CN111400505A - 一种用电信息采集***匹配故障消缺方案的方法及*** - Google Patents
一种用电信息采集***匹配故障消缺方案的方法及*** Download PDFInfo
- Publication number
- CN111400505A CN111400505A CN202010175418.1A CN202010175418A CN111400505A CN 111400505 A CN111400505 A CN 111400505A CN 202010175418 A CN202010175418 A CN 202010175418A CN 111400505 A CN111400505 A CN 111400505A
- Authority
- CN
- China
- Prior art keywords
- fault
- data
- maintenance service
- fault data
- elimination scheme
- 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
- 238000003379 elimination reaction Methods 0.000 title claims abstract description 62
- 230000008030 elimination Effects 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000012423 maintenance Methods 0.000 claims abstract description 56
- 238000012549 training Methods 0.000 claims abstract description 36
- 230000007547 defect Effects 0.000 claims abstract description 34
- 238000003745 diagnosis Methods 0.000 claims abstract description 27
- 239000013598 vector Substances 0.000 claims abstract description 17
- 239000013604 expression vector Substances 0.000 claims abstract description 11
- 238000012360 testing method Methods 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims description 24
- 238000007781 pre-processing Methods 0.000 claims description 12
- 230000005611 electricity Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000004075 alteration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Animal Behavior & Ethology (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用电信息采集***匹配故障消缺方案的方法及***,属于电力营销技术领域。本发明方法,包括:建立实体、关系和实体三元组形式的故障诊断知识图谱;确定故障数据的内容和规模,并根据故障数据的内容和规模确定故障数据的嵌入维数;初始化故障诊断知识图谱,并将故障诊断知识图谱中三元组初始化编码作为维度向量;根据嵌入维数和维度向量,采集训练样本,针对训练样本进行学习训练,获取三元组表示向量;获取用电信息采集***采集的运维业务待匹配的故障数据,并根据三元组表示向量对待匹配的故障数据进行测试,输出故障消缺方案。本发明适用于所有采集现场运维业务,使用知识图谱智能匹配消缺方案。
Description
技术领域
本发明涉及电力营销技术领域,并且更具体地,涉及一种用电信息采集***匹配故障消缺方案的方法及***。
背景技术
随着国家电网公司用电信息采集***的全覆盖,用采***工作重心逐渐由***建设向***运维转换,现场运行设备的状态监测及故障处理成为工作重点。在实际的运维工作中,由于计量设备现场故障种类繁多且发生概率离散,无明显规律可寻,故障原因多样,同一种故障可能由多种原因导致,现场情况十分复杂,现场设备故障处理对运维人员的技术水平要求较高,缺乏有效的现场智能化处理工具。
目前,现有采集运维***的故障消缺方案通过手工添加,来源单一,且手动添加知识存在工作量大、易错性高的缺点,同时故障消缺方案大多基于事实,并不具备抽象概况能力,不具备智能匹配能力,对实际工作的指导意义较弱。鉴于此,如何为采集运维故障消缺减少人工操作,实现故障消缺方案的快速智能匹配成为目前亟待解决的技术问题。
发明内容
针对上述问题本发明提出了一种用电信息采集***匹配故障消缺方案的方法,包括:
获取采集运维业务故障数据及匹配的消缺方案,对运维业务故障数据及匹配的消缺方案进行预处理,针对预处理后的运维业务故障数据及消缺方案建立实体、关系和实体三元组形式的故障诊断知识图谱;
确定故障数据的内容和规模,并根据故障数据的内容和规模确定故障数据的嵌入维数;
初始化故障诊断知识图谱,并将故障诊断知识图谱中三元组初始化编码作为维度向量;
根据嵌入维数和维度向量,采集训练样本,针对训练样本进行学习训练,获取三元组表示向量;
获取运维业务待匹配的故障数据,并根据三元组表示向量对待匹配的故障数据进行测试,输出故障消缺方案。
可选的,采集运维业务故障数据,包括:
结构化数据、非结构化数据和半结构化数据。
可选的,故障诊断知识图谱根据表结构和图结构进行建立;
所述表结构,包括:三元组表、类型表和关系数据库;
所述图结构,包括:资源描述框架、属性图和超图。
可选的,训练样本的采集,包括:
以采集运维业务故障及对应的故障消缺方案作为三元组的正采样样本,替换正采样样本三元组头实体或尾实体,确定负采样样本,根据负采样样本确定训练样本。
可选的,预处理为对采集运维业务故障数据及匹配的消缺方案进行校验,删除运维业务故障数据及匹配的消缺方案中的错误信息。
本发明还提出了一种用电信息采集***匹配故障消缺方案的***,包括:
采集模块,获取采集运维业务故障数据及匹配的消缺方案,对运维业务故障数据及匹配的消缺方案进行预处理,针对预处理后的运维业务故障数据及消缺方案建立实体、关系和实体三元组形式的故障诊断知识图谱;
第一参数确定模块,确定故障数据的内容和规模,并根据故障数据的内容和规模确定故障数据的嵌入维数;
第二参数确定模块,初始化故障诊断知识图谱,并将故障诊断知识图谱中三元组初始化编码作为维度向量;
训练模块,根据嵌入维数和维度向量,采集训练样本,针对训练样本进行学习训练,获取三元组表示向量;
测试模块,获取运维业务待匹配的故障数据,并根据三元组表示向量对待匹配的故障数据进行测试,输出故障消缺方案。
可选的,采集运维业务故障数据,包括:
结构化数据、非结构化数据和半结构化数据。
可选的,故障诊断知识图谱根据表结构和图结构进行建立;
所述表结构,包括:三元组表、类型表和关系数据库;
所述图结构,包括:资源描述框架、属性图和超图。
可选的,训练样本的采集,包括:
以采集运维业务故障及对应的故障消缺方案作为三元组的正采样样本,替换正采样样本三元组头实体或尾实体,确定负采样样本,根据负采样样本确定训练样本。
可选的,预处理为对采集运维业务故障数据及匹配的消缺方案进行校验,删除运维业务故障数据及匹配的消缺方案中的错误信息。
本发明适用于所有采集现场运维业务,使用知识图谱智能匹配消缺方案。
附图说明
图1为本发明一种用电信息采集***匹配故障消缺方案的方案流程图;
图2为本发明、一种用电信息采集***匹配故障消缺方案的***结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
本发明提出了一种用电信息采集***匹配故障消缺方案的方法,如图1所示,包括:
获取采集运维业务故障数据及匹配的消缺方案,对运维业务故障数据及匹配的消缺方案进行预处理,针对预处理后的运维业务故障数据及消缺方案建立实体、关系和实体三元组形式的故障诊断知识图谱;
其中,预处理为对采集运维业务故障数据及匹配的消缺方案进行校验,删除运维业务故障数据及匹配的消缺方案中的错误信息;
其中,采集运维业务故障数据,包括:结构化数据、非结构化数据和半结构化数据;
其中,故障诊断知识图谱根据表结构和图结构进行建立;
表结构,包括:三元组表、类型表和关系数据库;
图结构,包括:资源描述框架、属性图和超图;
确定故障数据的内容和规模,并根据故障数据的内容和规模确定故障数据的嵌入维数;
初始化故障诊断知识图谱,并将故障诊断知识图谱中三元组初始化编码作为维度向量;
根据嵌入维数和维度向量,采集训练样本,针对训练样本进行学习训练,获取三元组表示向量;
其中,训练样本的采集,包括:
以采集运维业务故障及对应的故障消缺方案作为三元组的正采样样本,替换正采样样本三元组头实体或尾实体,确定负采样样本,根据负采样样本确定训练样本。
获取运维业务待匹配的故障数据,并根据三元组表示向量对待匹配的故障数据进行测试,输出故障消缺方案。
本发明还提出了一种用电信息采集***匹配故障消缺方案的***200,如图2所示,包括:
采集模块201,获取采集运维业务故障数据及匹配的消缺方案,对运维业务故障数据及匹配的消缺方案进行预处理,针对预处理后的运维业务故障数据及消缺方案建立实体、关系和实体三元组形式的故障诊断知识图谱;
第一参数确定模块202,确定故障数据的内容和规模,并根据故障数据的内容和规模确定故障数据的嵌入维数;
第二参数确定模块203,初始化故障诊断知识图谱,并将故障诊断知识图谱中三元组初始化编码作为维度向量;
训练模块204,根据嵌入维数和维度向量,采集训练样本,针对训练样本进行学习训练,获取三元组表示向量;
测试模块205,获取运维业务待匹配的故障数据,并根据三元组表示向量对待匹配的故障数据进行测试,输出故障消缺方案。
采集运维业务故障数据,包括:
结构化数据、非结构化数据和半结构化数据。
故障诊断知识图谱根据表结构和图结构进行建立;
表结构,包括:三元组表、类型表和关系数据库;
图结构,包括:资源描述框架、属性图和超图。
训练样本的采集,包括:
以采集运维业务故障及对应的故障消缺方案作为三元组的正采样样本,替换正采样样本三元组头实体或尾实体,确定负采样样本,根据负采样样本确定训练样本。
预处理为对采集运维业务故障数据及匹配的消缺方案进行校验,删除运维业务故障数据及匹配的消缺方案中的错误信息。
本发明适用于所有采集现场运维业务,使用知识图谱智能匹配消缺方案。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现,例如,面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
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权利要求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 (10)
1.一种用电信息采集***匹配故障消缺方案的方法,所述方法包括:
获取运维业务故障数据及匹配的消缺方案,对运维业务故障数据及匹配的消缺方案进行预处理,针对预处理后的运维业务故障数据及消缺方案建立实体、关系和实体三元组形式的故障诊断知识图谱;
确定故障数据的内容和规模,并根据故障数据的内容和规模确定故障数据的嵌入维数;
初始化故障诊断知识图谱,并将故障诊断知识图谱中三元组初始化编码作为维度向量;
根据嵌入维数和维度向量,采集训练样本,针对训练样本进行学习训练,获取三元组表示向量;
获取运维业务待匹配的故障数据,并根据三元组表示向量对待匹配的故障数据进行测试,输出故障消缺方案。
2.根据权利要求1所述的方法,所述运维业务故障数据,包括:
结构化数据、非结构化数据和半结构化数据。
3.根据权利要求1所述的方法,所述故障诊断知识图谱根据表结构和图结构进行建立;
所述表结构,包括:三元组表、类型表和关系数据库;
所述图结构,包括:资源描述框架、属性图和超图。
4.根据权利要求1所述的方法,所述训练样本的采集,包括:
以采集运维业务故障及对应的故障消缺方案作为三元组的正采样样本,替换正采样样本三元组头实体或尾实体,确定负采样样本,根据负采样样本确定训练样本。
5.根据权利要求1所述的方法,所述预处理为对采集运维业务故障数据及匹配的消缺方案进行校验,删除运维业务故障数据及匹配的消缺方案中的错误信息。
6.一种用电信息采集***匹配故障消缺方案的***,所述***包括:
采集模块,获取采集运维业务故障数据及匹配的消缺方案,对运维业务故障数据及匹配的消缺方案进行预处理,针对预处理后的运维业务故障数据及消缺方案建立实体、关系和实体三元组形式的故障诊断知识图谱;
第一参数确定模块,确定故障数据的内容和规模,并根据故障数据的内容和规模确定故障数据的嵌入维数;
第二参数确定模块,初始化故障诊断知识图谱,并将故障诊断知识图谱中三元组初始化编码作为维度向量;
训练模块,根据嵌入维数和维度向量,采集训练样本,针对训练样本进行学习训练,获取三元组表示向量;
测试模块,获取运维业务待匹配的故障数据,并根据三元组表示向量对待匹配的故障数据进行测试,输出故障消缺方案。
7.根据权利要求6所述的***,所述采集运维业务故障数据,包括:
结构化数据、非结构化数据和半结构化数据。
8.根据权利要求6所述的***,所述故障诊断知识图谱根据表结构和图结构进行建立;
所述表结构,包括:三元组表、类型表和关系数据库;
所述图结构,包括:资源描述框架、属性图和超图。
9.根据权利要求6所述的***,所述训练样本的采集,包括:
以采集运维业务故障及对应的故障消缺方案作为三元组的正采样样本,替换正采样样本三元组头实体或尾实体,确定负采样样本,根据负采样样本确定训练样本。
10.根据权利要求6所述的***,所述预处理为对采集运维业务故障数据及匹配的消缺方案进行校验,删除运维业务故障数据及匹配的消缺方案中的错误信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010175418.1A CN111400505A (zh) | 2020-03-13 | 2020-03-13 | 一种用电信息采集***匹配故障消缺方案的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010175418.1A CN111400505A (zh) | 2020-03-13 | 2020-03-13 | 一种用电信息采集***匹配故障消缺方案的方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111400505A true CN111400505A (zh) | 2020-07-10 |
Family
ID=71428814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010175418.1A Pending CN111400505A (zh) | 2020-03-13 | 2020-03-13 | 一种用电信息采集***匹配故障消缺方案的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111400505A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101592A (zh) * | 2020-09-08 | 2020-12-18 | 中国电力科学研究院有限公司 | 电力二次设备缺陷诊断方法、***、设备及存储介质 |
CN113723632A (zh) * | 2021-08-27 | 2021-11-30 | 北京邮电大学 | 一种基于知识图谱的工业设备故障诊断方法 |
CN113761225A (zh) * | 2021-09-09 | 2021-12-07 | 昆明理工大学 | 一种融合知识图谱与多元神经网络模型的汽车发动机故障预测方法 |
CN113870046A (zh) * | 2021-09-07 | 2021-12-31 | 国网河北省电力有限公司电力科学研究院 | 电力设备故障诊断方法及设备 |
CN114117077A (zh) * | 2021-12-02 | 2022-03-01 | 睿云奇智(重庆)科技有限公司 | 运维知识图谱构建及运维的方法、装置及计算机设备、存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509483A (zh) * | 2018-01-31 | 2018-09-07 | 北京化工大学 | 基于知识图谱的机械故障诊断知识库构建方法 |
CN109885021A (zh) * | 2019-02-15 | 2019-06-14 | 中国电力科学研究院有限公司 | 一种基于实时采集数据对采集设备进行监测的方法及*** |
CN110033101A (zh) * | 2019-03-07 | 2019-07-19 | 华中科技大学 | 基于融合特征的知识图谱的水电机组故障诊断方法和*** |
CN110837566A (zh) * | 2019-11-15 | 2020-02-25 | 北京邮电大学 | 一种针对cnc机床故障诊断的知识图谱的动态构建方法 |
-
2020
- 2020-03-13 CN CN202010175418.1A patent/CN111400505A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509483A (zh) * | 2018-01-31 | 2018-09-07 | 北京化工大学 | 基于知识图谱的机械故障诊断知识库构建方法 |
CN109885021A (zh) * | 2019-02-15 | 2019-06-14 | 中国电力科学研究院有限公司 | 一种基于实时采集数据对采集设备进行监测的方法及*** |
CN110033101A (zh) * | 2019-03-07 | 2019-07-19 | 华中科技大学 | 基于融合特征的知识图谱的水电机组故障诊断方法和*** |
CN110837566A (zh) * | 2019-11-15 | 2020-02-25 | 北京邮电大学 | 一种针对cnc机床故障诊断的知识图谱的动态构建方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101592A (zh) * | 2020-09-08 | 2020-12-18 | 中国电力科学研究院有限公司 | 电力二次设备缺陷诊断方法、***、设备及存储介质 |
CN113723632A (zh) * | 2021-08-27 | 2021-11-30 | 北京邮电大学 | 一种基于知识图谱的工业设备故障诊断方法 |
CN113723632B (zh) * | 2021-08-27 | 2024-03-05 | 北京邮电大学 | 一种基于知识图谱的工业设备故障诊断方法 |
CN113870046A (zh) * | 2021-09-07 | 2021-12-31 | 国网河北省电力有限公司电力科学研究院 | 电力设备故障诊断方法及设备 |
CN113870046B (zh) * | 2021-09-07 | 2024-06-18 | 国网河北省电力有限公司电力科学研究院 | 电力设备故障诊断方法及设备 |
CN113761225A (zh) * | 2021-09-09 | 2021-12-07 | 昆明理工大学 | 一种融合知识图谱与多元神经网络模型的汽车发动机故障预测方法 |
CN114117077A (zh) * | 2021-12-02 | 2022-03-01 | 睿云奇智(重庆)科技有限公司 | 运维知识图谱构建及运维的方法、装置及计算机设备、存储介质 |
CN114117077B (zh) * | 2021-12-02 | 2023-01-31 | 睿云奇智(重庆)科技有限公司 | 运维知识图谱构建及运维的方法、装置及计算机设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111400505A (zh) | 一种用电信息采集***匹配故障消缺方案的方法及*** | |
CN106201871A (zh) | 基于代价敏感半监督的软件缺陷预测方法 | |
CN111563606A (zh) | 一种设备预测性维护方法及装置 | |
CN109033322A (zh) | 一种多维数据的测试方法和装置 | |
CN109189407A (zh) | 一种对多芯片烧录的统计方法、***、装置和存储介质 | |
CN113780367A (zh) | 分类模型训练和数据分类方法、装置、电子设备 | |
CN106933572B (zh) | 一种基于llvm中间表示程序切片的度量模型 | |
CN109088793B (zh) | 用于检测网络故障的方法和装置 | |
CN105207797A (zh) | 故障定位方法和装置 | |
CN116523284A (zh) | 基于机器学习的业务操作流程自动化评估方法、*** | |
CN111309791A (zh) | 一种检测仪器数据自动采集方法 | |
CN110850358A (zh) | 基于逐步回归算法的电能表综合检定方法及*** | |
CN117520184A (zh) | 一种计算机软件开发用测试*** | |
CN109508204B (zh) | 一种前端代码质量检测方法及装置 | |
CN111522705A (zh) | 一种工业大数据智能运维解决方法 | |
CN110968518A (zh) | 自动化测试日志文件的分析方法及装置 | |
CN111240978A (zh) | 数据报告生成与分析方法 | |
CN110600090A (zh) | 一种临床检验数据处理方法、装置、介质及终端设备 | |
CN113282496B (zh) | 接口自动测试方法、装置、设备及存储介质 | |
CN111144429A (zh) | 对象分类方法及其***、计算机***及计算机可读介质 | |
Yan et al. | Revisiting the correlation between alerts and software defects: A case study on myfaces, camel, and cxf | |
CN113791980A (zh) | 测试用例的转化分析方法、装置、设备及存储介质 | |
de Araujo et al. | Explainability for Property Violations in Cyber-Physical Systems: An Immune-Inspired Approach | |
CN113919609A (zh) | 一种配电网模型质量综合评估方法和*** | |
CN106855841B (zh) | 一种***内存分析方法和装置 |
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 |