CN110991799A - 一种配电网生产综合预警方法 - Google Patents
一种配电网生产综合预警方法 Download PDFInfo
- Publication number
- CN110991799A CN110991799A CN201911045186.1A CN201911045186A CN110991799A CN 110991799 A CN110991799 A CN 110991799A CN 201911045186 A CN201911045186 A CN 201911045186A CN 110991799 A CN110991799 A CN 110991799A
- Authority
- CN
- China
- Prior art keywords
- data
- power distribution
- early warning
- distribution network
- module
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000012423 maintenance Methods 0.000 claims abstract description 15
- 230000007547 defect Effects 0.000 claims abstract description 7
- 239000000463 material Substances 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 12
- 238000013210 evaluation model Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 5
- 230000008439 repair process Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000005243 fluidization Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000003908 quality control method Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 4
- 201000004569 Blindness Diseases 0.000 abstract description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Public Health (AREA)
- Biodiversity & Conservation Biology (AREA)
- Medical Informatics (AREA)
Abstract
本发明一种配电网生产综合预警方法,包括数据归类模块、模型建立模块、异常分析模块、预警告示模块、运维决策模块,解决了传统电网预警***的弊端,可以实现数据归类、异常分析、应急减损、人员和物资安排,减轻了随意性和盲目性,使用科学的分级方法作指导。
Description
技术领域
本发明涉及电网预警技术领域,具体涉及一种配电网生产综合预警方法。
背景技术
近年来,我国受大气候和微地形、微气象条件的影响,高温、风暴事故频繁发生,给社会造成了巨大的经济损失。在配电网所集中的数据中,需要根据数据来源、分布规律、人工发现进行类型标识良好归类,当前技术常缺乏通过机器学习算法对比查询异常之处;在预警告示后生成应急预案,应急需求分级和应急预案的制定往往主要依靠应急管理人员和应急专家的经验和主观判断,缺乏科学的分级方法作指导。
发明内容
针对现有技术的不足,本发明的目的是提供一种可实现数据归类、异常分析、预警告示、应急减损,实现设备修缮、安排抢修人员物资的配电网生产综合预警方法 。
为了实现上述目的,本发明采用的技术方案如下:一种配电网生产综合预警方法,包括数据归类模块、模型建立模块、异常分析模块、预警告示模块以及运维决策模块,各模块联系流程如下:
S1:数据归类模块对数据平台中的数据根据类型和标识进行分类,其中,数据平台中的数据包括设备参数、准实时运行数据、地域环境信息;
S2:模型建立模块根据不同类型、标识的数据构建效率评价模型,供异常分析模块进行特征提取、训练学习、对比查询电力异常信息;
S3:S2的分析结果供预警告示模块进行可视化提醒,展示分析结果、设备参数、准实时运行数据、地域环境信息,响起警报,邮件、短信提醒;
S4:运维决策模块根据预警内容生成应急需求分级信息并据此生成不同的应急预案,所述应急预案包括安全巡视、消缺检修、故障维修、紧急抢修和环境改善的人员、物资的安排,最后解决异常后实时监测并反馈结果。
进一步地,所述数据归类模块对海量的各类型数据分类,包括全量数据单元、增量数据单元、格网数据单元、标识单元以及安置单元,各单元联系流程如下:
S11:所述全量数据单元采集全量数据并入库;
S12:所述增量数据单元采集增量数据并入库;
S13:所述格网数据单元将全量数据、增量数据流化处理,打散为格网数据;
S14:所述标识单元根据数据来源、分布规律、人工发现进行类型标识;
S15:安置单元则整理、保存、发送数据。
进一步地,所述数据平台中的设备参数包括:各设备容量、长度、生产厂家、投运年限、电网结构、线路电网结构类型、变电站主变台数;所述准实时运行数据包括:负荷率、轻载/超载运行时间占比、平均负载率、峰谷差率、最大负载率;所述地域环境信息包括:位置、主地形、温度、湿度、雷电、台风详情。
进一步地,所述模型建立模块建立实体关系模型,构建一对一、一对多、多对多联系的E-R图;使用Scikit-Learn库计算置信度、关联度、支持度,建立机器学习模型,使用k-means算法进行无监督学习,划出相似簇类、关联簇类;使用SG-CIM模型进行全面的数据质量控制。
进一步地,所述异常分析模块计算电力损耗比例、对比实际传输电力各项指标与原本配置电力各项指标、计算各类型数据之间的置信度、关联度、支持度,通过机器学习模型与算法进行特征提取、训练学习、对比查询,判断是否在正常配电范围,判断异常原因、地域、设备,判断所在环境影响状况。
进一步地,所述运维决策模块根据所述异常分析模块分析结果和预设模糊评价模型生成应急需求分级信息,步骤如下:
S41:按预设所述电力异常信息和输入参数的对应关系确定所述输入参数,所述输入参数为模糊评价模型的输入;
S42:按所述输入参数与第一隶属度函数的预设对应关系确定第一隶属度函数;
S43:配电网生产决策支撑***自动匹配传入的计算输入操作,将所述输入参数进行模糊化计算得到模糊化参数;
S44:按预设所述模糊化参数和应急需求级别影响的对应关系进行应急需求级别模糊逻辑推理,得到模糊推理参数;
S45:按所述模糊推理参数与输出隶属度函数的预设对应关系确定第二隶属度函数;
S46:配电网生产决策支撑***自动匹配传入的计算输出操作,将所述模糊推理参数进行去模糊化计算得到应急需求分级信息。
本发明一种配电网生产综合预警方法,解决了传统电网预警***的弊端,可以实现数据归类、异常分析、应急减损、人员和物资安排,减轻了随意性和盲目性,使用科学的分级方法作指导。
附图说明
图1是本发明一种配电网生产综合预警方法的***组成示意图;
图2为本发明一种配电网生产综合预警方法的数据归类模块各单元联系流程图;
图3为本发明一种配电网生产综合预警方法生成应急预案的流程示意图。
具体实施方式
下面的实施例可以帮助本领域的技术人员更全面地理解本发明,但不可以以任何方式限制本发明。
实施例
参照图1,一种配电网生产综合预警方法,包括数据归类模块、模型建立模块、异常分析模块、预警告示模块、运维决策模块,各模块联系流程如下:
S1:数据归类模块对数据平台中的数据根据类型和标识进行分类,包括设备参数、准实时运行数据、地域环境信息的各类型数据;
S2:模型建立模块根据不同类型、标识的数据构建效率评价模型,供异常分析模块进行特征提取、训练学习、对比查询电力异常信息;
S3:S2的分析结果供预警告示模块进行可视化提醒,展示分析结果、设备参数、准实时运行数据、地域环境信息,响起警报,邮件、短信提醒;
S4:运维决策模块根据预警内容生成应急需求分级信息并据此生成不同的应急预案;所述应急预案包括安全巡视、消缺检修、故障维修、紧急抢修和环境改善的人员、物资的安排,并最后解决异常后实时监测并反馈结果。
参照图2,所述数据归类模块对海量的各类型数据分类,包括全量数据单元、增量数据单元、格网数据单元、标识单元、安置单元,各单元联系流程如下:
S11:所述全量数据单元采集全量数据并入库;
S12:所述增量数据单元采集增量数据并入库;
S13:所述格网数据单元将全量数据、增量数据流化处理,打散为格网数据;
S14:所述标识单元根据数据来源、分布规律、人工发现进行类型标识;
S15:安置单元则整理、保存、发送数据。
所述数据归类类模块得到的各类型数据,所述设备参数包括:各设备容量、长度、生产厂家、投运年限、电网结构、线路电网结构类型、变电站主变台数;准实时运行数据包括:负荷率、轻载/超载运行时间占比、平均负载率、峰谷差率、最大负载率;地域环境信息包括:位置、主地形、温度、湿度、雷电、台风详情。
所述模型建立模块建立实体关系模型,构建一对一、一对多、多对多联系的E-R图;使用Scikit-Learn库计算置信度、关联度、支持度,建立机器学习模型,使用k-means算法进行无监督学习,划出相似簇类、关联簇类;使用SG-CIM模型进行全面的数据质量控制。
所述异常分析模块计算电力损耗比例、对比实际传输电力各项指标与原本配置电力各项指标、计算各类型数据之间的置信度、关联度、支持度,通过机器学习模型与算法进行特征提取、训练学习、对比查询,判断是否在正常配电范围,判断异常原因、地域、设备,判断所在环境影响状况。
参照图3,所述运维决策模块根据所述异常分析模块分析结果和预设模糊评价模型生成应急需求分级信息,步骤如下:
S41:按预设所述电力异常信息和输入参数的对应关系确定所述输入参数,所述输入参数为模糊评价模型的输入;
S42:按所述输入参数与第一隶属度函数的预设对应关系确定第一隶属度函数;
S43:配电网生产决策支撑***自动匹配传入的计算输入操作,将所述输入参数进行模糊化计算得到模糊化参数;
S44:按预设所述模糊化参数和应急需求级别影响的对应关系进行应急需求级别模糊逻辑推理,得到模糊推理参数;
S45:按所述模糊推理参数与输出隶属度函数的预设对应关系确定第二隶属度函数;
S46:配电网生产决策支撑***自动匹配传入的计算输出操作,将所述模糊推理参数进行去模糊化计算得到应急需求分级信息。
由此可知,本发明一种配电网生产综合预警方法,解决了传统电网预警***的弊端,可以实现数据归类、异常分析、应急减损、人员和物资安排,减轻了随意性和盲目性,使用科学的分级方法作指导。
虽然,上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (6)
1.一种配电网生产综合预警方法,其特征在于:包括数据归类模块、模型建立模块、异常分析模块、预警告示模块以及运维决策模块,各模块联系流程如下:
S1:数据归类模块对数据平台中的数据根据类型和标识进行分类,其中,数据平台中的数据包括设备参数、准实时运行数据、地域环境信息;
S2:模型建立模块根据不同类型、标识的数据构建效率评价模型,供异常分析模块进行特征提取、训练学习、对比查询电力异常信息;
S3:S2的分析结果供预警告示模块进行可视化提醒,展示分析结果、设备参数、准实时运行数据、地域环境信息,响起警报,邮件、短信提醒;
S4:运维决策模块根据预警内容生成应急需求分级信息并据此生成不同的应急预案,所述应急预案包括安全巡视、消缺检修、故障维修、紧急抢修和环境改善的人员、物资的安排,最后解决异常后实时监测并反馈结果。
2.根据权利要求1所述的一种配电网生产综合预警方法,其特征在于:所述数据归类模块对海量的各类型数据分类,包括全量数据单元、增量数据单元、格网数据单元、标识单元以及安置单元,各单元联系流程如下:
S11:所述全量数据单元采集全量数据并入库;
S12:所述增量数据单元采集增量数据并入库;
S13:所述格网数据单元将全量数据、增量数据流化处理,打散为格网数据;
S14:所述标识单元根据数据来源、分布规律、人工发现进行类型标识;
S15:安置单元则整理、保存、发送数据。
3.根据权利要求1所述的一种配电网生产综合预警方法,其特征在于:所述数据平台中的设备参数包括:各设备容量、长度、生产厂家、投运年限、电网结构、线路电网结构类型、变电站主变台数;所述准实时运行数据包括:负荷率、轻载/超载运行时间占比、平均负载率、峰谷差率、最大负载率;所述地域环境信息包括:位置、主地形、温度、湿度、雷电、台风详情。
4.根据权利要求1所述的一种配电网生产综合预警方法,其特征在于:所述模型建立模块建立实体关系模型,构建一对一、一对多、多对多联系的E-R图;使用Scikit-Learn库计算置信度、关联度、支持度,建立机器学习模型,使用k-means算法进行无监督学习,划出相似簇类、关联簇类;使用SG-CIM模型进行全面的数据质量控制。
5.根据权利要求1所述的一种配电网生产综合预警方法,其特征在于,所述异常分析模块计算电力损耗比例、对比实际传输电力各项指标与原本配置电力各项指标、计算各类型数据之间的置信度、关联度、支持度,通过机器学习模型与算法进行特征提取、训练学习、对比查询,判断是否在正常配电范围,判断异常原因、地域、设备,判断所在环境影响状况。
6.根据权利要求1所述的一种配电网生产综合预警方法,其特征在于,所述运维决策模块根据所述异常分析模块分析结果和预设模糊评价模型生成应急需求分级信息,步骤如下:
S41:按预设所述电力异常信息和输入参数的对应关系确定所述输入参数,所述输入参数为模糊评价模型的输入;
S42:按所述输入参数与第一隶属度函数的预设对应关系确定第一隶属度函数;
S43:配电网生产决策支撑***自动匹配传入的计算输入操作,将所述输入参数进行模糊化计算得到模糊化参数;
S44:按预设所述模糊化参数和应急需求级别影响的对应关系进行应急需求级别模糊逻辑推理,得到模糊推理参数;
S45:按所述模糊推理参数与输出隶属度函数的预设对应关系确定第二隶属度函数;
S46:配电网生产决策支撑***自动匹配传入的计算输出操作,将所述模糊推理参数进行去模糊化计算得到应急需求分级信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911045186.1A CN110991799A (zh) | 2019-10-30 | 2019-10-30 | 一种配电网生产综合预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911045186.1A CN110991799A (zh) | 2019-10-30 | 2019-10-30 | 一种配电网生产综合预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110991799A true CN110991799A (zh) | 2020-04-10 |
Family
ID=70082666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911045186.1A Pending CN110991799A (zh) | 2019-10-30 | 2019-10-30 | 一种配电网生产综合预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110991799A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598409A (zh) * | 2020-04-24 | 2020-08-28 | 广西电网有限责任公司电力科学研究院 | 一种配电网运行效率监测与分析*** |
CN111987802A (zh) * | 2020-08-23 | 2020-11-24 | 国网山东省电力公司莱芜供电公司 | 一种配电网台区数据通信处理*** |
CN112269821A (zh) * | 2020-10-30 | 2021-01-26 | 内蒙古电力(集团)有限责任公司乌海超高压供电局 | 一种基于大数据的电力设备状态分析方法 |
CN114386767A (zh) * | 2021-12-14 | 2022-04-22 | 南通联拓信息科技有限公司 | 一种配电运维管理***的故障预警方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033855A (zh) * | 2012-12-12 | 2013-04-10 | 江苏省电力公司电力科学研究院 | 电网气象灾害监测预警*** |
CN104951993A (zh) * | 2014-09-04 | 2015-09-30 | 国网山东省电力公司应急管理中心 | 基于气象及电网gis的综合监测预警***及方法 |
CN108074021A (zh) * | 2016-11-10 | 2018-05-25 | 中国电力科学研究院 | 一种配电网风险辨识***及方法 |
CN108921443A (zh) * | 2018-07-11 | 2018-11-30 | 广东电网有限责任公司 | 一种电网预警调度***、方法、装置和服务器 |
CN109816161A (zh) * | 2019-01-14 | 2019-05-28 | 中国电力科学研究院有限公司 | 一种配电网运行辅助决策分析***及其应用方法 |
-
2019
- 2019-10-30 CN CN201911045186.1A patent/CN110991799A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033855A (zh) * | 2012-12-12 | 2013-04-10 | 江苏省电力公司电力科学研究院 | 电网气象灾害监测预警*** |
CN104951993A (zh) * | 2014-09-04 | 2015-09-30 | 国网山东省电力公司应急管理中心 | 基于气象及电网gis的综合监测预警***及方法 |
CN108074021A (zh) * | 2016-11-10 | 2018-05-25 | 中国电力科学研究院 | 一种配电网风险辨识***及方法 |
CN108921443A (zh) * | 2018-07-11 | 2018-11-30 | 广东电网有限责任公司 | 一种电网预警调度***、方法、装置和服务器 |
CN109816161A (zh) * | 2019-01-14 | 2019-05-28 | 中国电力科学研究院有限公司 | 一种配电网运行辅助决策分析***及其应用方法 |
Non-Patent Citations (1)
Title |
---|
曹寄梅等: "基于GIS和网格化原理的危险源监控和应急信息***设计初探", 《中国水运(下半月)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598409A (zh) * | 2020-04-24 | 2020-08-28 | 广西电网有限责任公司电力科学研究院 | 一种配电网运行效率监测与分析*** |
CN111987802A (zh) * | 2020-08-23 | 2020-11-24 | 国网山东省电力公司莱芜供电公司 | 一种配电网台区数据通信处理*** |
CN112269821A (zh) * | 2020-10-30 | 2021-01-26 | 内蒙古电力(集团)有限责任公司乌海超高压供电局 | 一种基于大数据的电力设备状态分析方法 |
CN114386767A (zh) * | 2021-12-14 | 2022-04-22 | 南通联拓信息科技有限公司 | 一种配电运维管理***的故障预警方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110991799A (zh) | 一种配电网生产综合预警方法 | |
CN111047082B (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
CN115329812B (zh) | 一种基于人工智能的桥梁基础设施异常监测方法 | |
CN117689214B (zh) | 一种柔性直流牵引供电***能量路由器动态安全评估方法 | |
CN111311133B (zh) | 一种应用于电网生产设备的监测*** | |
CN116720752A (zh) | 基于大数据的装配式建筑质量信息监管*** | |
CN116859857A (zh) | 基于远程控制的燃油泵装配生产线智能管理*** | |
CN110349048B (zh) | 变电站多维数据运行交互控制平台及故障处置方法 | |
CN113962439A (zh) | 基于工业大数据的云平台数据管理***及其构建方法 | |
CN116610747A (zh) | 一种基于三维数字的可视化智慧管理*** | |
CN116797403A (zh) | 通信台站供配电安全预警方法 | |
CN115407712A (zh) | 一种钢厂液压站智慧维修保养***及工作流程 | |
CN111105048B (zh) | 一种输变电物联网设备状态的预警方法 | |
CN112562277A (zh) | 一种设备故障预警方法及*** | |
CN114137302B (zh) | 一种电能计量器具检定全过程监控*** | |
CN113159503B (zh) | 一种远程遥控智能安全评估***和方法 | |
CN111709597B (zh) | 一种电网生产域运营监测*** | |
CN103616877A (zh) | 能源管网的监控诊断方法和*** | |
CN117390944A (zh) | 一种变电站运行工况仿真*** | |
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 | |
CN117521498A (zh) | 一种充电桩引导式故障诊断预测方法及*** | |
CN110348517B (zh) | 一种基于大数据的清洁能源供暖***报警分类预测方法 | |
CN110794799A (zh) | 应用于工业生产的具有故障诊断功能的大数据*** | |
CN113689676B (zh) | 一种钢化玻璃生产线的监控分析方法及其监控分析*** | |
CN114819214A (zh) | 一种高速公路机电设备智慧管养平台及方法 |
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: 20200410 |
|
RJ01 | Rejection of invention patent application after publication |