CN107679634A - 一种基于数据可视化的供电故障报修分析和预测的方法 - Google Patents
一种基于数据可视化的供电故障报修分析和预测的方法 Download PDFInfo
- Publication number
- CN107679634A CN107679634A CN201711017732.1A CN201711017732A CN107679634A CN 107679634 A CN107679634 A CN 107679634A CN 201711017732 A CN201711017732 A CN 201711017732A CN 107679634 A CN107679634 A CN 107679634A
- Authority
- CN
- China
- Prior art keywords
- data
- analysis
- prediction
- repairment
- power supply
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000013079 data visualisation Methods 0.000 title claims abstract description 16
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims abstract description 6
- 238000007405 data analysis Methods 0.000 claims description 17
- 230000005611 electricity Effects 0.000 claims description 12
- 238000012800 visualization Methods 0.000 claims description 8
- 238000002360 preparation method Methods 0.000 claims description 5
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 230000008676 import Effects 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 4
- 238000000714 time series forecasting Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000011068 loading method Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 238000007619 statistical method Methods 0.000 abstract description 4
- 241001269238 Data Species 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000007418 data mining Methods 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010612 desalination reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于数据可视化的供电故障报修分析和预测的方法,在C/S架构的***平台导入并整理出有效供电数据,对这些有效供电数据进行多元化统计分析,对这些不同的分析结果进行筛选,去掉偏离较大的一些结果,得到较为准确的有效供电数据关联于故障报修分布及报修类型的关系及权重分布规律,再采用多种预测方式,使该规律在程序中通过不断的历史数据自主学习,逐步形成一个综合性的分析预测模型,科学合理地预测将来某个时间节点后的某季度、某月或某日在某区域当相关供电数据发生变化时将会产生多少个故障报修,都是什么类别,为电力运营的下一步举措提供判断依据,以便台区及时举措,减少台区故障报修量,提高台区供电服务质量。
Description
技术领域
本发明属于数据挖掘技术领域,涉及一种基于数据可视化的供电故障报修分析和预测的方法。
背景技术
数据挖掘技术是通过分析大量数据,从大量数据中寻找其规律的技术,主要有数据准备、规律寻找和规律表示3个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集;规律寻找是用某种方法将数据集所含的规律找出来;规律表示是尽可能以用户可理解的方式(如可视化)将找出的规律表示出来。
电力***是一个复杂的***,数据量庞大,特别是在电力企业进入了大数据时代后,仅仅是电力设备运行和电力负荷的数据规模就已十分惊人,光靠传统的数据处理方法显得不合时宜,而数据挖掘技术的出现刚好为解决这一难题提供了新的出路。
在电路***中,台区是指一台变压器的供电范围或区域,目前国家电网实行台区化管理方式,各台区负责并落实本台区各项工作,提供优质供用电服务。其中,95598工单记录的故障报修是考核各台区供用电服务质量的重要指标,那么如何降低95598工单数量,提高供用电服务质量,势在必行。
发明内容
本发明的目的是为了提供一种基于数据可视化的供电故障报修分析和预测的方法,该方法通过对历史数据的挖掘,能够较为准确找出相关供电数据关联于故障报修分布及报修类型的关系及权重,再以此为基础,能够科学合理预测将来某个时间节点后的某季度、某月或某日在某区域将会产生多少个故障报修,都是什么类别,并提醒台区采取相应的应对举措,以最大限度地避免95598工单的产生,降低故障报修量,提高供用电服务质量。
本发明的目的是这样实现的:一种基于数据可视化的供电故障报修分析和预测的方法,包括以下步骤:
(1)数据导入:导出供电基础数据,将供电基础数据从相应的监测设备中读取出来,导入C/S架构的***平台,所述供电基础数据包括95598工单数据、台区的电压数据、台区的电流数据、台区的电量数据和台区的负载量数据;
(2)数据整理:在C/S架构的***平台通过数据库对供电基础数据进行整理和修改,删除无效数据,得到有效供电数据,并将非结构化数据转化为结构化数据并添加所需的数据属性,建立基于SQL Server 2014数据库进行数据存储,所述数据库为GIS数据源;
(3)数据可视化:基于GIS***开发可视化工具,将GIS数据源通过***集成方式,展现在GIS电子地图上,即对数据信息进行标注和解析,对展示的信息及数据进行分析和汇总,使GIS电子地图能直观的显示出有效供电数据的分布、分类、所属片区、属性分类等关联信息;
(4)数据分析:采用正态分布、回归分析、方差分析、相关分析和聚类分析,对各个有效供电数据进行综合统计分析,找出各个有效供电数据关联于故障报修分布及报修类型的关系及权重;
(5)数据预测:根据供电数据及报修数据分析得出的关联关系及各个权重,采用回归预测法、时间序列预测、灰色预测法等预测方式,并在程序中通过不断的历史数据自主学习,将历史的预测数据与历史的实际数据进行对比再次分析,逐步形成一个综合性的预测模型,作为最终的模型,从而进行预测将来某个时间节点后的某季度、某月或某日在某区域将会产生多少个故障报修,都是什么类别,为电力运营的下一步举措提供判断依据;
(6)输出结果:根据预测结果,将预测结果与设定举措进行比较分析,输出应采取的举措,以应对供电数据的变化,减少故障报修量,提高供电服务质量。
优选的,所述数据导入采用远程遥控或人为操作的方式。
优选的,所述有效供电数据包括天气、温度、湿度、台区的电压、台区的电流、台区的电量和台区的负载量。
优选的,所述可视化工具包括报修数据分析和计量点数据分析,所述报修数据分析包括选取范围分析、对选定范围的报修进行分析和查看台区的电压、电流、电量和负载量趋势,所述计量点数据分析可对集中报修的选定区域内的计量点进行台区的电压、电流、电量和负载量等数据进行分析,并查看某个时间段内的运行情况。
优选的,所述GIS电子地图采用开源GIS平台,离线地图资料使用高德地图数据。
由于采用了上述技术方案,本发明的有益效果是:通过C/S架构的***平台导入台区供电数据并整理成GIS数据源,再通过基于GIS***开发的可视化工具,将GIS数据源可视化表示于GIS电子地图上,再通过嵌入GIS电子地图的基于多种统计分析理论的可视化分析工具,对GIS数据源进行多种方式的统计分析,然后对这些不同的分析结果进行筛选,去掉偏离较大的一些结果,得到较为准确的天气、温度、湿度、台区的电压、台区的电流、台区的电量和台区的负载量关联于故障报修分布及报修类型的关系及权重分布规律,再采用多种预测方式,使该规律在程序中通过不断的历史数据自主学习,即将历史的预测数据与历史的实际数据进行对比再次分析,通过不断修正逐步形成一个综合性的预测模型,作为最终的分析预测模型,再以此为基础,反推并科学合理地预测将来某个时间节点后的某季度、某月或某日在某区域当相关供电数据发生变化时将会产生多少个故障报修,都是什么类别,为电力运营的下一步举措提供判断依据,以便台区及时举措,减少台区故障报修量,提高台区供电服务质量。
附图说明
图1是本发明的流程示意图。
图2是本发明的C/S***架构示意图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案做进一步具体的说明。
如图1所示,本发明提供的一种基于数据可视化的供电故障报修分析和预测的方法,包括以下步骤:
S1数据导入:导出供电基础数据,将供电基础数据从相应的监测设备中读取出来,导入C/S架构的***平台,所述供电基础数据包括95598工单数据、台区的电压数据、台区的电流数据、台区的电量数据和台区的负载量数据。
如图2所示,***采用C/S的架构,数据可视化平台包括数据导入,数据整理,数据装载,数据分析四个模块。其中,***结构采用C/S结构;数据库基于SQLServer2014;GIS平台:GMap(开源的GIS平台,离线地图资料使用高德地图数据);操作***采用WinServer2008;通过研究结构化、非结构化数据的统一抽取、页面解析等方式,建立供电服务相关数据的统一数据接口,提升数据质量和获取的及时性。
S2数据整理:在C/S架构的***平台通过数据库对供电基础数据进行整理和修改,删除无效数据,得到有效供电数据,并将非结构化数据转化为结构化数据并添加所需的数据属性,建立基于SQL Server 2014数据库进行数据存储,所述数据库为GIS数据源。开放数据库为开放式结构,提供数据库结构及表定义,便于用户,通过数据库直接批量导入数据。
S6数据可视化:基于GIS***开发可视化工具,将GIS数据源通过***集成方式,展现在GIS电子地图上,即对数据信息进行标注和解析,对展示的信息及数据进行分析和汇总,使GIS电子地图能直观的显示出有效供电数据的分布、分类、所属片区、属性分类等关联信息。
S3数据分析:采用正态分布、回归分析、方差分析、相关分析和聚类分析,对各个有效供电数据进行综合统计分析,找出各个有效供电数据关联于故障报修分布及报修类型的关系及权重。其中,采用包括正态分布、回归分析、方差分析、相关分析和聚类分析在内的多元统计分析,得到不同的分析结果,然后筛选掉偏离较大的一些结果,淡化不确定的、人为的、主观的因素对有效供电数据的影响,剔除这些看似有效其实无效的有效供电数据,从而实现提高对有效供电数据分析的准确性,分析结果越准确,后续的预测结果也会越准确,更趋于实际,与实际相符。
S4数据预测:根据供电数据及报修数据分析得出的关联关系及各个权重,采用回归预测法、时间序列预测、灰色预测法等预测方式,并在程序中通过不断的历史数据自主学习,将历史的预测数据与历史的实际数据进行对比再次分析,逐步形成一个综合性的预测模型,作为最终的模型,从而进行预测将来某个时间节点后的某季度、某月或某日在某区域将会产生多少个故障报修,都是什么类别,为电力运营的下一步举措提供判断依据。其中,通过不断对历史数据的自主学习,增大采样数据量,也可以把一些不确定的、人为的、主观的因素对有效供电数据的影响进行降低,剔除这些看似有效其实无效的数据,提高分析预测的准确性。采用回归预测法、时间序列预测、灰色预测法等多种预测方式,可以避免单一预测方式可能存在的预测结果偏离的问题。科学合理地运用多种方式分别分析预测,然后再把这些不同的分析预测结果进行筛选,去掉偏离较大的一些结果,从而生成最终的分析预测模型,这样样本的准确性更高,预测的结果也更趋于实际。
S5输出结果:根据预测结果,将预测结果与设定举措进行比较分析,输出应采取的举措,以应对供电数据的变化,减少故障报修量,提高供电服务质量。设定举措人为制定后,输入C/S架构的***平台,不同举措与不同预测结果相互关联,使用时根据预测结果,输出相应的设定举措,提醒台区及时并正确应对,可以有效减少95598产生的故障报修工单,提高台区供电服务质量。
进一步地,所述数据导入采用远程遥控或人为操作的方式。相对于目前各台区自动化监测程度不一,自动化程度高的台区可以采取远程遥控方式与C/S架构的***平台直接对接,数据来源及时有效,工作效率高。
进一步地,所述有效供电数据包括天气、温度、湿度、台区的电压、台区的电流、台区的电量和台区的负载量。
进一步地,所述可视化工具包括报修数据分析和计量点数据分析,所述报修数据分析包括选取范围分析、对选定范围的报修进行分析和查看台区的电压、电流、电量和负载量趋势,所述计量点数据分析可对集中报修的选定区域内的计量点进行台区的电压、电流、电量和负载量等数据进行分析,并查看某个时间段内的运行情况。
进一步地,所述GIS电子地图采用开源GIS平台,离线地图资料使用高德地图数据。
最后应说明的是,以上实施例仅用以说明本发明的技术方案,而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解,依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于数据可视化的供电故障报修分析和预测的方法,其特征在于,包括以下步骤:
(1)数据导入:导出供电基础数据,将供电基础数据从相应的监测设备中读取出来,导入C/S架构的***平台,所述供电基础数据包括95598工单数据、台区的电压数据、台区的电流数据、台区的电量数据和台区的负载量数据;
(2)数据整理:在C/S架构的***平台通过数据库对供电基础数据进行整理和修改,删除无效数据,得到有效供电数据,并将非结构化数据转化为结构化数据并添加所需的数据属性,建立基于SQL Server 2014数据库进行数据存储,所述数据库为GIS数据源;
(3)数据可视化:基于GIS***开发可视化工具,将GIS数据源通过***集成方式,展现在GIS电子地图上,即对数据信息进行标注和解析,对展示的信息及数据进行分析和汇总,使GIS电子地图能直观的显示出有效供电数据的分布、分类、所属片区、属性分类等关联信息;
(4)数据分析:采用正态分布、回归分析、方差分析、相关分析和聚类分析,对各个有效供电数据进行综合统计分析,找出各个有效供电数据关联于故障报修分布及报修类型的关系及权重;
(5)数据预测:根据供电数据及报修数据分析得出的关联关系及各个权重,采用回归预测法、时间序列预测、灰色预测法等预测方式,并在程序中通过不断的历史数据自主学习,将历史的预测数据与历史的实际数据进行对比再次分析,通过不断修正逐步形成一个综合性的预测模型,作为最终的模型,从而进行预测,预测将来某个时间节点后的某季度、某月或某日在某区域当相关供电数据发生变化时将会产生多少个故障报修,都是什么类别,为电力运营的下一步举措提供判断依据;
(6)输出结果:根据预测结果,将预测结果与设定举措进行比较分析,输出应采取的举措,以便及时应对供电数据的变化,减少故障报修量,提高供电服务质量。
2.根据权利要求1所述的一种基于数据可视化的供电故障报修分析和预测的方法,其特征在于:所述数据导入采用远程遥控或人为操作的方式。
3.根据权利要求1所述的一种基于数据可视化的供电故障报修分析和预测的方法,其特征在于:所述有效供电数据包括天气、温度、湿度、台区的电压、台区的电流、台区的电量和台区的负载量。
4.根据权利要求1所述的一种基于数据可视化的供电故障报修分析和预测的方法,其特征在于:所述可视化工具包括报修数据分析和计量点数据分析,所述报修数据分析包括选取范围分析、对选定范围的报修进行分析和查看台区的电压、电流、电量和负载量趋势,所述计量点数据分析可对集中报修的选定区域内的计量点进行台区的电压、电流、电量和负载量等数据进行分析,并查看某个时间段内的运行情况。
5.根据权利要求1所述的一种基于数据可视化的供电故障报修分析和预测的方法,其特征在于:所述GIS电子地图采用开源GIS平台,离线地图资料使用高德地图数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711017732.1A CN107679634A (zh) | 2017-10-27 | 2017-10-27 | 一种基于数据可视化的供电故障报修分析和预测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711017732.1A CN107679634A (zh) | 2017-10-27 | 2017-10-27 | 一种基于数据可视化的供电故障报修分析和预测的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107679634A true CN107679634A (zh) | 2018-02-09 |
Family
ID=61142964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711017732.1A Pending CN107679634A (zh) | 2017-10-27 | 2017-10-27 | 一种基于数据可视化的供电故障报修分析和预测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107679634A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763434A (zh) * | 2018-05-24 | 2018-11-06 | 国网上海市电力公司 | 一种配用电多源异构信息模型数据*** |
CN109189775A (zh) * | 2018-09-27 | 2019-01-11 | 深圳中广核工程设计有限公司 | 一种工业监控平台海量数据处理***及方法 |
CN109523419A (zh) * | 2018-10-19 | 2019-03-26 | 国家电网有限公司 | 应用于变电站高压电气试验的数据综合管理与诊断分析法 |
CN109828186A (zh) * | 2019-03-06 | 2019-05-31 | 江苏和网源电气有限公司 | 一种远程配网故障主动预警*** |
CN109885607A (zh) * | 2019-01-11 | 2019-06-14 | 中广核工程有限公司 | 一种工业海量非结构化数据处理方法及*** |
CN110378492A (zh) * | 2019-05-28 | 2019-10-25 | 长春电力设计有限公司 | 一种加强配网设备运维管控的方法 |
CN110445629A (zh) * | 2018-05-03 | 2019-11-12 | 佛山市顺德区美的电热电器制造有限公司 | 一种服务器并发量预测方法及装置 |
CN110990138A (zh) * | 2019-12-04 | 2020-04-10 | 北京三快在线科技有限公司 | 资源调度方法、装置、服务器及存储介质 |
CN111178585A (zh) * | 2019-12-05 | 2020-05-19 | 国网浙江省电力有限公司杭州供电公司 | 基于多算法模型融合的故障接报量预测方法 |
CN111190412A (zh) * | 2020-01-06 | 2020-05-22 | 珠海格力电器股份有限公司 | 一种故障分析方法、装置、存储介质及终端 |
CN111579923A (zh) * | 2020-05-19 | 2020-08-25 | 广东电网有限责任公司 | 一种配电网故障诊断***及方法 |
CN112508759A (zh) * | 2020-12-10 | 2021-03-16 | 清研灵智信息咨询(北京)有限公司 | 基于微服务的大数据管理和挖掘*** |
CN112650795A (zh) * | 2020-12-31 | 2021-04-13 | 上海交通大学 | 一种基于Power-BI的配网设备差异化运维可视化方法及*** |
CN112903001A (zh) * | 2019-12-03 | 2021-06-04 | 财团法人纺织产业综合研究所 | 织物定型机的操作方法 |
CN117132025A (zh) * | 2023-10-26 | 2023-11-28 | 国网山东省电力公司泰安供电公司 | 一种基于多源数据融合的用电监测预警*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105373901A (zh) * | 2015-12-15 | 2016-03-02 | 国网北京市电力公司 | 电网故障工单的处理方法和装置及*** |
CN106055548A (zh) * | 2016-03-31 | 2016-10-26 | 广西电网有限责任公司电力科学研究院 | 一种电力输变电设备故障数据的可视化分析方法 |
CN106815647A (zh) * | 2016-12-28 | 2017-06-09 | 国家电网公司 | 一种基于数据分析的高效率配电网故障抢修***及方法 |
CN107271829A (zh) * | 2017-05-09 | 2017-10-20 | 安徽继远软件有限公司 | 一种配电设备运行状态分析方法及装置 |
-
2017
- 2017-10-27 CN CN201711017732.1A patent/CN107679634A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105373901A (zh) * | 2015-12-15 | 2016-03-02 | 国网北京市电力公司 | 电网故障工单的处理方法和装置及*** |
CN106055548A (zh) * | 2016-03-31 | 2016-10-26 | 广西电网有限责任公司电力科学研究院 | 一种电力输变电设备故障数据的可视化分析方法 |
CN106815647A (zh) * | 2016-12-28 | 2017-06-09 | 国家电网公司 | 一种基于数据分析的高效率配电网故障抢修***及方法 |
CN107271829A (zh) * | 2017-05-09 | 2017-10-20 | 安徽继远软件有限公司 | 一种配电设备运行状态分析方法及装置 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110445629A (zh) * | 2018-05-03 | 2019-11-12 | 佛山市顺德区美的电热电器制造有限公司 | 一种服务器并发量预测方法及装置 |
CN108763434A (zh) * | 2018-05-24 | 2018-11-06 | 国网上海市电力公司 | 一种配用电多源异构信息模型数据*** |
CN109189775A (zh) * | 2018-09-27 | 2019-01-11 | 深圳中广核工程设计有限公司 | 一种工业监控平台海量数据处理***及方法 |
CN109523419A (zh) * | 2018-10-19 | 2019-03-26 | 国家电网有限公司 | 应用于变电站高压电气试验的数据综合管理与诊断分析法 |
CN109885607A (zh) * | 2019-01-11 | 2019-06-14 | 中广核工程有限公司 | 一种工业海量非结构化数据处理方法及*** |
CN109828186A (zh) * | 2019-03-06 | 2019-05-31 | 江苏和网源电气有限公司 | 一种远程配网故障主动预警*** |
CN110378492A (zh) * | 2019-05-28 | 2019-10-25 | 长春电力设计有限公司 | 一种加强配网设备运维管控的方法 |
CN112903001A (zh) * | 2019-12-03 | 2021-06-04 | 财团法人纺织产业综合研究所 | 织物定型机的操作方法 |
CN110990138A (zh) * | 2019-12-04 | 2020-04-10 | 北京三快在线科技有限公司 | 资源调度方法、装置、服务器及存储介质 |
CN111178585A (zh) * | 2019-12-05 | 2020-05-19 | 国网浙江省电力有限公司杭州供电公司 | 基于多算法模型融合的故障接报量预测方法 |
CN111190412B (zh) * | 2020-01-06 | 2021-02-26 | 珠海格力电器股份有限公司 | 一种故障分析方法、装置、存储介质及终端 |
CN111190412A (zh) * | 2020-01-06 | 2020-05-22 | 珠海格力电器股份有限公司 | 一种故障分析方法、装置、存储介质及终端 |
CN111579923A (zh) * | 2020-05-19 | 2020-08-25 | 广东电网有限责任公司 | 一种配电网故障诊断***及方法 |
CN111579923B (zh) * | 2020-05-19 | 2022-04-15 | 广东电网有限责任公司 | 一种配电网故障诊断***及方法 |
CN112508759A (zh) * | 2020-12-10 | 2021-03-16 | 清研灵智信息咨询(北京)有限公司 | 基于微服务的大数据管理和挖掘*** |
CN112650795A (zh) * | 2020-12-31 | 2021-04-13 | 上海交通大学 | 一种基于Power-BI的配网设备差异化运维可视化方法及*** |
CN117132025A (zh) * | 2023-10-26 | 2023-11-28 | 国网山东省电力公司泰安供电公司 | 一种基于多源数据融合的用电监测预警*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679634A (zh) | 一种基于数据可视化的供电故障报修分析和预测的方法 | |
CN105574652B (zh) | 一种智能配电网规划大数据管控***及方法 | |
CN111291076B (zh) | 基于大数据的异常用水监测报警***及其构建方法 | |
CN105184455A (zh) | 一种面向城市电力数据分析的高维可视化分析方法 | |
CN107402976A (zh) | 一种基于多元异构模型的电网多源数据融合方法及*** | |
CN107977737A (zh) | 基于mxnet框架深度神经网络的配变负荷预测方法 | |
CN103647676B (zh) | 域名***数据处理方法 | |
CN105868301A (zh) | 一种碳排放检测管理***及管理方法 | |
CN111241085B (zh) | 一种基于气象数据的自然分区可视化方法 | |
CN109272364A (zh) | 自动估值模型建模方法 | |
CN110334732A (zh) | 一种基于机器学习的空气质量预报方法和装置 | |
CN111210058B (zh) | 一种基于网格化的配电网自上而下负荷预测信息方法 | |
CN105608333B (zh) | 一种考虑多区域差异的气象敏感电量挖掘方法 | |
CN109740872A (zh) | 一种台区运行状态的诊断方法及*** | |
Zhang et al. | Bayesian analysis of climate change effects on observed and projected airborne levels of birch pollen | |
Chen et al. | Development and application of big data platform for garlic industry chain | |
CN105786996A (zh) | 一种用电信息数据质量分析*** | |
Patias et al. | A scalable analytical framework for spatio-temporal analysis of neighborhood change: A sequence analysis approach | |
CN111191966A (zh) | 一种基于时空特性的配电网电压不合格时段识别方法 | |
CN115796404A (zh) | 一种面向代理购电用户的用电预测方法及*** | |
CN111985716B (zh) | 一种客运信息可视化的客运量预测*** | |
CN108830413A (zh) | 一种建筑能源消耗的可视化预测方法及*** | |
CN114662909A (zh) | 农村土地经营权流转交易价格指数计算*** | |
CN109359874A (zh) | 一种多维指标监控预警方法及装置 | |
CN111063444A (zh) | 基于Excel VBA的死因监测数据分析方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180209 |
|
RJ01 | Rejection of invention patent application after publication |