安全稳定运行提供有力支持。
进一步，本申请还包括如下步骤：
以所述虚拟设备进行设备关联评价，并以设备关联评价结果构建基准设备；
在进行虚拟设备的设备异常预警时，以所述基准设备构建标定预警模型，并通过设备关联评价结果建立附加数据库，执行标定预警模型的增量学习，根据增量学习结果进行虚拟设备的异常监督。
具体而言，设备关联评价是综合考虑设备间相互影响和依赖关系的评估方法。在虚拟环境中，设备之间的关联可能表现为数据交互、控制逻辑、安全策略等多个方面。通过对多个关联进行深入分析，可以识别出关键设备和潜在的风险点，为后续的基准设备构建提供重要依据。进一步地，基准设备是具有代表性、稳定性高的设备模型，用于反映设备正常运行时的设备状态和行为特征。通过对比实时监测数据与基准设备的数据，可以及时发现设备的异常状态或潜在风险。
然后，在进行虚拟设备的异常预警时，利用基准设备构建标定预警模型。标定预警模型是用于预测和识别设备异常状态的模型，基于历史数据和基准设备的信息进行训练和优化。通过输入实时监测数据到标定预警模型中，可以得到设备的异常预警结果，为后续的异常监督提供重要依据。进一步地，通过设备关联评价结果建立附加数据库。附加数据库包含了与基准设备相关联的其他设备信息、历史异常记录等，用于为标定预警模型提供增量学习的数据源。进一步地，增量学习是能够持续学习新知识和适应新环境的机器学习方法。通过不断从附加数据库中获取新的学习样本，可以对标定预警模型进行持续优化和更新，提高其预测精度和适应能力。进一步地，根据增量学习的结果对虚拟设备进行异常监督。通过实时监测数据与标定预警模型的对比分析，可以及时发现设备的异常状态或潜在风险，并采取相应的措施进行处理。同时，通过不断对标定预警模型进行增量学习，可以不断提升其预测精度和可靠性，确保整个系统的安全性和稳定性。
通过设备的异常监督，进而及时发现和处理设备的异常状态或潜在风险，确保整个系统的正常运行和数据安全。
综上所述，本申请所提供的基于设备统一信息模型的数字化业务管理方法具有如下技术效果：
通过执行新能源厂的传感器数据采集，建立现实设备到虚拟设备的数字映射，具体建立步骤如下：S1：根据传感器数据采集结果获取现实设备的设备拓扑分布，以所述设备拓扑分布建立虚拟设备的设备位置，并依据连通情况配置数据映射节点；S2：提取新能源厂设备的设备数据，以所述设备数据配置虚拟设备，并建立企业业务与现实设备的设备关联，并以设备关联在企业设备对应的虚拟设备配置边缘节点，完成数字映射建立；获取新能源厂的实时业务数据，并以所述实时业务数据启动边缘节点，边缘节点通过映射节点的实时数据流进行设备的初始监测，生成第一监测结果；以所述实时业务数据、系统状态建立安全等级，将所述安全等级、所述第一监测结果输入联动监测模型，配置中心节点的联动采集频率；以所述联动采集频率执行边缘节点信息汇总，在中心节点生成第二监测结果；根据所述第一监测结果和所述第二监测结果进行新能源厂设备的业务响应管理，最终实现了以智能模型进行数据分析的技术目标，提高业务数据处理的准确性，达到了提高业务管理准确性的技术效果。
实施例二
基于与前述实施例中基于设备统一信息模型的数字化业务管理方法，同样发明构思，本申请还提供了基于设备统一信息模型的数字化业务管理系统，请参阅附图2，所述系统包括：
传感器数据采集模块11，所述传感器数据采集模块11用于执行新能源厂的传感器数据采集，建立现实设备到虚拟设备的数字映射，具体建立步骤如下：
S1：根据传感器数据采集结果获取现实设备的设备拓扑分布，以所述设备拓扑分布建立虚拟设备的设备位置，并依据连通情况配置数据映射节点；
S2：提取新能源厂设备的设备数据，以所述设备数据配置虚拟设备，并建立企业业务与现实设备的设备关联，并以设备关联在企业设备对应的虚拟设备配置边缘节点，完成数字映射建立；
第一监测结果生成模块12，所述第一监测结果生成模块12用于获取新能源厂的实时业务数据，并以所述实时业务数据启动边缘节点，边缘节点通过映射节点的实时数据流进行设备的初始监测，生成第一监测结果；
联动采集频率配置模块13，所述联动采集频率配置模块13用于以所述实时业务数据、系统状态建立安全等级，将所述安全等级、所述第一监测结果输入联动监测模型，配置中心节点的联动采集频率；
第二监测结果生成模块14，所述第二监测结果生成模块14用于以所述联动采集频率执行边缘节点信息汇总，在中心节点生成第二监测结果；
业务响应管理模块15，所述业务响应管理模块15用于根据所述第一监测结果和所述第二监测结果进行新能源厂设备的业务响应管理。
进一步，所述系统中的所述传感器数据采集模块11还用于：
依据虚拟设备提取设备的数据特征集，将所述数据特征集输入归一化信息处理模型，执行数据的归一化转换寻优，具体寻优如下：
A1：以所述数据特征集中的结果数据特征进行数量评价，生成各个类型数据的结果格式比例；
A2：以所述数据特征集中的过程数据特征进行格式转换分析，生成各个类型数据的格式转换比例；
A3：基于所述结果格式比例和所述格式转换比例进行数据的结果端和应用端的加权评价，根据加权评价结果进行最小变化寻优，完成归一化转换寻优；
根据归一化转换寻优结果进行虚拟设备中的数据通信配置。
进一步，所述系统中的所述联动采集频率配置模块13还用于：
采集企业用户的设定信息，以所述设定信息建立基础状态；
执行随机交互数据提取，并基于提取结果进行状态的附加评价，根据附加评价结果和基础状态生成系统状态；
根据实时业务数据进行业务关联分区，以业务关联分区结果和系统状态建立安全等级，其中，所述安全等级为分区安全等级。
进一步，所述系统中的所述联动采集频率配置模块13还用于：
通过初始化子网络进行联动监测模型的区域初始化，所述区域初始化通过接收安全等级后，以分区安全等级进行对应区域初始化实现，所述初始化子网络为联动监测模型的处理网络；
在联动监测模型被初始化后，根据所述第一监测结果和预存的标定采集频率进行分区频率计算，以计算结果配置中心节点的联动采集频率。
进一步，所述系统中的所述联动采集频率配置模块13还用于：
判断中心节点是否同步关联有多个分区，当所述中心节点同步关联有多个分区时，则生成分区关联采集约束；
依据所述分区关联采集约束进行多个计算结果对一个的最大联动采集频率筛选，以筛选结果完成中心节点的联动采集频率的配置。
进一步，所述系统中的所述业务响应管理模块15还用于：
以新能源厂设备的历史数据建立状态评价网络，并将所述第一监测结果和所述第二监测结果输入至状态评价网络，执行新能源厂设备的实时状态评估；
将评估结果和实时业务数据进行业务的实现响应寻优，其中，寻优的评价函数包括响应速度评价函数、响应成本评价函数；
根据实现响应寻优结果生成优化控制策略，并以所述优化控制策略执行现实设备的业务响应控制。
进一步，所述系统中的所述业务响应管理模块15还用于：
以所述虚拟设备进行设备关联评价，并以设备关联评价结果构建基准设备；
在进行虚拟设备的设备异常预警时，以所述基准设备构建标定预警模型，并通过设备关联评价结果建立附加数据库，执行标定预警模型的增量学习，根据增量学习结果进行虚拟设备的异常监督。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述实施例一中的基于设备统一信息模型的数字化业务管理方法和具体实例同样适用于本实施例的基于设备统一信息模型的数字化业务管理系统，通过前述对基于设备统一信息模型的数字化业务管理方法的详细描述，本领域技术人员可以清楚知道本实施例中基于设备统一信息模型的数字化业务管理系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述比较简单，相关之处参见方法部分说明即可。
实施例三
基于与前述实施例中基于设备统一信息模型的数字化业务管理方法的发明构思，本申请还提供一种电子设备，包括：至少一个处理器；与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述实施例一中任意一项所述方法的步骤。
附图3为本申请示例性电子设备的结构示意图。在图3中，总线架构用总线300来代表，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路连接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
实施例四
基于与前述实施例中基于设备统一信息模型的数字化业务管理方法，同样发明构思，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在执行时实现上述实施例一中任意一项所述方法的步骤。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (6)
1.基于设备统一信息模型的数字化业务管理方法，其特征在于，所述方法包括：
执行新能源厂的传感器数据采集，建立现实设备到虚拟设备的数字映射，具体建立步骤如下：
S1：根据传感器数据采集结果获取现实设备的设备拓扑分布，以所述设备拓扑分布建立虚拟设备的设备位置，并依据连通情况配置数据映射节点；
S2：提取新能源厂设备的设备数据，以所述设备数据配置虚拟设备，并建立企业业务与现实设备的设备关联，并以设备关联在企业设备对应的虚拟设备配置边缘节点，完成数字映射建立；
获取新能源厂的实时业务数据，并以所述实时业务数据启动边缘节点，边缘节点通过映射节点的实时数据流进行设备的初始监测，生成第一监测结果；
以所述实时业务数据、系统状态建立安全等级，将所述安全等级、所述第一监测结果输入联动监测模型，配置中心节点的联动采集频率；
以所述联动采集频率执行边缘节点信息汇总，在中心节点生成第二监测结果；
根据所述第一监测结果和所述第二监测结果进行新能源厂设备的业务响应管理；
所述以所述设备数据配置虚拟设备，包括：
依据虚拟设备提取设备的数据特征集，将所述数据特征集输入归一化信息处理模型，执行数据的归一化转换寻优，具体寻优如下：
A1：以所述数据特征集中的结果数据特征进行数量评价，生成各个类型数据的结果格式比例；
A2：以所述数据特征集中的过程数据特征进行格式转换分析，生成各个类型数据的格式转换比例；
A3：基于所述结果格式比例和所述格式转换比例进行数据的结果端和应用端的加权评价，根据加权评价结果进行最小变化寻优，完成归一化转换寻优；
根据归一化转换寻优结果进行虚拟设备中的数据通信配置；
所述以所述实时业务数据、系统状态建立安全等级，包括：
采集企业用户的设定信息，以所述设定信息建立基础状态；
执行随机交互数据提取，并基于提取结果进行状态的附加评价，根据附加评价结果和基础状态生成系统状态；
根据实时业务数据进行业务关联分区，以业务关联分区结果和系统状态建立安全等级，其中，所述安全等级为分区安全等级；
所述将所述安全等级、所述第一监测结果输入联动监测模型，配置中心节点的联动采集频率，包括：
通过初始化子网络进行联动监测模型的区域初始化，所述区域初始化通过接收安全等级后，以分区安全等级进行对应区域初始化实现，所述初始化子网络为联动监测模型的处理网络；
在联动监测模型被初始化后，根据所述第一监测结果和预存的标定采集频率进行分区频率计算，以计算结果配置中心节点的联动采集频率；
所述以计算结果配置中心节点的联动采集频率，包括：
判断中心节点是否同步关联有多个分区，当所述中心节点同步关联有多个分区时，则生成分区关联采集约束；
依据所述分区关联采集约束进行多个计算结果对一个的最大联动采集频率筛选，以筛选结果完成中心节点的联动采集频率的配置。
2.如权利要求1所述的方法，其特征在于，所述根据所述第一监测结果和所述第二监测结果进行新能源厂设备的业务响应管理，包括：
以新能源厂设备的历史数据建立状态评价网络，并将所述第一监测结果和所述第二监测结果输入至状态评价网络，执行新能源厂设备的实时状态评估；
将评估结果和实时业务数据进行业务的实现响应寻优，其中，寻优的评价函数包括响应速度评价函数、响应成本评价函数；
根据实现响应寻优结果生成优化控制策略，并以所述优化控制策略执行现实设备的业务响应控制。
3.如权利要求1所述的方法，其特征在于，所述方法包括：
以所述虚拟设备进行设备关联评价，并以设备关联评价结果构建基准设备；
在进行虚拟设备的设备异常预警时，以所述基准设备构建标定预警模型，并通过设备关联评价结果建立附加数据库，执行标定预警模型的增量学习，根据增量学习结果进行虚拟设备的异常监督。
4.基于设备统一信息模型的数字化业务管理系统，其特征在于，用于实施权利要求1至3中任意一项所述方法的步骤，所述系统包括：
传感器数据采集模块，所述传感器数据采集模块用于执行新能源厂的传感器数据采集，建立现实设备到虚拟设备的数字映射，具体建立步骤如下：
S1：根据传感器数据采集结果获取现实设备的设备拓扑分布，以所述设备拓扑分布建立虚拟设备的设备位置，并依据连通情况配置数据映射节点；
S2：提取新能源厂设备的设备数据，以所述设备数据配置虚拟设备，并建立企业业务与现实设备的设备关联，并以设备关联在企业设备对应的虚拟设备配置边缘节点，完成数字映射建立；
第一监测结果生成模块，所述第一监测结果生成模块用于获取新能源厂的实时业务数据，并以所述实时业务数据启动边缘节点，边缘节点通过映射节点的实时数据流进行设备的初始监测，生成第一监测结果；
联动采集频率配置模块，所述联动采集频率配置模块用于以所述实时业务数据、系统状态建立安全等级，将所述安全等级、所述第一监测结果输入联动监测模型，配置中心节点的联动采集频率；
第二监测结果生成模块，所述第二监测结果生成模块用于以所述联动采集频率执行边缘节点信息汇总，在中心节点生成第二监测结果；
业务响应管理模块，所述业务响应管理模块用于根据所述第一监测结果和所述第二监测结果进行新能源厂设备的业务响应管理。
5.一种电子设备，包括：
至少一个处理器；
与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至3中任意一项所述方法的步骤。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在执行时实现权利要求1至3中任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410488154.3A CN118095657B (zh) | 2024-04-23 | 2024-04-23 | 基于设备统一信息模型的数字化业务管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410488154.3A CN118095657B (zh) | 2024-04-23 | 2024-04-23 | 基于设备统一信息模型的数字化业务管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118095657A CN118095657A (zh) | 2024-05-28 |
| CN118095657B true CN118095657B (zh) | 2024-07-19 |
Family
ID=91152046
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410488154.3A Active CN118095657B (zh) | 2024-04-23 | 2024-04-23 | 基于设备统一信息模型的数字化业务管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118095657B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
| CN114637262A (zh) * | 2022-03-10 | 2022-06-17 | 广东泰云泽科技有限公司 | 基于5g驱动的智能工厂数字孪生信息的决策控制方法及系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114781241A (zh) * | 2022-03-08 | 2022-07-22 | 中国核电工程有限公司 | 一种基于数字孪生技术的安全壳系统及设计方法 |
| CN116599151A (zh) * | 2023-05-15 | 2023-08-15 | 国网湖北省电力有限公司孝感供电公司 | 基于多源数据的源网储荷安全管理方法 |
| CN116976043A (zh) * | 2023-05-26 | 2023-10-31 | 南京航空航天大学 | 一种基于知识图谱的sdss电网智能辅助决策方法 |
| CN117494547A (zh) * | 2023-10-10 | 2024-02-02 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于数字孪生水电厂运维数据处理建模的方法及系统 |
| CN117521494A (zh) * | 2023-10-31 | 2024-02-06 | 天能电池集团股份有限公司 | 一种基于数字孪生的高端电池生产线智能工厂设计方法 |
| CN117914758A (zh) * | 2023-11-29 | 2024-04-19 | 云南电网有限责任公司 | 一种智能量测复杂业务场景的全链路监测方法及系统 |
-
2024
- 2024-04-23 CN CN202410488154.3A patent/CN118095657B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
| CN114637262A (zh) * | 2022-03-10 | 2022-06-17 | 广东泰云泽科技有限公司 | 基于5g驱动的智能工厂数字孪生信息的决策控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118095657A (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101825881B1 (ko) | 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템 | |
| KR20180108446A (ko) | Ict 인프라 관리 시스템 및 이를 이용한 ict 인프라 관리 방법 | |
| CN110298601A (zh) | 一种基于规则引擎的实时业务风控系统 | |
| CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
| CN117196159A (zh) | 基于互联网大数据分析的智慧水务分区计量系统 | |
| CN110162445A (zh) | 基于主机日志及性能指标的主机健康评价方法及装置 | |
| CN117878925B (zh) | 一种智能电网的输电数据控制方法及系统 | |
| CN117649027B (zh) | 基于智慧车站的数据处理方法及系统 | |
| CN118429139B (zh) | 一种基于智慧污水处理云平台的管控方法及系统 | |
| CN117952598A (zh) | 一种基于故障率近似的能源系统安全性评估分析方法及装置 | |
| CN118095657B (zh) | 基于设备统一信息模型的数字化业务管理方法及系统 | |
| CN110415136B (zh) | 一种电力调度自动化系统服务能力评估系统与方法 | |
| CN112948353A (zh) | 一种应用于DAstudio的数据分析方法、系统及存储介质 | |
| CN114757448B (zh) | 一种基于数据空间模型的制造环节间最优价值链构建方法 | |
| CN117112459A (zh) | 一种多设备分布式数据采集系统构建及方法 | |
| CN110188040A (zh) | 一种针对软件系统故障检测与健康状态评估的软件平台 | |
| CN115936663A (zh) | 一种电力系统的维护方法及装置 | |
| CN114819367A (zh) | 一种基于工业互联网的公共服务平台 | |
| CN117914005B (zh) | 一种配网精益化全景监测系统及方法 | |
| CN118504676B (zh) | 一种结合传感分析的变电站在线监测方法及系统 | |
| CN118445106B (zh) | 一种煤机设备的在线状态监测方法及健康管理系统 | |
| CN116974347A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN118779798A (zh) | 基于物联网云边协同的电力边侧优化控制方法及系统 | |
| Li et al. | An SLA and Operation Cost Aware Performance Re-tuning Algorithm for Cloud Databases | |
| CN118572708A (zh) | 基于边缘计算的电力设备运行管理方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |