CN115579887B - 一种传输线路动态增容方法、***及介质 - Google Patents
一种传输线路动态增容方法、***及介质 Download PDFInfo
- Publication number
- CN115579887B CN115579887B CN202211561271.5A CN202211561271A CN115579887B CN 115579887 B CN115579887 B CN 115579887B CN 202211561271 A CN202211561271 A CN 202211561271A CN 115579887 B CN115579887 B CN 115579887B
- Authority
- CN
- China
- Prior art keywords
- data
- capacity
- fine
- maximum transmission
- transmission capacity
- 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
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 20
- 235000019580 granularity Nutrition 0.000 claims description 12
- 239000013589 supplement Substances 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 230000008521 reorganization Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 230000006798 recombination Effects 0.000 claims description 4
- 238000005215 recombination Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
技术领域
本申请属于能源互联网动态增容领域,特别是一种基于数据驱动与整体趋势插值结合的高可靠传输线路动态增容方法、***及介质。
背景技术
随着电力***与大数据产业的迅猛发展,以大数据为代表的能源互联网***在电力***中得到广发应用。同时,在传统的电力传输过程中,出于对传输线路的高可靠要求,其传输容量是在极端情况下得到的,而此时没能充分考虑传输线路的潜在能力,即大多数时候都不会达到极端情况,传输线路的传输能力还能进一步加强。而当前用电需求的日益增加,大量铺设新的传输电缆成本过高,且会造成原有资源的浪费。目前已有静态增容的相关研究,然而这并没有充分考虑线路的潜在能力,依旧造成现有资源的浪费。因此,如何实现传输线路的动态增容,并在保证传输线路的高可靠性,实现增容量的最大化依旧是一个比较开放且难以解决的问题。
发明内容
本申请实施例的目的在于提供一种传输线路动态增容方法、***及介质,降低预测误差,提高现有传输线路的传输性能,降低线路铺设成本。
为实现上述目的,本申请提供如下技术方案:
第一方面,本申请实施例提供一种传输线路动态增容方法,包括以下具体步骤:
基于载流量模型的历史数据处理与重组;所述基于载流量模型的历史数据处理与重组包括以下步骤:
在基于载流量模型的历史数据处理与重组中,每个传感器监测到的数据表示为,其中为传感器监测到的空气温度,为传感器监测到的风速,为传感器监测到的辐射量,且这三类数据均为按照统一的时间细粒度记录的时间序列数据,利用导线载流量计算公式,得出每一个时刻上的最大可增容量,并将这一类数据表示为,其中分别其对应时刻的最大可增容量;
对整体数据进行重组,将原始的数据集扩展为包含最大可增容量的数据集,表示为,其中,,表示对应的传感器监测到的空气温度、风速和辐射量,为最大可增容量;
基于多细粒度残差卷积网络的单传感器最大传输容量预测;
基于整体趋势插值的高可靠最大传输容量确定。
所述基于多细粒度残差卷积网络的但传感器最大传输容量预测方法如下:
对重组后的数据进行细粒度划分,划分依据为时间刻度,将重组后的时间序列数据分为较粗细粒度、适中细粒度和较细细粒度三部分数据,分别表示为,,,根据数据的细粒度不同分别依次采用深度增加的残差卷积神经网络,,,则其预测的结果分别可以表示为:
(1)
(2)
(3)
将不同细粒度的预测结果进行异或操作得到最后的最大传输容量预测结果,表示为:
(4)。
所述基于整体趋势插值的高可靠最大传输容量确定方法如下:
整条传输线路上的总最大传输容量表示为,给定相邻两个传感器间补充数据量为A;然后根据整条线路上不同传感器得到的预测数据,计算其趋势变化情况,计算方式如下:
(5)
依据设定好的补充数据量A,在相邻两个数据间进行数据补齐,补齐方式如下:
(6)
(7)
其中,,表示趋势变化数据中的索引值,所有传感器得到的最大传输容量为:
(8)
则最后的高可靠最大传输容量为。
第二方面,本申请实施例提供一种传输线路动态增容***,包括,
历史数据处理与重组模块,基于载流量模型的历史数据处理与重组,将原始的数据集扩展为包含最大可增容量的数据集;
最大传输容量预测模块,基于多细粒度残差卷积网络的单传感器最大传输容量预测;
最大传输容量确定模块,基于整体趋势插值的高可靠最大传输容量确定。
第三方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有程序代码,所述程序代码被处理器执行时,实现如上所述的传输线路动态增容方法的步骤。
与现有技术相比,本申请的有益效果是:
解决了现有电网线路传输容量调节方式单一、不能进行动态调节且动态调节的可靠性不够的缺陷,提供了一种基于数据驱动与整体趋势插值结合的高可靠传输线路动态增容方法,有效提高了电网线路动态增容的性能。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为提出的一种基于数据驱动与整体趋势插值结合的高可靠传输线路动态增容方法框图;
图2为提出的三种细粒度残差卷积神经网络;
图3采用整体趋势插值结合后的增容量补齐效果图;
图4为本申请实施例的***框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
参照图1~图3,一种基于数据驱动与整体趋势插值结合的高可靠传输线路动态增容方法主要包含基于载流量模型的历史数据处理与重组、基于多细粒度残差卷积网络的单传感器最大传输容量预测、基于整体趋势插值的高可靠最大传输容量确定三个环节。
本申请的实施方法中,首先利用基于载流量模型的历史数据处理与重组方法为:将每个传感器监测到的数据进行数据扩充,并整理成包含最大可增容量的数据集。然后将处理后的数据按照不同的细粒度划分为不同数据集,并结合提出的不同细粒度下的残差卷积神经网络得到预测的最大可增容量。最后,利用整体趋势插值方法将相邻传感器间的不确定数据补齐,提高动态增容的高可靠性。
本实施实例中,基于载流量模型的历史数据处理与重组中,每个传感器监测到的数据表示为,其中为传感器监测到的空气温度,为传感器监测到的风速,为传感器监测到的辐射量,且这三类数据均为按照统一的时间细粒度记录的时间序列数据。利用导线载流量计算公式,可以得出每一个时刻上的最大可增容量,并将这一类数据表示为。随后,对整体数据进行重组,将原始的数据集扩展为包含最大可增容量的数据集,表示为。该部分的数据重组为本方法的基础部分,后续的最大可增容量预测均是在此基础上进行。
本实施实例中,基于多细粒度残差卷积网络的但传感器最大传输容量预测方法为:
该部分首先对对上述重组后的数据进行细粒度划分,划分依据为时间刻度,将重组后的时间序列数据分为较粗细粒度、适中细粒度和较细细粒度三部分数据,分别表示为,,。由于数据的细粒度不同,单一的残差卷积网络无法达到最后的训练效果,故本方法根据数据的细粒度不同分别依次采用深度增加的残差卷积神经网络,,,则其预测的结果分别可以表示为:
(1)
(2)
(3)
将不同细粒度的预测结果进行异或操作得到最后的最大传输容量预测结果,表示为:
(4)。
本实施实例中,基于整体趋势插值的高可靠最大传输容量确定方法如下:上一步中所述的最大传输容量预测均为单一传感器处的值,且电力传输线路无法做到高密度的传感器覆盖,因此,在相邻传感器之间的传输线路存在着不可控的风险,若直接取所有传感器中预测的最大可传输容量的最小值则使得动态增容过程风险较高,整条传输线路上的总最大传输容量表示为。首先,给定相邻两个传感器间补充数据量为A;然后根据整条线路上不同传感器得到的预测数据,计算其趋势变化情况,计算方式如下:
(5)
依据设定好的补充数据量A,在相邻两个数据间进行数据补齐,补齐方式如下:
(6)
(7)
其中,,表示趋势变化数据中的索引值,所有传感器得到的最大传输容量为:
(8)
则最后的高可靠最大传输容量为。
如图3所示,标注为加号的图为采用了整体趋势插值的可增容图,标注为圆圈的图为传感器监测数据对应的可增容图。
可以看出本专利提出的方法对未监测区域依然给出了可增容量,为线路的安全传输提供了进一步的保障。
如图4所示,本申请实施例提供一种传输线路动态增容***,包括,
历史数据处理与重组模块1,基于载流量模型的历史数据处理与重组,将原始的数据集扩展为包含最大可增容量的数据集;
最大传输容量预测模块2,基于多细粒度残差卷积网络的单传感器最大传输容量预测;
最大传输容量确定模块3,基于整体趋势插值的高可靠最大传输容量确定。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有程序代码,所述程序代码被处理器执行时,实现如上所述的传输线路动态增容方法的步骤。
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。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (3)
1.一种传输线路动态增容方法,其特征在于,包括以下具体步骤:
基于载流量模型的历史数据处理与重组;所述基于载流量模型的历史数据处理与重组包括以下步骤:
在基于载流量模型的历史数据处理与重组中,每个传感器监测到的数据表示为,其中为传感器监测到的空气温度,为传感器监测到的风速,为传感器监测到的辐射量,且这三类数据均为按照统一的时间细粒度记录的时间序列数据,利用导线载流量计算公式,得出每一个时刻上的最大可增容量,并将这一类数据表示为,其中分别其对应时刻的最大可增容量;
对整体数据进行重组,将原始的数据集扩展为包含最大可增容量的数据集,表示为,其中,,表示对应的传感器监测到的空气温度、风速和辐射量,为最大可增容量;
基于多细粒度残差卷积网络的单传感器最大传输容量预测;
基于整体趋势插值的高可靠最大传输容量确定;
所述基于多细粒度残差卷积网络的但传感器最大传输容量预测方法如下:
对重组后的数据进行细粒度划分,划分依据为时间刻度,将重组后的时间序列数据分为较粗细粒度、适中细粒度和较细细粒度三部分数据,分别表示为,,,根据数据的细粒度不同分别依次采用深度增加的残差卷积神经网络,,,则其预测的结果分别可以表示为:
(1)
(2)
(3)
将不同细粒度的预测结果进行异或操作得到最后的最大传输容量预测结果,表示为:
(4);
所述基于整体趋势插值的高可靠最大传输容量确定方法如下:
整条传输线路上的总最大传输容量表示为,给定相邻两个传感器间补充数据量为A;然后根据整条线路上不同传感器得到的预测数据,计算其趋势变化情况,计算方式如下:
(5)
依据设定好的补充数据量A,在相邻两个数据间进行数据补齐,补齐方式如下:
(6)
(7)
其中,,表示趋势变化数据中的索引值,所有传感器得到的最大传输容量为:
(8)
则最后的高可靠最大传输容量为。
2.一种传输线路动态增容***,用以实现权利要求1所述的方法,其特征在于,包括,
历史数据处理与重组模块,基于载流量模型的历史数据处理与重组,将原始的数据集扩展为包含最大可增容量的数据集;
最大传输容量预测模块,基于多细粒度残差卷积网络的单传感器最大传输容量预测;
最大传输容量确定模块,基于整体趋势插值的高可靠最大传输容量确定。
3.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序代码,所述程序代码被处理器执行时,实现如权利要求1所述的传输线路动态增容方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211561271.5A CN115579887B (zh) | 2022-12-07 | 2022-12-07 | 一种传输线路动态增容方法、***及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211561271.5A CN115579887B (zh) | 2022-12-07 | 2022-12-07 | 一种传输线路动态增容方法、***及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115579887A CN115579887A (zh) | 2023-01-06 |
CN115579887B true CN115579887B (zh) | 2023-04-07 |
Family
ID=84590611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211561271.5A Active CN115579887B (zh) | 2022-12-07 | 2022-12-07 | 一种传输线路动态增容方法、***及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115579887B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5933355A (en) * | 1995-05-04 | 1999-08-03 | Deb; Anjan Kumar | Object oriented expert power line ampacity system |
JP3929235B2 (ja) * | 2000-08-01 | 2007-06-13 | 関西電力株式会社 | 配電系統における状態推定方法 |
CN105574616A (zh) * | 2015-12-16 | 2016-05-11 | 国网山东省电力公司电力科学研究院 | 一种架空输电线路动态容量预测方法 |
CN106600460A (zh) * | 2016-12-13 | 2017-04-26 | 国网福建省电力有限公司 | 一种基于环境变化概率模型的输电线路动态增容方法 |
CN110321601B (zh) * | 2019-06-14 | 2021-03-26 | 山东大学 | 一种架空线路动态载流能力超前预测方法及*** |
WO2022111841A1 (en) * | 2020-11-27 | 2022-06-02 | Hitachi Energy Switzerland Ag | Load forecasting for electrical equipment using machine learning |
CN114707426A (zh) * | 2022-04-29 | 2022-07-05 | 广西电网有限责任公司南宁供电局 | 一种基于多源数据融合的线路动态增容方法 |
-
2022
- 2022-12-07 CN CN202211561271.5A patent/CN115579887B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115579887A (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063886B (zh) | 一种异常检测方法、装置以及设备 | |
TWI695260B (zh) | 區塊資料校驗方法和裝置 | |
CN110768912B (zh) | Api网关限流方法及装置 | |
TWI796286B (zh) | 一種機器學習系統的訓練方法和訓練系統 | |
CN106470219A (zh) | 计算机集群的扩容和缩容方法及设备 | |
CN111935211A (zh) | 基于区块链的采用侧链提升主链性能的方法及设备、介质 | |
CN111064471B (zh) | 数据处理方法、装置及电子设备 | |
CN110867964B (zh) | 一种基于物联网的智慧用电安全监控方法及主控计算机 | |
CN116976530A (zh) | 一种电缆设备状态预测方法、装置及存储介质 | |
CN115579887B (zh) | 一种传输线路动态增容方法、***及介质 | |
CN111756803A (zh) | 一种基于区块链技术的服务器端推送方法及设备、介质 | |
CN115080391A (zh) | 一种确定自动驾驶关键场景方法及装置 | |
CN114048061A (zh) | 校验块的生成方法及装置 | |
CN114819425A (zh) | 一种区域用电量智能预测方法、***及存储介质 | |
CN107741968A (zh) | 一种文件检索的方法、***、装置及计算机可读存储介质 | |
CN115442262B (zh) | 一种资源评估方法、装置、电子设备及存储介质 | |
CN109639672A (zh) | 基于jwt数据的防止重放攻击的方法及*** | |
CN110377262B (zh) | 数据存储方法及装置、存储介质和处理器 | |
CN115496002B (zh) | 一种多维特征交互的线路动态增容方法、***及介质 | |
CN114861922A (zh) | 一种量子比特读取数据的分析方法、装置、设备及介质 | |
CN115658286A (zh) | 一种用于负载预测的方法、设备、介质及程序产品 | |
CN108958658A (zh) | 一种目标数据的获取方法及装置 | |
CN111794812B (zh) | 汽轮机组滑压运行控制方法、装置及电子设备 | |
CN115438591A (zh) | 一种平衡多连接线路损耗的动态增容方法、***及介质 | |
CN114547641B (zh) | 一种基于区块链的工业数据追踪方法、装置、设备及介质 |
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 |