CN112486959A - 基于图数据库技术的电网动态拓扑结构智能识别方法 - Google Patents
基于图数据库技术的电网动态拓扑结构智能识别方法 Download PDFInfo
- Publication number
- CN112486959A CN112486959A CN202011212641.5A CN202011212641A CN112486959A CN 112486959 A CN112486959 A CN 112486959A CN 202011212641 A CN202011212641 A CN 202011212641A CN 112486959 A CN112486959 A CN 112486959A
- Authority
- CN
- China
- Prior art keywords
- data
- graph
- power grid
- grid
- graph database
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000004140 cleaning Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 238000013528 artificial neural network Methods 0.000 claims abstract description 5
- 238000007637 random forest analysis Methods 0.000 claims abstract description 5
- 238000012706 support-vector machine Methods 0.000 claims abstract description 5
- 230000004927 fusion Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000013213 extrapolation Methods 0.000 abstract description 3
- 238000009826 distribution Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000005611 electricity Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000124033 Salix Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000003908 quality control method Methods 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于图数据库技术的电网动态拓扑结构智能识别方法，其步骤是：步骤一：对各***的台账数据进行采集，并识别提取相应的数据信息；步骤二：以文本相似度、共有属性一致性、图结构特征作为模型分析规则，并通过随机森林、支持向量机和神经网络算法，分别对提取的数据信息进行逻辑核查，并得出核查分析结果；步骤三：通过数据清洗去除核查后台账数据中的过时数据、无效数据，重复数据；步骤四：基于国网SG‑CIM3.0数据标准，运用图数据库技术，将清洗后的台账数据转换为电网网架拓扑图，存储在图数据库中；步骤五：通过电网网架拓扑图中的连接关系存在的错误及数据质量问题，使用台区线损反推，找出户变关系中存在的错误问题。
Description
技术领域：
本发明涉及配网技术领域，特别是涉及一种基于图数据库技术的电网动态拓扑结构智能识别方法。
背景技术：
随着***建设的持续推进，公司信息化、数字化水平不断提高，但在***、数据应用过程中，存在着数据不完整、不准确等数据质量问题。数据质量是数据的生命，是企业开展数据应用、实现价值挖掘的基础。数据质量管控是公司建成信息化、自动化、互动化智能电网的重要保障，低质量的数据将导致业务流程阻塞、成本增加甚至决策困难等一系列的严重问题。
电力行业网架设备是电量输送的基础，其中配网网架与用户用电体验密切相关，配网台账数据存储于电力公司的营销***、生产管理***（PMS）、地理信息***（GIS）中，这些台账数据存在很多数据质量问题，其中以数据不完整、属性值不准确、数据关系错误问题最为突出，最难解决。
（1）数据不完整问题是指数据没有覆盖所有的真实存在的实体对象，一些实际存在的实体对象在***中没有对应的台账数据。
（2）数据不准确问题是指某些台账数据的某些属性值与实际实体对象的真实属性不相符。
（3）数据关系错误问题是指台账数据之间的关联关系不符合电网业务规则，或者与现场实际不相符。
因此如何通过建立合理的业务数据更新流程和智能化的设备信息纠错模型，保证公司设备台账的准确对应，设备关系的实时更新，成为了当前管理公司设备资产和数据资产的首要问题。
发明内容：
本发明所要解决的技术问题是：克服现有技术的不足，综合GIS、PMS、营销的台账数据，使用图数据库技术构建电网网架图，基于图进行电网拓扑逻辑分析，发现电网网架图中的连接关系错误的数据质量问题，并使用台区线损反推户变关系错误问题的基于图数据库技术的电网动态拓扑结构智能识别方法。
本发明的技术方案是：一种基于图数据库技术的电网动态拓扑结构智能识别方法，基于电网网架模型，运用图数据库技术，将各个业务***的台账数据转换为电网网架拓扑图，使用各个业务***的电网网架拓扑图生成融合网架图，对于这些电网网架拓扑图进行核查，其具体步骤是：
步骤一，对各***的台账数据进行采集，并识别提取相应的数据信息；
步骤二，以文本相似度、共有属性一致性、图结构特征作为模型分析规则，并通过随机森林、支持向量机和神经网络算法，分别对提取的数据信息进行逻辑核查，并得出核查分析结果；
步骤三， 通过数据清洗去除核查后台账数据中的过时数据、无效数据，重复数据；
步骤四，基于国网SG-CIM3.0数据标准，运用图数据库技术，将清洗后的台账数据转换为电网网架拓扑图，存储在图数据库中；
步骤五，通过电网网架拓扑图中的连接关系存在的错误及数据质量问题，使用台区线损反推，找出户变关系中存在的错误问题。
进一步的，所述步骤二中，逻辑核查包括：（1）、标准的电网网架核查；（2）、营销、GIS、PMS图核查；（3）、一致性核查；（4）、图融合核查。
进一步的，所述步骤三中，数据清洗的步骤是:（1）、对数据中所包含的不相关及冗余字段进行剔除操作；其次筛选出符合条件的数据，对不满足要求的数据进行剔除；（2）、在数据筛选步骤完成之后，数据中所含缺失值数量较少，对后续分析结果影响不大，故对于缺失值采用删除处理；（3）、针对数据量纲不统一影响后续数据分析的问题，对数据进行归一化处理。
进一步的，所述步骤四中，将各单***网架图重叠，各图中相同的节点和关系合并为一个，各个图中独有的节点和关系全部添加到融合图。
进一步的，所述步骤五中，各个图的相同节点合并成一个时，节点的属性值也将进行合并，如果待合并的节点的属性值都相同，那么合并后的属性值可以确定；否则，合并后的属性值为”有歧义”，并对相关的业务***进行排查，找出出现错误的业务***台账。
本发明的有益效果是：
本发明基于国网SG-CIM3.0数据标准，运用图数据库技术，将各个业务***的台账数据转换为电网网架拓扑图，使用各个业务***的电网网架拓扑图生成融合网架图，对于这些电网网架拓扑图进行核查；提出一套标准的、全面的、可信的数据核查逻辑算法，适用于任何存储有配网台账数据的业务***进行数据核查，避免以往人工数据核查方式各个业务***需要编写专用的数据核查逻辑算法的问题。
对于各个***的台账数据分别进行逻辑核查，可以发现属性不完整、数据不规范、明显的数据不准确、数据关系违反业务规则的问题。但是无法发现数据不完整、数据值与实际情况不符、数据关系与实际情况不符的问题。通过***间数据横向对比可以发现这些遗留的数据问题。
电网台账数据在各个业务***都有存储，某个业务***缺失的台账数据可能在其他的业务***中存在有记录；某个业务***错误的台账数据、数据关系可能在其他的业务***存在正确的台账记录、正确的数据关系记录。
通过横向比较多个业务***中的台账数据，发现各个***之间不一致的数据、数据属性、数据关系，这些不一致的内容就是可疑的数据问题。对这些不一致的内容进行进一步确认，就可以发现错误的数据。
横向比较多个业务***的台账数据需要依赖营配贯通成果，横向比较多个业务***的台账数据时能够发现营配贯通存在的错误。因此，横向比较多个业务***的台账数据还可以起到核查营配贯通成果的作用。
附图说明：
图1为本发明的理论流程框图。
图2为本发明的***架构框图。
图3为电网网架元模型设计图。
图4为数据清洗过程框图。
图5为依据电网网架元模型生成的电网拓扑图。
图6为单***网架图融合为融合图的过程图。
图7为逻辑核查执行过程框图。
具体实施方式：
实施例：参见图1、图2、图3、图4、图5、图6和图7。
基于图数据库技术的电网动态拓扑结构智能识别方法，其步骤是：步骤一：对各***的台账数据进行采集，并识别提取相应的数据信息；步骤二：以文本相似度、共有属性一致性、图结构特征作为模型分析规则，并通过随机森林、支持向量机和神经网络算法，分别对提取的数据信息进行逻辑核查，并得出核查分析结果；步骤三：通过数据清洗去除核查后台账数据中的过时数据、无效数据，重复数据；步骤四：基于国网SG-CIM3.0数据标准，运用图数据库技术，将清洗后的台账数据转换为电网网架拓扑图，存储在图数据库中；步骤五：通过电网网架拓扑图中的连接关系存在的错误及数据质量问题，使用台区线损反推，找出户变关系中存在的错误问题。
下面结合附图和实施例对本申请进行详细描述。
步骤一：对各***的台账数据进行采集，并识别提取相应的数据信息；
对于电子台账通过数据线或者U盘进行传输，对于纸质台账通过图形识别技术进行自动识别输入或者人工手动输入。
步骤二：以文本相似度、共有属性一致性、图结构特征作为模型分析规则，并通过随机森林、支持向量机和神经网络算法，分别对提取的数据信息进行逻辑核查，并得出核查分析结果；
逻辑核查包括：（1）、标准的电网网架核查：由于不同业务***的台账数据转换成了标准的电网网架拓扑图进行核查，因此，核查逻辑是唯一的、标准的。核查的方式是检查电网网架拓扑图是否有不符合电网网架逻辑的拓扑关系。
（2）、营销、GIS、PMS图核查：单业务***内的数据核查可以发现属性不完整问题、数据不规范问题、明显的数据不准确问题、数据关系违反业务规则的问题。这些问题举例说明如下：
属性不完整问题。例如，用电客户缺少用户类别值。
属性值不规范问题。例如，用户联系人电话是1376654342，少了一位；用户身份证号码是Y10111197210246576。
明显的数据不准确问题。例如，用电客户的送电日期是1933年7月23日。
数据关系违反业务规则。例如，一个10kV馈线关联了两个变电站（规则是一个10kV馈线只能关联一个变电站）。
单业务***内的数据核查无法发现数据不完整、数据值与实际情况不符、数据关系与实际情况不符的问题。这些问题举例说明如下：
数据不完整问题，例如，实际电网有杨金变杨金5板贺柳线，但是营销***馈线台账中没有此线路。
数据值与实际不相符的问题。例如，新华北路27号用户用电类型是居民，实际上应该是商业用户。
（3）、一致性核查；一致性核查的目的是横向比较各个业务***的台账数据，发现相对于其他***缺失的台账数据，解决业务***数据不完整的问题。一致性核查的基础是营配贯通成果。
（4）、图融合核查：单业务***拓扑图核查无法发现某些拓扑关系符合业务逻辑，但是却和实际电网情况不符的问题。同样的拓扑关系可能在其他业务***中有正确的记录。通过图融合就能发现这样的问题。
步骤三：通过数据清洗去除核查后台账数据中的过时数据、无效数据，重复数据；
数据清洗的步骤是:（1）、对数据中所包含的不相关及冗余字段进行剔除操作；其次筛选出符合条件的数据，对不满足要求的数据进行剔除；（2）、在数据筛选步骤完成之后，数据中所含缺失值数量较少，对后续分析结果影响不大，故对于缺失值采用删除处理；（3）、针对数据量纲不统一影响后续数据分析的问题，对数据进行归一化处理。
步骤四：基于国网SG-CIM3.0数据标准，运用图数据库技术，将清洗后的台账数据转换为电网网架拓扑图，存储在图数据库中；
这个数据标准被称为电网网架元模型。电网网架元模型依据国网SG-CIM3.0设计，定义了真实电网中各类实体以及实体之间的关系。
图数据库中的图是由顶点（Vertex），边（Edge）组成的，顶点和边都可以设置属性，顶点也称作节点，边也称作关系，每个节点和关系都可以由一个或多个属性。
融合电网网架拓扑图的生成方式是，将各单***网架图重叠，各图中相同的节点和关系合并为一个，各个图中独有的节点和关系全部添加到融合图。
步骤五：通过电网网架拓扑图中的连接关系存在的错误及数据质量问题，使用台区线损反推，找出户变关系中存在的错误问题。
各个图的相同节点合并成一个时，节点的属性值也将进行合并，如果待合并的节点的属性值都相同，那么合并后的属性值可以确定；否则，合并后的属性值为”有歧义”，并对相关的业务***进行排查，找出出现错误的业务***台账。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (5)
1.一种基于图数据库技术的电网动态拓扑结构智能识别方法，基于电网网架模型，运用图数据库技术，将各个业务***的台账数据转换为电网网架拓扑图，使用各个业务***的电网网架拓扑图生成融合网架图，对于这些电网网架拓扑图进行核查，其具体步骤是：
步骤一、对各***的台账数据进行采集，并识别提取相应的数据信息；
步骤二、以文本相似度、共有属性一致性、图结构特征作为模型分析规则，并通过随机森林、支持向量机和神经网络算法，分别对提取的数据信息进行逻辑核查，并得出核查分析结果；
步骤三、通过数据清洗去除核查后台账数据中的过时数据、无效数据，重复数据；
步骤四、基于国网SG-CIM3.0数据标准，运用图数据库技术，将清洗后的台账数据转换为电网网架拓扑图，存储在图数据库中；
步骤五、通过电网网架拓扑图中的连接关系存在的错误及数据质量问题，使用台区线损反推，找出户变关系中存在的错误问题。
2.根据权利要求1所述的基于图数据库技术的电网动态拓扑结构智能识别方法，其特征是：所述步骤二中，逻辑核查包括：（1）、标准的电网网架核查；（2）、营销、GIS、PMS图核查；（3）、一致性核查；（4）、图融合核查。
3.根据权利要求1所述的基于图数据库技术的电网动态拓扑结构智能识别方法，其特征是：所述步骤三中，数据清洗的步骤是:（1）、对数据中所包含的不相关及冗余字段进行剔除操作；其次筛选出符合条件的数据，对不满足要求的数据进行剔除；（2）、在数据筛选步骤完成之后，数据中所含缺失值数量较少，对后续分析结果影响不大，故对于缺失值采用删除处理；（3）、针对数据量纲不统一影响后续数据分析的问题，对数据进行归一化处理。
4.根据权利要求1所述的基于图数据库技术的电网动态拓扑结构智能识别方法，其特征是：所述步骤四中，将各单***网架图重叠，各图中相同的节点和关系合并为一个，各个图中独有的节点和关系全部添加到融合图。
5.根据权利要求1所述的基于图数据库技术的电网动态拓扑结构智能识别方法，其特征是：所述步骤五中，各个图的相同节点合并成一个时，节点的属性值也将进行合并，如果待合并的节点的属性值都相同，那么合并后的属性值可以确定；否则，合并后的属性值为”有歧义”，并对相关的业务***进行排查，找出出现错误的业务***台账。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011212641.5A CN112486959A (zh) | 2020-11-03 | 2020-11-03 | 基于图数据库技术的电网动态拓扑结构智能识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011212641.5A CN112486959A (zh) | 2020-11-03 | 2020-11-03 | 基于图数据库技术的电网动态拓扑结构智能识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112486959A true CN112486959A (zh) | 2021-03-12 |
Family
ID=74928017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011212641.5A Pending CN112486959A (zh) | 2020-11-03 | 2020-11-03 | 基于图数据库技术的电网动态拓扑结构智能识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112486959A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113327071A (zh) * | 2021-08-04 | 2021-08-31 | 深圳市深水水务咨询有限公司 | 基于5g的环境管理方法、装置、计算机设备及存储介质 |
| CN116718979A (zh) * | 2023-08-08 | 2023-09-08 | 北京京仪北方仪器仪表有限公司 | 一种智能电表运行误差测量方法和*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150379051A1 (en) * | 2013-02-07 | 2015-12-31 | Qatar Foundation | Methods and systems for data cleaning |
| CN106777150A (zh) * | 2016-12-19 | 2017-05-31 | 国网山东省电力公司电力科学研究院 | 一种融合电网运行环境及设备信息的跨***数据转换方法 |
| CN111160868A (zh) * | 2019-12-31 | 2020-05-15 | 国网北京市电力公司 | 基于图融合技术的统一配网网架拓扑构建方法 |
-
2020
- 2020-11-03 CN CN202011212641.5A patent/CN112486959A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150379051A1 (en) * | 2013-02-07 | 2015-12-31 | Qatar Foundation | Methods and systems for data cleaning |
| CN106777150A (zh) * | 2016-12-19 | 2017-05-31 | 国网山东省电力公司电力科学研究院 | 一种融合电网运行环境及设备信息的跨***数据转换方法 |
| CN111160868A (zh) * | 2019-12-31 | 2020-05-15 | 国网北京市电力公司 | 基于图融合技术的统一配网网架拓扑构建方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113327071A (zh) * | 2021-08-04 | 2021-08-31 | 深圳市深水水务咨询有限公司 | 基于5g的环境管理方法、装置、计算机设备及存储介质 |
| CN113327071B (zh) * | 2021-08-04 | 2021-11-30 | 深圳市深水水务咨询有限公司 | 基于5g的环境管理方法、装置、计算机设备及存储介质 |
| CN116718979A (zh) * | 2023-08-08 | 2023-09-08 | 北京京仪北方仪器仪表有限公司 | 一种智能电表运行误差测量方法和*** |
| CN116718979B (zh) * | 2023-08-08 | 2023-10-24 | 北京京仪北方仪器仪表有限公司 | 一种智能电表运行误差测量方法和*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021135177A1 (zh) | 一种能源数据仓库***构建方法及装置 | |
| CN104881424B (zh) | 一种基于正则表达式的电力大数据采集、存储及分析方法 | |
| US5604892A (en) | Method for modeling a physical system of elements using a relational database | |
| CN111915135A (zh) | 一种生产运营监管*** | |
| CN102439818A (zh) | 自动生成变电站goose信号连接拓扑关系的方法和设备 | |
| CN111552813A (zh) | 一种基于电网全业务数据的电力知识图谱构建方法 | |
| CN102403718B (zh) | 基于Arcgis的电网拓扑关系生成方法 | |
| CN108446396B (zh) | 一种基于改进型cim模型的电力数据处理方法 | |
| CN115545450A (zh) | 一种基于数字孪生的碳排放协同预测方法 | |
| CN112486959A (zh) | 基于图数据库技术的电网动态拓扑结构智能识别方法 | |
| CN113706333A (zh) | 一种配电网拓扑岛自动生成的方法和*** | |
| WO2021135727A1 (zh) | 一种能源数据仓库*** | |
| CN112817958A (zh) | 电力规划数据采集方法、装置及智能终端 | |
| CN111192010A (zh) | 台账数据处理方法和装置 | |
| CN112256882A (zh) | 一种基于多重相似度的跨***配网实体融合方法 | |
| CN107862459B (zh) | 一种基于大数据的计量设备状态评估方法及*** | |
| CN108764750A (zh) | 主配网模型建模及拓扑分析方法和*** | |
| Bakalov et al. | A network model for the utility domain | |
| CN115016902B (zh) | 工业流程数字化管理***及方法 | |
| CN115827885A (zh) | 一种运维知识图谱的构建方法、装置及电子设备 | |
| CN113779178A (zh) | 基于知识图谱的数据存储方法和装置 | |
| CN109522292A (zh) | 基于电网标准统一信息模型的数据处理装置和方法 | |
| CN112395343B (zh) | 一种基于dsg的字段变更数据采集抽取方法 | |
| CN104657426B (zh) | 一种基于统一视图的行列混合数据存储模型的建立方法 | |
| Zou | Research on data cleaning in big data environment |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210312 |