CN113536050B - 一种配网监控***曲线数据查询处理方法 - Google Patents

一种配网监控***曲线数据查询处理方法 Download PDF

Info

Publication number
CN113536050B
CN113536050B CN202110763698.2A CN202110763698A CN113536050B CN 113536050 B CN113536050 B CN 113536050B CN 202110763698 A CN202110763698 A CN 202110763698A CN 113536050 B CN113536050 B CN 113536050B
Authority
CN
China
Prior art keywords
data
retrieval
curve
index
abnormal
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
Application number
CN202110763698.2A
Other languages
English (en)
Other versions
CN113536050A (zh
Inventor
卢颖
任庭昊
姬源
万会江
杨邑
陈挺
周忠强
徐朝兵
袁美琪
周鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202110763698.2A priority Critical patent/CN113536050B/zh
Publication of CN113536050A publication Critical patent/CN113536050A/zh
Application granted granted Critical
Publication of CN113536050B publication Critical patent/CN113536050B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9027—Trees
    • 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
    • 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
    • G06F16/9038—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Water Supply & Treatment (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Public Health (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种配网监控***曲线数据查询处理方法，包括：根据用户选取测点信息，自动按照默认时段进行数据库数据检索；分析所述数据检索的时间长度，若时间长度超过预设值，则分两次进行检索；基于检索结束获得的数据并根据VSM检索模型构建数据索引，在内存中进行数据缓存；采用孤立森林算法对异常点数据进行分析，并对异常指数高的数据进行标识异常；对于正常运行工况数据，展示数据量过大情况，根据屏幕分辨率，分析时间段数据间隔关系，利用所述索引数据进行索引展示，并对其中的异常点显示异常标记，绘制曲线。本发明能快速高效准确展示用户关心的数据，降低***运行压力，提高数据展示效率，快速展示真实现场运行情况的曲线数据。

Description

一种配网监控***曲线数据查询处理方法
技术领域
本发明涉及配网、数据查询的技术领域，尤其涉及一种配网监控***曲线数据查询处理方法。
背景技术
随着信息化技术水平的不断进步，国内配网监控控制领域数据分析需求不断发展，需要将现场设备运行数据曲线及时高效展示在用户面前；目前，主流***通过网络采集现场设备的实时数据进行存储，曲线大多采用全数据绘制方法，即对于每次数据查询，全量进行指定时段数据查询，并绘制在曲线上面；由于现场硬件水平的提高，实时数据采样间隔不断缩短，目前已经达到毫秒级数据存储，***单测点年数据存储量为千万量级。目前的数据检索方式给***数据库极大压力的同时，曲线绘制也将出现长延时，卡顿等反应，大大影响用户的数据分析效率和***的安全稳定性。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明解决的技术问题是：现有的数据检索方式给***数据库极大压力的同时，曲线绘制也将出现长延时，卡顿等反应，大大影响用户的数据分析效率和***的安全稳定性。
为解决上述技术问题，本发明提供如下技术方案：根据用户选取测点信息，自动按照默认时段进行数据库数据检索；分析所述数据检索的时间长度，若时间长度超过预设值，则分两次进行检索；基于检索结束获得的数据并根据VSM检索模型构建数据索引，在内存中进行数据缓存；采用孤立森林算法对异常点数据进行分析，并对异常指数高的数据进行标识异常；对于正常运行工况数据，展示数据量过大情况，根据屏幕分辨率，分析时间段数据间隔关系，利用所述索引数据进行索引展示，并对其中的异常点显示异常标记，绘制曲线。
作为本发明所述的配网监控***曲线数据查询处理方法的一种优选方案，其中：所述根据用户选取测点信息，自动按照默认时段进行数据库数据检索包括，根据用户选取的测点信息，曲线工具提供默认时段选择框，用户选择默认时段进行初始数据库数据检索。
作为本发明所述的配网监控***曲线数据查询处理方法的一种优选方案，其中：所述分两次进行检索包括，首次检索进行时间段分割，启用多线程同步检索，并将检索结果进行合并；二次检索采用多线程增量检索策略，对每条曲线进行单独线程刷新管理，同步进行数据查询，增量时间为曲线刷新周期。
作为本发明所述的配网监控***曲线数据查询处理方法的一种优选方案，其中：所述数据检索还包括，自定义条件配置检索：用户基于一种可配置的条件检索框进行长时间段的历史追忆检索，同时提供不同的统计类型，所述统计类型为挑点、平均值、最大值、最小值展示；对于长时间段数据检索，采用多线程分段检索策略，按照时段进行分隔、多时段并行检索，检索完成进行合并。
作为本发明所述的配网监控***曲线数据查询处理方法的一种优选方案，其中：所述对异常点数据进行分析包括，基于大量数据并超过屏幕显示分辨率的情况，数据存在大量无效点和重合点，根据VSM检索模型在内存中建立数据索引，管理数据点信息。
作为本发明所述的配网监控***曲线数据查询处理方法的一种优选方案，其中：所述曲线工具采用孤立森林算法，对异常数据进行检测分析，计算数据异常指数，对于无效数据进行排除展示包括，构建N棵iTree，为每棵树随机做无放回采样生成训练集，所述iTree是一棵随机二叉树，给定数据集DataSet，定义所述数据集内所有属性都是连续型变量；将测试数据在所述iTree树上沿对应的分支往下走，走到达到叶子节点，并记录着过程中经过的路径长度h(x)，所述将h(x)带入到异常值评分函数中，得到异常值分数。
作为本发明所述的配网监控***曲线数据查询处理方法的一种优选方案，其中：所述异常值评分函数包括，
其中，s(x,n)表示记录x在由n个样本的训练数据构成的iTree的异常指数。
作为本发明所述的配网监控***曲线数据查询处理方法的一种优选方案，其中：所述异常点的判断标准包括，所述s(x,n)取值范围为[0,1]，当所述s(x,n)取值范围为[0.65,1]表示是异常点，当所述s(x,n)取值范围为[0,0.38]表示是正常点，若超过百分之八十的训练样本的s(x,n)取值都在(0.38,0.65)范围内，则整个数据集都没有异常值。
本发明的有益效果：本发明从海量现场工控数据中，优化数据查询方法，对获取数据进行优化分析筛选展示，从而快速高效准确展示用户关心的数据，降低***运行压力，提高数据展示效率，快速展示真实现场运行情况的曲线数据。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一个实施例提供的一种配网监控***曲线数据查询处理方法的基本流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1，为本发明的一个实施例，提供了一种配网监控***曲线数据查询处理方法，包括：
S1：根据用户选取测点信息，自动按照默认时段进行数据库数据检索；需要说明的是：
根据用户选取测点信息，自动按照默认时段进行数据库数据检索，具体的，根据用户选取的测点信息，曲线工具提供默认时段选择框，用户可以选择默认时段进行初始数据库数据检索，首次检索为全数据时间段检索，后面则进行多线程增量检索，对每条曲线进行单独线程刷新管理，同步进行数据查询，增量检索时段为曲线刷新时间周期；
另外，提供用户条件检索界面，支持自定义条件配置检索功能，具体的，提供一种可配置的条件检索框，用户可以进行长时间段的历史追忆检索，同时提供不同的统计类型，分为挑点、平均值、最大值、最小值展示，对于长时间段数据检索，为保证检索效率和减轻数据库压力，采用多线程分段检索方式，按照时段进行分隔，多时段并行检索，检索完成进行合并。
S2：分析数据检索的时间长度，若时间长度超过预设值，则分两次进行检索；需要说明的是：
分两次进行检索包括：
首次检索进行时间段分割，启用多线程同步检索，并将检索结果进行合并；
二次检索采用多线程增量检索策略，对每条曲线进行单独线程刷新管理，同步进行数据查询，增量时间为曲线刷新周期。
S3：基于检索结束获得的数据并根据VSM检索模型构建数据索引，在内存中进行数据缓存；需要说明的是：
对于大量数据，超过屏幕显示分辨率情况下，数据存在大量无效点和重合点情况，本发明根据VSM检索模型在内存中建立数据索引，管理数据点信息。
S4：采用孤立森林算法对异常点数据进行分析，并对异常指数高的数据进行标识异常；需要说明的是：
曲线工具采用Isolation Forest(孤立森林)算法，对异常数据进行检测分析，计算数据异常指数，对于无效数据进行排除展示；
算法流程为：
(1)构建N棵iTree，为每棵树随机做无放回采样生成训练集；iTree是一棵随机二叉树，给定数据集DataSet，假设数据集内所有属性都是连续型变量；
(2)进行预测：预测的过程就是把测试数据在iTree树上沿对应的分支往下走，走到达到叶子节点，并记录着过程中经过的路径长度h(x)；将h(x)带入到异常值评分函数中，得到异常值分数，公式如下所示：
其中，s(x,n)表示记录x在由n个样本的训练数据构成的iTree的异常指数。
其中，异常点的判断标准包括：
s(x,n)取值范围为[0,1]，当s(x,n)取值范围为[0.65,1]表示是异常点，当s(x,n)取值范围为[0,0.38]表示是正常点，若超过百分之八十的训练样本的s(x,n)取值都在(0.38,0.65)范围内，则整个数据集都没有异常值。
S5：对于正常运行工况数据，展示数据量过大情况，根据屏幕分辨率，分析时间段数据间隔关系，利用索引数据进行索引展示，并对其中的异常点显示异常标记，绘制曲线。
本发明通过VSM模型建立数据查询索引，实时建立数据索引表，进行数据缓存，曲线获取数据可以快速从缓存中获取，大大优化曲线数据获取效率；同时针对长时间段数据展示情况，采用Isolation Forest算法，进行无效数据进行筛检，绘制出高影响因子数据，在不损失曲线趋势质量情况，高效进行曲线绘制展示，从而为解决长时间大数据量的曲线绘制卡顿问题提供了又一有效手段。
实施例2
为对本方法中采用的技术效果加以验证说明，本实施例采用传统技术方案与本发明方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。
传统的技术方案：采用全数据绘制方法，即对于每次数据查询，全量进行指定时段数据查询，并绘制在曲线上面，其曲线绘制出现长延时、卡顿等反应，分析效率及准确性低，***的安全稳定性低。
为验证本方法相对传统方法具有较高分析效率及准确性；本实施例中将采用传统全数据绘制方法和本方法分别对配网监控控制数据分析的效率及准确度进行实时测量对比。
测试环境：在仿真平台模拟配网现场设备运行并模拟数据的采集及分析，分别利用传统方法与本方法，开启自动化测试设备并运用MATLB软件编程实现两种方法的仿真测试，根据实验结果得到仿真数据。每种方法各测试20组数据，计算获得每组数据分析时间、获得的曲线，与仿真模拟输入的实际时间及曲线进行对比计算误差；结果如下表所示。
表1：实验结果对比表。
测试项目 传统方法 本发明方法
时延/ms 1.76 0.58
效率/％ 93.2 96.8
准确率/％ 91.3 97.2
从上表可以看出本发明方法相较于传统方法时延较低，数据分析效率及准确率较高，充分证明了通过本方法的实施，大容量曲线数据点能够快速进行数据查询，同时对查询获取的曲线数据点进行分析，展示出异常点和正常趋势点，对于无效点能够做到高效筛除，大大提高了***运行效率和曲线展示效果，对于监视人员的工作效率有显著提高，减轻了***运行压力。
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限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.一种配网监控***曲线数据查询处理方法，其特征在于，包括：
根据用户选取测点信息，自动按照默认时段进行数据库数据检索；
分析所述数据检索的时间长度，若时间长度超过预设值，则分两次进行检索；
基于检索结束获得的数据并根据VSM检索模型构建数据索引，在内存中进行数据缓存；
采用孤立森林算法对异常点数据进行分析，并对异常指数高的数据进行标识异常；
对于正常运行工况数据，展示数据量过大情况，根据屏幕分辨率，分析时间段数据间隔关系，利用索引数据进行索引展示，并对其中的异常点显示异常标记，绘制曲线；
根据用户选取的测点信息，曲线工具提供默认时段选择框，用户选择默认时段进行初始数据库数据检索，首次检索进行时间段分割，启用多线程同步检索，并将检索结果进行合并，二次检索采用多线程增量检索策略，对每条曲线进行单独线程刷新管理，同步进行数据查询，增量时间为曲线刷新周期；
数据检索还包括，自定义条件配置检索：用户基于一种可配置的条件检索框进行长时间段的历史追忆检索，同时提供不同的统计类型，所述统计类型为挑点、平均值、最大值、最小值展示，对于长时间段数据检索，采用多线程分段检索策略，按照时段进行分隔、多时段并行检索，检索完成进行合并；
对异常点数据进行分析，基于大量数据并超过屏幕显示分辨率的情况，数据存在大量无效点和重合点，根据VSM检索模型在内存中建立数据索引，管理数据点信息；
曲线工具采用孤立森林算法，对异常数据进行检测分析，计算数据异常指数，对于无效数据进行排除展示，构建N棵iTree，为每棵树随机做无放回采样生成训练集，所述iTree是一棵随机二叉树，给定数据集DataSet，定义所述数据集内所有属性都是连续型变量，将测试数据在所述iTree树上沿对应的分支往下走，走到达到叶子节点，并记录着过程中经过的路径长度h(x)，将所述h(x)带入到异常值评分函数中，得到异常值分数；
异常值评分函数包括，
其中，s(x,n)表示记录x在由n个样本的训练数据构成的iTree的异常指数；
异常点的判断标准为s(x,n)取值范围为[0,1]，当所述s(x,n)取值范围为[0.65,1]表示是异常点，当所述s(x,n)取值范围为[0,0.38]表示是正常点，若超过百分之八十的训练样本的s(x,n)取值都在(0.38,0.65)范围内，则整个数据集都没有异常值。
CN202110763698.2A 2021-07-06 2021-07-06 一种配网监控***曲线数据查询处理方法 Active CN113536050B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110763698.2A CN113536050B (zh) 2021-07-06 2021-07-06 一种配网监控***曲线数据查询处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110763698.2A CN113536050B (zh) 2021-07-06 2021-07-06 一种配网监控***曲线数据查询处理方法

Publications (2)

Publication Number Publication Date
CN113536050A CN113536050A (zh) 2021-10-22
CN113536050B true CN113536050B (zh) 2023-12-01

Family

ID=78126917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110763698.2A Active CN113536050B (zh) 2021-07-06 2021-07-06 一种配网监控***曲线数据查询处理方法

Country Status (1)

Country Link
CN (1) CN113536050B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115272524B (zh) * 2022-09-23 2023-01-03 安徽华云安科技有限公司 多曲线并行绘制方法、装置、设备以及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105740352A (zh) * 2016-01-26 2016-07-06 华中电网有限公司 用于智能电网调度控制***的历史数据服务***
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
CN109858679A (zh) * 2018-12-30 2019-06-07 国网浙江省电力有限公司 一种结合人机物的反窃电稽查监控***及其工作方法
CN110189232A (zh) * 2019-05-14 2019-08-30 三峡大学 基于孤立森林算法的用电信息采集数据异常分析方法
US10509847B1 (en) * 2019-02-11 2019-12-17 Sas Institute Inc. Local outlier factor hyperparameter tuning for data outlier detection
CN111833172A (zh) * 2020-05-25 2020-10-27 百维金科(上海)信息科技有限公司 一种基于孤立森林的消费信贷欺诈行为检测方法及其***
WO2020248291A1 (en) * 2019-06-11 2020-12-17 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for anomaly detection
CN112417141A (zh) * 2020-11-22 2021-02-26 西安热工研究院有限公司 一种国产工控***曲线数据查询处理方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6493506B1 (ja) * 2017-12-15 2019-04-03 オムロン株式会社 産業用制御システムとその支援装置、制御支援方法およびプログラム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105740352A (zh) * 2016-01-26 2016-07-06 华中电网有限公司 用于智能电网调度控制***的历史数据服务***
CN109858679A (zh) * 2018-12-30 2019-06-07 国网浙江省电力有限公司 一种结合人机物的反窃电稽查监控***及其工作方法
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
US10509847B1 (en) * 2019-02-11 2019-12-17 Sas Institute Inc. Local outlier factor hyperparameter tuning for data outlier detection
CN110189232A (zh) * 2019-05-14 2019-08-30 三峡大学 基于孤立森林算法的用电信息采集数据异常分析方法
WO2020248291A1 (en) * 2019-06-11 2020-12-17 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for anomaly detection
CN111833172A (zh) * 2020-05-25 2020-10-27 百维金科(上海)信息科技有限公司 一种基于孤立森林的消费信贷欺诈行为检测方法及其***
CN112417141A (zh) * 2020-11-22 2021-02-26 西安热工研究院有限公司 一种国产工控***曲线数据查询处理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"工程曲线的数字化及数据的查询";张燕 等;《机械设计与制造》;第41-42页 *

Also Published As

Publication number Publication date
CN113536050A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN113360358B (zh) 一种自适应计算it智能运维健康指数的方法及***
CN112291706A (zh) 一种基于大数据和人工智能的网络优化方法
CN113536050B (zh) 一种配网监控***曲线数据查询处理方法
CN108256032B (zh) 一种对时空数据的共现模式进行可视化的方法及装置
CN110728068B (zh) 一种配网台风灾害损失评估方法及装置
CN104462445A (zh) 网页访问数据的处理方法和装置
CN111784966A (zh) 一种基于机器学习的人员管控的方法及***
CN109634820A (zh) 一种云端移动端协同的故障预警方法、相关设备及***
CN111160404A (zh) 配电网线损标杆合理值的分析方法及装置
CN111369555A (zh) 一种基于深度学习的视频质量诊断方法
CN116861503A (zh) 一种基于大数据的电力变压器数字孪生模型的构建方法
CN110866689A (zh) 一种空间扫描统计量中选择最大扫描窗口的方法
CN112817832B (zh) 游戏服务器的健康状态获取方法、装置、设备及存储介质
CN103902798B (zh) 数据预处理方法
CN107463532A (zh) 一种电力统计数据的质量分析方法
CN112957021A (zh) 一种心率健康预警***及实现方法
CN106971361A (zh) 一种专业能力远程测试***及专业能力远程测试方法
CN106445973B (zh) 搜索引擎的监控方法和装置
CN110728425A (zh) 一种中小学体育与健康教育教学质量分析***
CN107908728B (zh) 一种在线监测数据历史值的储存及访问方法
CN115575127A (zh) 一种基于鲸鱼优化lssvm的轴承剩余寿命预测方法
CN113094245B (zh) 一种数据库集群健康性度量的方法
CN112380224B (zh) 一种面向海量异构多维数据采集的质量大数据***
CN114997888A (zh) 一种融合多类型大数据的食品安全信用评估方法及***
CN112488410A (zh) 基于设备综合效率的生产设备性能优化方法及装置

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
GR01 Patent grant
GR01 Patent grant