CN113552444A - 一种泄漏电流特征阈值在线整定方法及装置 - Google Patents
一种泄漏电流特征阈值在线整定方法及装置 Download PDFInfo
- Publication number
- CN113552444A CN113552444A CN202110654685.1A CN202110654685A CN113552444A CN 113552444 A CN113552444 A CN 113552444A CN 202110654685 A CN202110654685 A CN 202110654685A CN 113552444 A CN113552444 A CN 113552444A
- Authority
- CN
- China
- Prior art keywords
- leakage current
- sample data
- sample
- probability
- variance
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000009826 distribution Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000000638 solvent extraction Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 6
- 238000009413 insulation Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/005—Calibrating; Standards or reference devices, e.g. voltage or resistance standards, "golden" references
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明涉及配电网设备运行状态分析技术领域,具体提供了一种泄漏电流特征阈值在线整定方法及装置,旨在解决预先设置好的泄漏电流阈值不能随环境变化而变化的技术问题。包括:划分泄漏电流幅值样本数据的灰度等级,并计算各灰度等级对应的样本概率;选择多个阈值,并基于各阈值分别将泄漏电流幅值样本数据分为两组;基于各灰度等级对应的样本概率计算各两组之间的方差;将方差最大的两组对应的阈值作为配电网电缆线路泄漏电流特征阈值;该方案为配电网设备实际运行中实现在线绝缘状态监测分析与判断提供判断依据和衡量标准。
Description
技术领域
本发明涉及配电网设备运行状态分析领域,具体涉及一种泄漏电流特征阈值在线整定方法及装置。
背景技术
泄漏电流是反映配电网电缆线路绝缘状况的重要特征之一,泄漏电流特征阈值是判断绝缘状况的量化依据。然而,目前泄漏电流特征阈值的设定通常依靠试验检测或运行人员经验进行离线整定与设置。
在实际运行阶段,泄漏电流会随着电网实际运行工况、运行环境以及负荷水平的不同而变化,预先设置好的泄漏电流阈值如不能随之变化,势必会导致电缆绝缘状态的误判。因此,急需寻求泄漏电流阈值的自适应在线整定方法,为更准确的实现电缆绝缘状态的判断提供判断依据和衡量标准。
发明内容
为了克服上述缺陷,提出了本发明,以提供解决或至少部分地解决预先设置好的泄漏电流阈值不能随环境变化而变化的技术问题的泄漏电流特征阈值在线整定方法及装置。
第一方面,提供一种泄漏电流特征阈值在线整定方法,所述泄漏电流特征阈值在线整定方法包括:
划分泄漏电流幅值样本数据的灰度等级,并计算各灰度等级对应的样本概率;
选择多个阈值,并基于各阈值分别将泄漏电流幅值样本数据分为两组;
基于各灰度等级对应的样本概率计算各两组之间的方差;
将方差最大的两组对应的阈值作为配电网电缆线路泄漏电流特征阈值。
优选的,所述灰度等级对应的样本概率的计算式如下:
上式中,Pj为第j个灰度等级对应的样本概率,nj为第j个灰度等级对应的样本个数,N为泄漏电流幅值样本数据中样本总个数,j∈[1,L],L为预设灰度等级总数。
优选的,所述第j个灰度等级对应的样本个数为所述泄漏电流幅值样本数据中在[(j-1)dx,jdx]范围内的样本个数,其中,dx为泄漏电流幅值样本数据的组宽。
进一步的,所述泄漏电流幅值样本数据的组宽的计算式如下:
上式中,dx为泄漏电流幅值样本数据的组宽,Xmax为泄漏电流幅值样本数据中最大值,Xmin为泄漏电流幅值样本数据中最小值,L为预设灰度等级总数。
优选的,所述基于各阈值分别将泄漏电流幅值样本数据分为两组,包括:
将泄漏电流幅值样本数据中在[0,kdx]范围内的样本划分至集合C0,将泄漏电流幅值样本数据中在[(k+1)dx,Ldx]范围内的样本划分至集合C1,其中,k为阈值系数,k∈[1,L],dx为泄漏电流幅值样本数据的组宽,L为预设灰度等级总数,kdx为选择的阈值。
进一步的,所述基于各灰度等级对应的样本概率计算各两组之间的方差,包括:
基于各灰度等级对应的样本概率计算集合C0和集合C1的均值和概率;
基于集合C0和集合C1的均值和概率计算集合C0和集合C1之间的方差。
进一步的,所述集合C0的均值的计算式如下:
所述集合C0的概率的计算式如下:
所述集合C1的均值的计算式如下:
所述集合C1的概率的计算式如下:
上式中,μ0为集合C0的均值,pj为第j个灰度等级对应的样本概率,p0为集合C0的概率,nj为第j个灰度等级对应的样本个数,N为泄漏电流幅值样本数据中样本总个数,μ1为集合C1的均值,p1为集合C1的概率,L为预设灰度等级总数。
进一步的,所述集合C0和集合C1之间的方差的计算式如下:
σ2=P0(μ0-μ)2+P1(μ1-μ)2
上式中,σ2为集合C0和集合C1之间的方差,μ为所有泄漏电流幅值样本数据的均值,μ=P0μ0+P1μ1。
第二方面,提供一种泄漏电流特征阈值在线整定装置,所述泄漏电流特征阈值在线整定装置包括:
第一计算模块,用于划分泄漏电流幅值样本数据的灰度等级,并计算各灰度等级对应的样本概率;
分组模块,用于选择多个阈值,并基于各阈值分别将泄漏电流幅值样本数据分为两组;
第二计算模块,用于基于各灰度等级对应的样本概率计算各两组之间的方差;
确定模块,用于将方差最大的两组对应的阈值作为配电网电缆线路泄漏电流特征阈值。
本发明上述一个或多个技术方案,至少具有如下一种或多种有益效果:
本发明涉及配电网设备运行状态分析技术领域,具体提供了一种泄漏电流特征阈值在线整定方法及装置,旨在解决预先设置好的泄漏电流阈值不能随环境变化而变化的技术问题。包括:划分泄漏电流幅值样本数据的灰度等级,并计算各灰度等级对应的样本概率;选择多个阈值,并基于各阈值分别将泄漏电流幅值样本数据分为两组;基于各灰度等级对应的样本概率计算各两组之间的方差;将方差最大的两组对应的阈值作为配电网电缆线路泄漏电流特征阈值;该方案可根据泄漏电流原始样本数据的特征自适应确定最优幅值阈值,以适应当泄漏电流样本数据发生变化时,采用相同的阈值可能会导致对泄漏电流异常越限情况做出误判,最终实现泄漏电流阈值的在线整定。进一步的,该方案采用泄漏电流实时数据计算得到的阈值区间更为准确,为配电网电缆线路的绝缘状态的识别提供了更为准确的判据条件。
附图说明
图1是根据本发明的一个实施例的泄漏电流特征阈值在线整定方法的主要步骤流程示意图;
图2是根据本发明的一个实施例的泄漏电流特征阈值在线整定装置的主要结构框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明一种泄漏电流特征阈值在线整定方法,旨在获取一段时间内记录的实时泄漏电流幅值原始样本数据,基于泄漏电流异常值较正常值幅值范围大、分布分散的特点,采用最大类间方差法计算得到泄漏电流幅值最优阈值,使得泄漏电流正常值与异常值之间方差最大,最终实现泄漏电流异常越限情况的精准判断。该方法可根据泄漏电流原始样本数据的特征自适应确定最优幅值阈值,以适应当泄漏电流样本数据发生变化时,采用相同的阈值可能会导致对泄漏电流异常越限情况做出误判,最终实现泄漏电流阈值的在线整定。
参阅附图1,图1是根据本发明的一个实施例的泄漏电流特征阈值在线整定方法的主要步骤流程示意图。如图1所示,本发明实施例中的泄漏电流特征阈值在线整定方法主要包括以下步骤:
步骤S101:划分泄漏电流幅值样本数据的灰度等级,并计算各灰度等级对应的样本概率;
步骤S102:选择多个阈值,并基于各阈值分别将泄漏电流幅值样本数据分为两组;
步骤S103:基于各灰度等级对应的样本概率计算各两组之间的方差;
步骤S104:将方差最大的两组对应的阈值作为配电网电缆线路泄漏电流特征阈值。
本实施例中,所述灰度等级对应的样本概率的计算式如下:
上式中,Pj为第j个灰度等级对应的样本概率,nj为第j个灰度等级对应的样本个数,N为泄漏电流幅值样本数据中样本总个数,j∈[1,L],L为预设灰度等级总数。
本实施例中,所述第j个灰度等级对应的样本个数为所述泄漏电流幅值样本数据中在[(j-1)dx,jdx]范围内的样本个数,其中,dx为泄漏电流幅值样本数据的组宽。
在一个实施方式中,所述泄漏电流幅值样本数据的组宽的计算式如下:
上式中,dx为泄漏电流幅值样本数据的组宽,Xmax为泄漏电流幅值样本数据中最大值,Xmin为泄漏电流幅值样本数据中最小值,L为预设灰度等级总数。
本实施例中,所述基于各阈值分别将泄漏电流幅值样本数据分为两组,包括:
将泄漏电流幅值样本数据中在[0,kdx]范围内的样本划分至集合C0,将泄漏电流幅值样本数据中在[(k+1)dx,Ldx]范围内的样本划分至集合C1,其中,k为阈值系数,k∈[1,L],dx为泄漏电流幅值样本数据的组宽,L为预设灰度等级总数,kdx为选择的阈值。
在一个实施方式中,所述基于各灰度等级对应的样本概率计算各两组之间的方差,包括:
基于各灰度等级对应的样本概率计算集合C0和集合C1的均值和概率;
基于集合C0和集合C1的均值和概率计算集合C0和集合C1之间的方差。
其中,所述集合C0的均值的计算式如下:
所述集合C0的概率的计算式如下:
所述集合C1的均值的计算式如下:
所述集合C1的概率的计算式如下:
上式中,μ0为集合C0的均值,pj为第j个灰度等级对应的样本概率,p0为集合C0的概率,nj为第j个灰度等级对应的样本个数,N为泄漏电流幅值样本数据中样本总个数,μ1为集合C1的均值,p1为集合C1的概率,L为预设灰度等级总数。
所述集合C0和集合C1之间的方差的计算式如下:
σ2=P0(μ0-μ)2+P1(μ1-μ)2
上式中,σ2为集合C0和集合C1之间的方差,μ为所有泄漏电流幅值样本数据的均值,μ=P0μ0+P1μ1。
进一步的,基于上述方案,本发明提供了一种最优实施方式,具体如下:
(1)获取一段时间内记录的实时泄漏电流幅值原始样本数据{Xi,i=1,2,…N},令最大值为Xmax,最小值为Xmin;
(2)将一段时间内的泄漏电流幅值原始样本数据从大到小进行排列,并根据泄漏电流幅值的不同,划分L个灰度等级,灰度等级用灰度值j=1,2,…L表示;
(5)设阈值kdx,将原始样本序列分为两类:C0表示范围在[0,kdx]中的值;C1表征范围在[(k+1)dx,Ldx]中的值;
(6)计算新样本C0的均值和概率分别为:
(7)计算新样本C1的均值和概率分别为:
(8)计算所有样本均值μ=P0μ0+P1μ1;
(9)求两类新样本的类间方差σ2=P0(μ0-μ)2+P1(μ1-μ)2;
基于同一技术方案,本发明提供了一种泄漏电流特征阈值在线整定装置,如图2所示,所述泄漏电流特征阈值在线整定装置包括:
第一计算模块,用于划分泄漏电流幅值样本数据的灰度等级,并计算各灰度等级对应的样本概率;
分组模块,用于选择多个阈值,并基于各阈值分别将泄漏电流幅值样本数据分为两组;
第二计算模块,用于基于各灰度等级对应的样本概率计算各两组之间的方差;
确定模块,用于将方差最大的两组对应的阈值作为配电网电缆线路泄漏电流特征阈值。
优选的,所述灰度等级对应的样本概率的计算式如下:
上式中,Pj为第j个灰度等级对应的样本概率,nj为第j个灰度等级对应的样本个数,N为泄漏电流幅值样本数据中样本总个数,j∈[1,L],L为预设灰度等级总数。
优选的,所述第j个灰度等级对应的样本个数为所述泄漏电流幅值样本数据中在[(j-1)dx,jdx]范围内的样本个数,其中,dx为泄漏电流幅值样本数据的组宽。
进一步的,所述泄漏电流幅值样本数据的组宽的计算式如下:
上式中,dx为泄漏电流幅值样本数据的组宽,Xmax为泄漏电流幅值样本数据中最大值,Xmin为泄漏电流幅值样本数据中最小值,L为预设灰度等级总数。
优选的,所述基于各阈值分别将泄漏电流幅值样本数据分为两组,包括:
将泄漏电流幅值样本数据中在[0,kdx]范围内的样本划分至集合C0,将泄漏电流幅值样本数据中在[(k+1)dx,Ldx]范围内的样本划分至集合C1,其中,k为阈值系数,k∈[1,L],dx为泄漏电流幅值样本数据的组宽,L为预设灰度等级总数,kdx为选择的阈值。
进一步的,所述基于各灰度等级对应的样本概率计算各两组之间的方差,包括:
基于各灰度等级对应的样本概率计算集合C0和集合C1的均值和概率;
基于集合C0和集合C1的均值和概率计算集合C0和集合C1之间的方差。
进一步的,所述集合C0的均值的计算式如下:
所述集合C0的概率的计算式如下:
所述集合C1的均值的计算式如下:
所述集合C1的概率的计算式如下:
上式中,μ0为集合C0的均值,pj为第j个灰度等级对应的样本概率,p0为集合C0的概率,nj为第j个灰度等级对应的样本个数,N为泄漏电流幅值样本数据中样本总个数,μ1为集合C1的均值,p1为集合C1的概率,L为预设灰度等级总数。
进一步的,所述集合C0和集合C1之间的方差的计算式如下:
σ2=P0(μ0-μ)2+P1(μ1-μ)2
上式中,σ2为集合C0和集合C1之间的方差,μ为所有泄漏电流幅值样本数据的均值,μ=P0μ0+P1μ1。
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。
最后应当说明的是: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保护范围之内。
Claims (9)
1.一种泄漏电流特征阈值在线整定方法,其特征在于,所述方法包括:
划分泄漏电流幅值样本数据的灰度等级,并计算各灰度等级对应的样本概率;
选择多个阈值,并基于各阈值分别将泄漏电流幅值样本数据分为两组;
基于各灰度等级对应的样本概率计算各两组之间的方差;
将方差最大的两组对应的阈值作为配电网电缆线路泄漏电流特征阈值。
3.如权利要求1所述的方法,其特征在于,所述第j个灰度等级对应的样本个数为所述泄漏电流幅值样本数据中在[(j-1)dx,jdx]范围内的样本个数,其中,dx为泄漏电流幅值样本数据的组宽。
5.如权利要求1所述的方法,其特征在于,所述基于各阈值分别将泄漏电流幅值样本数据分为两组,包括:
将泄漏电流幅值样本数据中在[0,kdx]范围内的样本划分至集合C0,将泄漏电流幅值样本数据中在[(k+1)dx,Ldx]范围内的样本划分至集合C1,其中,k为阈值系数,k∈[1,L],dx为泄漏电流幅值样本数据的组宽,L为预设灰度等级总数,kdx为选择的阈值。
6.如权利要求5所述的方法,其特征在于,所述基于各灰度等级对应的样本概率计算各两组之间的方差,包括:
基于各灰度等级对应的样本概率计算集合C0和集合C1的均值和概率;
基于集合C0和集合C1的均值和概率计算集合C0和集合C1之间的方差。
8.如权利要求7所述的方法,其特征在于,所述集合C0和集合C1之间的方差的计算式如下:
σ2=P0(μ0-μ)2+P1(μ1-μ)2
上式中,σ2为集合C0和集合C1之间的方差,μ为所有泄漏电流幅值样本数据的均值,μ=P0μ0+P1μ1。
9.一种泄漏电流特征阈值在线整定装置,其特征在于,所述装置包括:
第一计算模块,用于划分泄漏电流幅值样本数据的灰度等级,并计算各灰度等级对应的样本概率;
分组模块,用于选择多个阈值,并基于各阈值分别将泄漏电流幅值样本数据分为两组;
第二计算模块,用于基于各灰度等级对应的样本概率计算各两组之间的方差;
确定模块,用于将方差最大的两组对应的阈值作为配电网电缆线路泄漏电流特征阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110654685.1A CN113552444A (zh) | 2021-06-11 | 2021-06-11 | 一种泄漏电流特征阈值在线整定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110654685.1A CN113552444A (zh) | 2021-06-11 | 2021-06-11 | 一种泄漏电流特征阈值在线整定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113552444A true CN113552444A (zh) | 2021-10-26 |
Family
ID=78130552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110654685.1A Pending CN113552444A (zh) | 2021-06-11 | 2021-06-11 | 一种泄漏电流特征阈值在线整定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113552444A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117706277A (zh) * | 2024-02-02 | 2024-03-15 | 昆明理工大学 | 基于图形分析识别的配电网故障选线方法 |
-
2021
- 2021-06-11 CN CN202110654685.1A patent/CN113552444A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117706277A (zh) * | 2024-02-02 | 2024-03-15 | 昆明理工大学 | 基于图形分析识别的配电网故障选线方法 |
CN117706277B (zh) * | 2024-02-02 | 2024-06-07 | 昆明理工大学 | 基于图形分析识别的配电网故障选线方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111459778B (zh) | 运维***异常指标检测模型优化方法、装置及存储介质 | |
CN111143102B (zh) | 异常数据检测方法、装置、存储介质及电子设备 | |
CN105512799B (zh) | 一种基于海量在线历史数据的电力***暂态稳定评估方法 | |
CN106505557B (zh) | 一种遥测错误辨识方法及装置 | |
CN110874674B (zh) | 一种异常检测方法、装置及设备 | |
CN111199018B (zh) | 异常数据检测方法、装置、存储介质及电子设备 | |
CN107015875B (zh) | 一种电子整机贮存寿命评估方法及装置 | |
CN111461533A (zh) | 一种基于大数据的工业生产流水线的故障监测方法及*** | |
CN111610407A (zh) | 基于朴素贝叶斯的电缆老化状态评估方法和装置 | |
CN108198408B (zh) | 一种基于用电信息采集***的自适应反窃电监控方法及*** | |
CN107944721B (zh) | 一种通用的基于数据挖掘的机器学习方法、装置以及*** | |
CN108829878B (zh) | 一种工业实验数据异常点检测方法及装置 | |
CN111126631A (zh) | 网络健康判定方法及装置 | |
CN108320112B (zh) | 一种确定设备健康状态的方法及装置 | |
CN113269327A (zh) | 一种基于机器学习的流量异常预测方法 | |
CN116955092A (zh) | 基于数据分析的多媒体***监控方法及*** | |
CN110348540B (zh) | 基于聚类的电力***暂态功角稳定故障筛选方法及装置 | |
CN117394337A (zh) | 一种电网负荷预警方法及其*** | |
CN112202630A (zh) | 一种基于无监督模型的网路质量异常检测方法及装置 | |
CN113552444A (zh) | 一种泄漏电流特征阈值在线整定方法及装置 | |
CN116187838A (zh) | 一种电力设备的质量评估方法、***、装置及存储介质 | |
CN115664038A (zh) | 一种用于电气安全管理的智能配电运维监控*** | |
CN115441456A (zh) | 一种电网调度支持***故障诊断方法及装置 | |
CN111612149A (zh) | 一种基于决策树的主网线路状态检测方法、***及介质 | |
CN109142979B (zh) | 一种配电网异常状态的检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |