CN116127326B - 一种复合绝缘子检测方法、装置、电子设备及存储介质 - Google Patents
一种复合绝缘子检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116127326B CN116127326B CN202310348240.XA CN202310348240A CN116127326B CN 116127326 B CN116127326 B CN 116127326B CN 202310348240 A CN202310348240 A CN 202310348240A CN 116127326 B CN116127326 B CN 116127326B
- Authority
- CN
- China
- Prior art keywords
- sample
- abnormal
- error
- samples
- target
- 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
- 239000012212 insulator Substances 0.000 title claims abstract description 125
- 239000002131 composite material Substances 0.000 title claims abstract description 124
- 238000001514 detection method Methods 0.000 title claims abstract description 59
- 230000002159 abnormal effect Effects 0.000 claims abstract description 274
- 238000012360 testing method Methods 0.000 claims abstract description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 44
- 238000004088 simulation Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 43
- 238000012937 correction Methods 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
- G01R31/1245—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of line insulators or spacers, e.g. ceramic overhead line cap insulators; of insulators in HV bushings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
-
- 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
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Analytical Chemistry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Health & Medical Sciences (AREA)
- Ceramic Engineering (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Relating To Insulation (AREA)
- Electric Cable Installation (AREA)
- Insulators (AREA)
Abstract
本发明公开了一种复合绝缘子检测方法、装置、电子设备及存储介质,包括:采集多个历史年度对应的复合绝缘子工作样本,将工作样本划分为常规样本和异常样本;分别提取常规样本和异常样本对应的目标工作参数,并根据常规样本对应的目标工作参数,完成复合绝缘子芯棒酥化模拟试验;根据试验结果确定常规样本对应的评估结果,根据试验结果以及异常样本对应的目标工作参数,确定异常样本对应的评估结果;根据常规样本和异常样本分别对应的评估结果建立异常酥化样本库,根据异常酥化样本库,对目标复合绝缘子进行芯棒酥化检测。本发明实施例的技术方案可以提高复合绝缘子芯棒酥化检测结果的准确性。
Description
技术领域
本发明涉及输电网络技术领域,尤其涉及一种复合绝缘子检测方法、装置、电子设备及存储介质。
背景技术
复合绝缘子因其优越的机械性能和防污闪性能,在电力输电线路中被广泛应用。复合绝缘子的酥朽断裂,是近年来电力行业出现的一类因复合绝缘子芯棒机械强度降低而引发的故障缺陷。
然而,对于复合绝缘子的芯棒而言,在日常的运维过程中很难实现对芯棒内部缺陷进行诊断,这便使得复合绝缘子芯棒的酥化监测及评估是非常困难的。
现有技术中缺乏一种有效的技术手段,可以实现对复合绝缘子中芯棒酥化隐患进行排查。
发明内容
本发明提供了一种复合绝缘子检测方法、装置、电子设备及存储介质,可以提高复合绝缘子芯棒酥化检测结果的准确性。
根据本发明的一方面,提供了一种复合绝缘子检测方法,所述方法包括:
采集多个历史年度对应的复合绝缘子工作样本,将所述工作样本划分为常规样本和异常样本;
分别提取所述常规样本和异常样本对应的目标工作参数,并根据所述常规样本对应的目标工作参数,完成复合绝缘子芯棒酥化模拟试验;
根据试验结果,确定常规样本对应的评估结果,并根据所述试验结果以及异常样本对应的目标工作参数,确定异常样本对应的评估结果;
根据所述常规样本和异常样本分别对应的评估结果,建立异常酥化样本库,并根据所述异常酥化样本库,对目标复合绝缘子进行芯棒酥化检测。
根据本发明的另一方面,提供了一种复合绝缘子检测装置,所述装置包括:
样本采集模块,用于采集多个历史年度对应的复合绝缘子工作样本,将所述工作样本划分为常规样本和异常样本;
模拟试验模块,用于分别提取所述常规样本和异常样本对应的目标工作参数,并根据所述常规样本对应的目标工作参数,完成复合绝缘子芯棒酥化模拟试验;
样本评估模块,用于根据试验结果,确定常规样本对应的评估结果,并根据所述试验结果以及异常样本对应的目标工作参数,确定异常样本对应的评估结果;
酥化检测模块,用于根据所述常规样本和异常样本分别对应的评估结果,建立异常酥化样本库,并根据所述异常酥化样本库,对目标复合绝缘子进行芯棒酥化检测。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的复合绝缘子检测方法。
根据本发明的另一方面,提供了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计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的复合绝缘子检测方法。
本发明实施例提供的技术方案,通过采集多个历史年度对应的复合绝缘子工作样本,将工作样本划分为常规样本和异常样本,分别提取常规样本和异常样本对应的目标工作参数,并根据常规样本对应的目标工作参数,完成复合绝缘子芯棒酥化模拟试验,根据试验结果,确定常规样本对应的评估结果,并根据试验结果以及异常样本对应的目标工作参数,确定异常样本对应的评估结果,根据常规样本和异常样本分别对应的评估结果,建立异常酥化样本库,并根据异常酥化样本库,对目标复合绝缘子进行芯棒酥化检测的技术手段,提供了一种对复合绝缘子芯棒进行酥化检测的有效方式,可以提高复合绝缘子芯棒酥化检测结果的准确性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例提供的一种复合绝缘子检测方法的流程图;
图2是根据本发明实施例提供的另一种复合绝缘子检测方法的流程图;
图3a是根据本发明实施例提供的另一种复合绝缘子检测方法的流程图;
图3b是根据本发明实施例提供的另一种复合绝缘子检测方法的流程图;
图4是根据本发明实施例提供的一种复合绝缘子检测装置的结构示意图;
图5是实现本发明实施例的复合绝缘子检测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本发明实施例一提供的一种复合绝缘子检测方法的流程图,本实施例可适用于对复合绝缘子的芯棒进行酥化检测情况,该方法可以由复合绝缘子检测装置来执行,该装置可以采用硬件和/或软件的形式实现,该装置可配置于具备数据处理功能的电子设备(例如终端或者服务器)中。如图1所示,该方法包括:
步骤110、采集多个历史年度对应的复合绝缘子工作样本,将所述工作样本划分为常规样本和异常样本。
在本实施例中,可以将一个自然年为周期,采集i个历史年度对应的复合绝缘子工作样本,然后根据各样本中复合绝缘子芯棒的酥化情况,将多个工作样本划分为常规样本和异常样本。
其中,i的取值范围可以为[1,15]。具体的,如果采集5个年度的工作样本,则每个年度对应的样本数量不低于30,并且异常样本数量不低于10;如果采集6-12年的工作样本,第6年至第12年内每年对应的样本数量不低于50,并且异常样本数量不低于20;如果采集12年以上的工作样本,则超过12年后的每年对应的异常样本数量不低于20。
步骤120、分别提取所述常规样本和异常样本对应的目标工作参数,并根据所述常规样本对应的目标工作参数,完成复合绝缘子芯棒酥化模拟试验。
在本实施例中,可选的,可以分别提取常规样本和异常样本中,对复合绝缘子芯棒具有酥化影响的工作参数,并将此工作参数作为目标工作参数。在提取到常规样本对应的目标工作参数后,可以使用所述目标工作参数,对纯新的复合绝缘子芯棒进行模拟试验。
步骤130、根据试验结果,确定常规样本对应的评估结果,并根据所述试验结果以及异常样本对应的目标工作参数,确定异常样本对应的评估结果。
在本实施例中,可选的,可以根据常规样本与试验结果之间的差异,确定常规样本对应的评估结果,然后根据试验结果与异常样本之间的差异,以及异常样本对应的目标工作参数,确定异常样本对应的评估结果。
步骤140、根据所述常规样本和异常样本分别对应的评估结果,建立异常酥化样本库,并根据所述异常酥化样本库,对目标复合绝缘子进行芯棒酥化检测。
在本实施例中,获取到常规样本和异常样本分别对应的评估结果后,可以根据所述评估结果,确定出造成复合绝缘子芯棒发生酥化的实际影响因子,然后根据所述影响因子建立异常酥化样本库。其中,所述异常酥化样本库中包括多个芯棒发生酥化的复合绝缘子样本。
在建立异常酥化样本库之后,可选的,可以将待测的复合绝缘子(也即目标复合绝缘子),与异常酥化样本库中的各样本进行比对,得到目标复合绝缘子的酥化检测结果。
在本实施例中,通过探究每一自然年内的复合绝缘子机械强度的演变规律,并通过样本数据的分类处理,细化复合绝缘子酥化演变的影响因素,能够获取最大信息量的反馈,实现小样本采集下的高可靠性芯棒酥化隐患检测。
本发明实施例提供的技术方案,通过采集多个历史年度对应的复合绝缘子工作样本,将工作样本划分为常规样本和异常样本,分别提取常规样本和异常样本对应的目标工作参数,并根据常规样本对应的目标工作参数,完成复合绝缘子芯棒酥化模拟试验,根据试验结果,确定常规样本对应的评估结果,并根据试验结果以及异常样本对应的目标工作参数,确定异常样本对应的评估结果,根据常规样本和异常样本分别对应的评估结果,建立异常酥化样本库,并根据异常酥化样本库,对目标复合绝缘子进行芯棒酥化检测的技术手段,提供了一种对复合绝缘子芯棒进行酥化检测的有效方式,可以提高复合绝缘子芯棒酥化检测结果的准确性。
图2为本发明实施例二提供的一种复合绝缘子检测方法的流程图,本实施例是对上述实施例的进一步细化。如图2所示,该方法包括:
步骤210、采集多个历史年度对应的复合绝缘子工作样本,将所述工作样本划分为常规样本和异常样本。
步骤220、分别提取所述常规样本和异常样本对应的目标工作参数,并根据所述常规样本对应的目标工作参数,完成复合绝缘子芯棒酥化模拟试验。
在本实施例的一个实施方式中,分别提取所述常规样本和异常样本对应的目标工作参数,包括:提取常规样本对应的环境参数,以及所述常规样本中复合绝缘子芯棒的弹性模量;提取异常样本对应的异常环境参数、所述异常环境参数对应的时长,以及所述异常样本中复合绝缘子芯棒的弹性模量。
在一个具体的实施例中,对于常规样本而言,可以提取常规样本对应环境的温度x1、湿度x2、酸碱度x3、盐密度x4、灰密度x5、载荷应力x6的平均值,记作自变量矩阵(x1,x2,x3,x4,x5,x6),然后将芯棒实测弹性模量E记作输出观测量,并建立常规样本对应的参数集E(x1,x2,x3,x4,x5,x6)。
在另一个具体的实施例中,对于异常样本而言,可以将异常样本对应的异常环境参数作为自变量矩阵(xi,ti)。其中,假设异常样本在i年度内存在100天湿度x2为90%,存在45天盐密度x4为0.24mg/cm2,则芯棒实测弹性模量E’可表示为E’((x2=90%,t2=100),(x4=0.24,t2=45))。
步骤230、根据所述常规样本对应的目标工作参数,确定常规样本数据。
在此步骤中,假设常规样本为Ai1,则可以根据常规样本对应的目标工作参数,在常规样本中筛选常规样本数据Ei1。
步骤240、确定所述试验结果与常规样本数据之间的误差,并根据所述误差将常规样本划分为目标正常样本和目标误差样本。
在此步骤中,通过上述误差判据可以将常规样本重新划分为,允许误差结果(也即满足误差判据)的目标正常样本Ai5,以及不允许误差结果(也即不满足误差判据)的目标误差样本Ai6。
步骤250、对所述目标误差样本对应的误差原因进行分析,得到误差分析结果。
在本实施例中,可选的,可以将目标误差样本对应的工作参数,与试验结果对应的工作参数进行对比,然后根据对比结果对目标误差样本的误差原因进行分析。
步骤260、将所述异常样本划分为第一异常样本和第二异常样本;所述第二异常样本对应的异常等级,大于第一异常样本对应的异常等级。
在本实施例中,通过步骤210得到异常样本后,还可以根据异常样本中复合绝缘子的异常程度,将异常样本划分为一般异常样本Ai3(也即第一异常样本),和重点异常样本Ai4(也即第二异常样本)。
步骤270、根据所述异常样本对应的目标工作参数,在第一异常样本和第二异常样本中,分别确定第一异常数据和第二异常数据。
在此步骤中,可以根据异常样本对应的目标工作参数,在第一异常样本Ai3中筛选第一异常数据Ei2,并在第二异常样本Ai4中筛选第二异常数据Ei3。
步骤280、获取所述目标正常样本对应的均值,并将所述均值作为参考值;根据所述参考值对第一异常数据和第二异常数据进行误差筛查,并根据筛查结果,将第一异常样本和第二异常样本划分为第一误差样本、第二误差样本和第三误差样本。
其中,第三误差样本对应的误差等级,大于第二误差样本对应的误差等级;第二误差样本对应的误差等级,大于第一误差样本对应的误差等级。
在此步骤中,获取到上述参考值Ei后,可以利用误差判据,对第一异常数据和第二异常数据进行误差筛查,并根据筛查结果将第一异常样本和第二异常样本划分为小误差样本Ai7(也即第一误差样本)、大误差一般样本Ai8(也即第二误差样本)和大误差重点样本Ai9(也即第三误差样本)。
步骤290、根据所述目标误差样本、第二误差样本以及第三误差样本,建立所述异常酥化样本库,并根据所述异常酥化样本库,对目标复合绝缘子进行芯棒酥化检测。
在本实施例中,可以根据目标误差样本Ai6、第二误差样本Ai8和第三误差样本Ai9建立异常酥化样本库。
本发明实施例提供的技术方案,通过采集多个历史年度对应的复合绝缘子工作样本,将工作样本划分为常规样本和异常样本,根据常规样本的目标工作参数完成复合绝缘子芯棒酥化模拟试验,确定试验结果与常规样本数据之间的误差,根据误差将常规样本划分为目标正常样本和目标误差样本,对目标误差样本对应的误差原因进行分析得到误差分析结果,将异常样本划分为第一异常样本和第二异常样本,获取目标正常样本的均值作为参考值,根据参考值对第一异常数据和第二异常数据进行误差筛查,得到第一误差样本、第二误差样本和第三误差样本,根据目标误差样本、第二误差样本以及第三误差样本建立异常酥化样本库,并根据异常酥化样本库,对目标复合绝缘子进行芯棒酥化检测的技术手段,可以提高复合绝缘子芯棒酥化检测结果的准确性。
图3a为本发明实施例三提供的一种复合绝缘子检测方法的流程图,本实施例是对上述实施例的进一步细化。如图3a所示,该方法包括:
步骤301、采集多个历史年度对应的复合绝缘子工作样本,根据预设的异常判据,将所述工作样本划分为常规样本和异常样本。
在本实施例中,可选的,可以利用表1所示的异常判据X,将工作样本划分为常规样本Ai1和异常样本Ai2。具体的,所述异常判据中的判定规则为:若某样本中复合绝缘子工作环境满足异常判据X中的任意一条,则可以将该样本归类为异常样本Ai2,否则归类为常规样本Ai1。
在一个具体的实施例中,假设某样本中复合绝缘子在i年度内存在超过60天环境温度大于50℃,则可以将该样本归类为异常样本Ai2。进一步的,异常样本Ai2还可以划分为第一异常样本Ai3和第二异常样本Ai4。具体的判定规则为:若某异常样本中复合绝缘子工作环境同时满足泄露电流x7和局部过热x8,则可以将该异常样本归类为第一异常样本Ai3,否则归类为第二异常样本Ai4。
步骤302、分别提取所述常规样本和异常样本对应的目标工作参数,并根据所述常规样本对应的目标工作参数,完成复合绝缘子芯棒酥化模拟试验。
步骤303、根据所述常规样本对应的目标工作参数,确定常规样本数据,确定所述试验结果与常规样本数据之间的误差,并根据所述误差将常规样本划分为目标正常样本和目标误差样本。
步骤304、对所述目标误差样本对应的误差原因进行分析,得到误差分析结果。
表1
在本实施例中,可选的,可以参照上述异常判据X的定义值xj(j=1~8)和总计天数,分析产生目标误差样本Ai6的潜在因素,并根据分析结果提出修正异常判据X定义值和总计天数的依据。
步骤305、将所述异常样本划分为第一异常样本和第二异常样本,根据所述异常样本对应的目标工作参数,在第一异常样本和第二异常样本中,分别确定第一异常数据和第二异常数据。
步骤306、获取所述目标正常样本对应的均值,并将所述均值作为参考值,根据所述参考值对第一异常数据和第二异常数据进行误差筛查,并根据筛查结果,将第一异常样本和第二异常样本划分为第一误差样本、第二误差样本和第三误差样本。
步骤307、根据所述目标误差样本、第二误差样本以及第三误差样本,建立所述异常酥化样本库。
步骤308、根据目标误差样本对应的误差分析结果,对第一误差样本对应的影响因素权重进行减小,并对第二误差样本以及第三误差样本对应的影响因素权重进行分析,得到影响因素权重对应的修正量。
在本实施例中,第一误差样本Ai7被用于弱化对应影响隐私的权重,并修正异常判据X的定义值和总计天数。具体的,若第一误差样本Ai7的误差取值为,则可以确定需要修正异常判据X的定义值;若/>,则可以确定需要修正异常判据X中的总计天数。
在此步骤中,还可以将第二误差样本Ai8作为训练集,将第三误差样本Ai9作为验证集,通过所述训练集和验证集计算修正量。具体的,修正量/>可以采用离散线性拟合方式得到,/>。其中,/>为异常判据X中定义异常参数的取值,为考虑总共作用时间下异常扰动事件的权重因子,/>为所需拟合的常数因子。
步骤309、根据各影响因素权重对应的分析结果,对所述异常判据进行修正,以根据修正后的异常判据,对新的复合绝缘子工作样本进行处理。
在此步骤中,可以根据修正后的异常判据,将下一年度下采集的复合绝缘子工作样本,划分为常规样本和异常样本。
步骤310、根据所述修正量,确定多个历史年度对应的因素权重修正结果,根据所述异常酥化样本库,以及所述因素权重修正结果,对目标复合绝缘子进行芯棒酥化检测。
在一个具体的实施例中,在样本数据的分析过程中,可以对照异常样本与异常判据X的表格关系,结合样本数据的实际采样值与总计时间,绘制得到各类事件下的矩阵数列关系,如表2所示。
其中,表2中低风险样本数据和中风险样本数据均采用(xjmax,tj)和(xj,tjmax)的表示方法,而高风险样本数据则采用(xjmin,tj)和(xj,tjmin)的表示方法、在这种方式下,可以将xjmin和tjmin将作为i年度同类型复合绝缘子酥化高风险隐患的基础判据。
在本实施例中,还可以汇总样本数据Ai6,Ai7,Ai8,Ai9中异常参数的权重,此权重将用于i+1年度异常判据X的修正,且异常事件xj(j=1~8)的修正参量可用于评测复合绝缘子机械强度Ei’的输出。
在一个具体的实施例中,当复合绝缘子芯棒酥化机械强度Ei’的输出结果低于0.5*额定值时,则可以判定该绝缘子存在芯棒酥断的安全隐患。
在本实施例中,在完成i年度所有复合绝缘子酥化隐患评估后,可以对i年度机械强度参考值Ei和修正值Ei’进行输出、对异常判据X进行修正、建立异常酥化样本库,然后将上述数据更新至下一年度的复合绝缘子芯棒酥化隐患评估过程中。
表2
在本实施例中,通过建立异常判据,并使用大量样本数据对异常判据进行反复修正,可以直观评估芯棒酥化演变的关键影响因素及权重,提高复合绝缘子检测结果的精度。
本发明实施例提供的技术方案,通过采集多个历史年度对应的复合绝缘子工作样本,根据异常判据将工作样本划分为常规样本和异常样本,确定试验结果与常规样本数据之间的误差,将常规样本划分为目标正常样本和目标误差样本,对目标误差样本对应的误差原因进行分析,将异常样本划分为第一异常样本和第二异常样本,获取目标正常样本的均值作为参考值,根据参考值对第一异常数据和第二异常数据进行误差筛查,得到第一误差样本、第二误差样本和第三误差样本,根据目标误差样本、第二误差样本以及第三误差样本,建立所述异常酥化样本库,对第一误差样本对应的影响因素权重进行减小,并对第二误差样本以及第三误差样本对应的影响因素权重进行分析,得到影响因素权重对应的修正量,根据各影响因素权重对应的分析结果对异常判据进行修正,根据修正量确定多个历史年度的因素权重修正结果,根据异常酥化样本库以及因素权重修正结果,对目标复合绝缘子进行芯棒酥化检测的技术手段,可以提高复合绝缘子芯棒酥化检测结果的准确性。
在上述实施例的基础上,本发明实施例还提供了一种优选的复合绝缘子检测方法的流程图,如图3b所示,该方法包括:
步骤1:采集i个历史年度对应的复合绝缘子工作样本Ai;
步骤2:根据异常样本数据判据X,将Ai划分为常规样本Ai1和异常样本Ai2;
步骤3:对常规样本Ai1进行关键参量提取,输出常规样本数据Ei1;
步骤4:将异常样本Ai2划分为一般样本Ai3和重点样本Ai4,对一般样本Ai3和重点样本Ai4进行关键参量提取,输出一般样本数据Ei2和重点样本数据Ei3;
步骤5:根据常规样本Ai1的关键参量,进行常规模拟试验,输出试验结果Ei4;
步骤6:根据试验结果Ei4以及常规样本数据Ei1,进行误差分析以及样本归类,得到正常样本结果Ai5和误差样本结果Ai6;
步骤7:将正常样本结果Ai5的平均值作为参考值Ei进行输出,并对误差样本结果Ai6的原因进行分析;
步骤8:根据参考值Ei对一般样本数据Ei2和重点样本数据Ei3进行大误差样本筛查,得到小误差样本Ai7、大误差一般样本Ai8和大误差重点样本Ai9;
步骤9:根据步骤7中的原因分析结果,对小误差样本Ai7的影响权重进行弱化,并将大误差一般样本Ai8和大误差重点样本Ai9分别作为训练集和验证集,对高影响权重因素进行分析,然后根据分析结果对异常判据X进行修正;
步骤11:输出i年度修正结果Ei’;
步骤12:建立i年度异常酥化样本库,根据所述异常酥化样本库对目标复合绝缘子进行芯棒酥化检测。
图4为本发明实施例四提供的一种复合绝缘子检测装置的结构示意图,如图4所示,该装置包括:样本采集模块410、模拟试验模块420、样本评估模块430和酥化检测模块440。
其中,样本采集模块410,用于采集多个历史年度对应的复合绝缘子工作样本,将所述工作样本划分为常规样本和异常样本;
模拟试验模块420,用于分别提取所述常规样本和异常样本对应的目标工作参数,并根据所述常规样本对应的目标工作参数,完成复合绝缘子芯棒酥化模拟试验;
样本评估模块430,用于根据试验结果,确定常规样本对应的评估结果,并根据所述试验结果以及异常样本对应的目标工作参数,确定异常样本对应的评估结果;
酥化检测模块440,用于根据所述常规样本和异常样本分别对应的评估结果,建立异常酥化样本库,并根据所述异常酥化样本库,对目标复合绝缘子进行芯棒酥化检测。
本发明实施例提供的技术方案,通过采集多个历史年度对应的复合绝缘子工作样本,将工作样本划分为常规样本和异常样本,分别提取常规样本和异常样本对应的目标工作参数,并根据常规样本对应的目标工作参数,完成复合绝缘子芯棒酥化模拟试验,根据试验结果,确定常规样本对应的评估结果,并根据试验结果以及异常样本对应的目标工作参数,确定异常样本对应的评估结果,根据常规样本和异常样本分别对应的评估结果,建立异常酥化样本库,并根据异常酥化样本库,对目标复合绝缘子进行芯棒酥化检测的技术手段,提供了一种对复合绝缘子芯棒进行酥化检测的有效方式,可以提高复合绝缘子芯棒酥化检测结果的准确性。
在上述实施例的基础上,所述样本采集模块410包括:
工作样本划分单元,用于根据预设的异常判据,将所述工作样本划分为常规样本和异常样本。
所述模拟试验模块420包括:
环境参数提取单元,用于提取常规样本对应的环境参数,以及所述常规样本中复合绝缘子芯棒的弹性模量;
异常参数提取单元,用于提取异常样本对应的异常环境参数、所述异常环境参数对应的时长,以及所述异常样本中复合绝缘子芯棒的弹性模量。
所述样本评估模块430包括:
常规样本数据确定单元,用于根据所述常规样本对应的目标工作参数,确定常规样本数据;
常规样本划分单元,用于确定所述试验结果与常规样本数据之间的误差,并根据所述误差将常规样本划分为目标正常样本和目标误差样本;
误差分析单元,用于对所述目标误差样本对应的误差原因进行分析,得到误差分析结果;
异常样本划分单元,用于将所述异常样本划分为第一异常样本和第二异常样本;所述第二异常样本对应的异常等级,大于第一异常样本对应的异常等级;
异常数据确定单元,用于根据所述异常样本对应的目标工作参数,在第一异常样本和第二异常样本中,分别确定第一异常数据和第二异常数据;
参考值确定单元,用于获取所述目标正常样本对应的均值,并将所述均值作为参考值;
误差筛查单元,用于根据所述参考值对第一异常数据和第二异常数据进行误差筛查,并根据筛查结果,将第一异常样本和第二异常样本划分为第一误差样本、第二误差样本和第三误差样本;
其中,第三误差样本对应的误差等级,大于第二误差样本对应的误差等级;第二误差样本对应的误差等级,大于第一误差样本对应的误差等级;
判据修正单元,用于根据各影响因素权重对应的分析结果,对所述异常判据进行修正,以根据修正后的异常判据,对新的复合绝缘子工作样本进行处理。
所述酥化检测模块440,包括:
异常样本库建立单元,用于根据所述目标误差样本、第二误差样本以及第三误差样本,建立所述异常酥化样本库;
修正量确定单元,用于根据目标误差样本对应的误差分析结果,对第一误差样本对应的影响因素权重进行减小,并对第二误差样本以及第三误差样本对应的影响因素权重进行分析,得到影响因素权重对应的修正量;
修正结果确定单元,用于根据所述修正量,确定多个历史年度对应的因素权重修正结果;
绝缘子检测单元,用于根据所述异常酥化样本库,以及所述因素权重修正结果,对目标复合绝缘子进行芯棒酥化检测。
上述装置可执行本发明前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本发明实施例中详尽描述的技术细节,可参见本发明前述所有实施例所提供的方法。
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如复合绝缘子检测方法。
在一些实施例中,复合绝缘子检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的复合绝缘子检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行复合绝缘子检测方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (8)
1.一种复合绝缘子检测方法,其特征在于,所述方法包括:
采集多个历史年度对应的复合绝缘子工作样本,将所述工作样本划分为常规样本和异常样本;
分别提取所述常规样本和异常样本对应的目标工作参数,并根据所述常规样本对应的目标工作参数,完成复合绝缘子芯棒酥化模拟试验;
根据试验结果,确定常规样本对应的评估结果,并根据所述试验结果以及异常样本对应的目标工作参数,确定异常样本对应的评估结果;
根据所述常规样本和异常样本分别对应的评估结果,建立异常酥化样本库,并根据所述异常酥化样本库,对目标复合绝缘子进行芯棒酥化检测;
其中,根据试验结果,确定常规样本对应的评估结果,包括:根据常规样本对应的目标工作参数,确定常规样本数据;确定所述试验结果与常规样本数据之间的误差,并根据所述误差将常规样本划分为目标正常样本和目标误差样本;对所述目标误差样本对应的误差原因进行分析,得到误差分析结果;
根据所述异常酥化样本库,对目标复合绝缘子进行芯棒酥化检测,包括:根据目标误差样本对应的误差分析结果,对第一误差样本对应的影响因素权重进行减小,并对第二误差样本以及第三误差样本对应的影响因素权重进行分析,得到影响因素权重对应的修正量;根据所述修正量,确定多个历史年度对应的因素权重修正结果;根据所述异常酥化样本库,以及所述因素权重修正结果,对目标复合绝缘子进行芯棒酥化检测;
所述第一误差样本、第二误差样本以及第三误差样本,根据对第一异常样本和第二异常样本划分得到;所述第一异常样本和第二异常样本,根据对异常样本划分得到。
2.根据权利要求1所述的方法,其特征在于,分别提取所述常规样本和异常样本对应的目标工作参数,包括:
提取常规样本对应的环境参数,以及所述常规样本中复合绝缘子芯棒的弹性模量;
提取异常样本对应的异常环境参数、所述异常环境参数对应的时长,以及所述异常样本中复合绝缘子芯棒的弹性模量。
3.根据权利要求1所述的方法,其特征在于,根据所述试验结果以及异常样本对应的目标工作参数,确定异常样本对应的评估结果,包括:
将所述异常样本划分为第一异常样本和第二异常样本;所述第二异常样本对应的异常等级,大于第一异常样本对应的异常等级;
根据所述异常样本对应的目标工作参数,在第一异常样本和第二异常样本中,分别确定第一异常数据和第二异常数据;
获取所述目标正常样本对应的均值,并将所述均值作为参考值;
根据所述参考值对第一异常数据和第二异常数据进行误差筛查,并根据筛查结果,将第一异常样本和第二异常样本划分为第一误差样本、第二误差样本和第三误差样本;
其中,第三误差样本对应的误差等级,大于第二误差样本对应的误差等级;第二误差样本对应的误差等级,大于第一误差样本对应的误差等级。
4.根据权利要求3所述的方法,其特征在于,根据所述常规样本和异常样本分别对应的评估结果,建立异常酥化样本库,包括:
根据所述目标误差样本、第二误差样本以及第三误差样本,建立所述异常酥化样本库。
5.根据权利要求1所述的方法,其特征在于,将所述工作样本划分为常规样本和异常样本,包括:
根据预设的异常判据,将所述工作样本划分为常规样本和异常样本;
在根据目标误差样本对应的误差分析结果,对第一误差样本对应的影响因素权重进行减小,并对第二误差样本以及第三误差样本对应的影响因素权重进行分析之后,还包括:
根据各影响因素权重对应的分析结果,对所述异常判据进行修正,以根据修正后的异常判据,对新的复合绝缘子工作样本进行处理。
6.一种复合绝缘子检测装置,其特征在于,所述装置包括:
样本采集模块,用于采集多个历史年度对应的复合绝缘子工作样本,将所述工作样本划分为常规样本和异常样本;
模拟试验模块,用于分别提取所述常规样本和异常样本对应的目标工作参数,并根据所述常规样本对应的目标工作参数,完成复合绝缘子芯棒酥化模拟试验;
样本评估模块,用于根据试验结果,确定常规样本对应的评估结果,并根据所述试验结果以及异常样本对应的目标工作参数,确定异常样本对应的评估结果;
酥化检测模块,用于根据所述常规样本和异常样本分别对应的评估结果,建立异常酥化样本库,并根据所述异常酥化样本库,对目标复合绝缘子进行芯棒酥化检测;
其中,样本评估模块还用于,根据常规样本对应的目标工作参数,确定常规样本数据;确定所述试验结果与常规样本数据之间的误差,并根据所述误差将常规样本划分为目标正常样本和目标误差样本;对所述目标误差样本对应的误差原因进行分析,得到误差分析结果;
酥化检测模块,还用于根据目标误差样本对应的误差分析结果,对第一误差样本对应的影响因素权重进行减小,并对第二误差样本以及第三误差样本对应的影响因素权重进行分析,得到影响因素权重对应的修正量;根据所述修正量,确定多个历史年度对应的因素权重修正结果;根据所述异常酥化样本库,以及所述因素权重修正结果,对目标复合绝缘子进行芯棒酥化检测;
所述第一误差样本、第二误差样本以及第三误差样本,根据对第一异常样本和第二异常样本划分得到;所述第一异常样本和第二异常样本,根据对异常样本划分得到。
7.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的复合绝缘子检测方法。
8.一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计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的复合绝缘子检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310348240.XA CN116127326B (zh) | 2023-04-04 | 2023-04-04 | 一种复合绝缘子检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310348240.XA CN116127326B (zh) | 2023-04-04 | 2023-04-04 | 一种复合绝缘子检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116127326A CN116127326A (zh) | 2023-05-16 |
CN116127326B true CN116127326B (zh) | 2023-06-23 |
Family
ID=86295854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310348240.XA Active CN116127326B (zh) | 2023-04-04 | 2023-04-04 | 一种复合绝缘子检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116127326B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020248291A1 (en) * | 2019-06-11 | 2020-12-17 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for anomaly detection |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104523265B (zh) * | 2014-12-31 | 2017-04-12 | 广州视源电子科技股份有限公司 | 异常心电数据的判断方法和装置 |
CN107977710B (zh) * | 2017-12-21 | 2020-12-25 | 南方电网科学研究院有限责任公司 | 用电异常数据检测方法和装置 |
CN109086518A (zh) * | 2018-08-01 | 2018-12-25 | 国网福建省电力有限公司 | 一种智能变电站输变电一次设备状态评估的方法 |
CN114236327B (zh) * | 2021-11-29 | 2024-05-31 | 国网福建省电力有限公司检修分公司 | 一种复合绝缘子芯棒酥朽缺陷的检测装置及其检测方法 |
-
2023
- 2023-04-04 CN CN202310348240.XA patent/CN116127326B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020248291A1 (en) * | 2019-06-11 | 2020-12-17 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for anomaly detection |
Also Published As
Publication number | Publication date |
---|---|
CN116127326A (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111309539A (zh) | 一种异常监测方法、装置和电子设备 | |
CN114386537B (zh) | 基于CatBoost的锂电池故障诊断方法、装置及电子设备 | |
CN113837596A (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN110766236A (zh) | 基于统计分析和深度学习的电力设备状态趋势预测方法 | |
CN115033463A (zh) | 一种***异常类型确定方法、装置、设备和存储介质 | |
CN115509797A (zh) | 一种故障类别的确定方法、装置、设备及介质 | |
CN114978877A (zh) | 一种异常处理方法、装置、电子设备及计算机可读介质 | |
CN117593115A (zh) | 信贷风险评估模型的特征值确定方法、装置、设备和介质 | |
CN116127326B (zh) | 一种复合绝缘子检测方法、装置、电子设备及存储介质 | |
CN116702005A (zh) | 一种基于神经网络的数据异常诊断方法和电子设备 | |
CN116155541A (zh) | 面向网络安全应用的自动化机器学习平台以及方法 | |
CN115600607A (zh) | 一种日志检测方法、装置、电子设备及介质 | |
CN114881112A (zh) | 一种***异常检测方法、装置、设备及介质 | |
CN114866437A (zh) | 一种节点检测方法、装置、设备及介质 | |
CN115829160B (zh) | 一种时序异常预测方法、装置、设备及存储介质 | |
CN116070963B (zh) | 一种基于大数据的线上客户服务***健康度检测方法 | |
CN117493127B (zh) | 一种应用程序检测方法、装置、设备及介质 | |
CN113407428B (zh) | 人工智能***的可靠性评估方法、装置和计算机设备 | |
CN118074625A (zh) | 设备故障检测方法、装置、设备及存储介质 | |
CN115204313A (zh) | 一种故障检测方法、装置、设备及存储介质 | |
CN117149486A (zh) | 告警和根因定位方法、模型训练方法、装置、设备及介质 | |
CN117705178A (zh) | 风电螺栓信息检测方法、装置、电子设备和存储介质 | |
CN117608896A (zh) | 交易数据处理方法、装置、电子设备及存储介质 | |
CN116956042A (zh) | 故障类型检测模型的建立方法、装置、设备及介质 | |
CN115098370A (zh) | 软件***的可靠性评估方法、***、设备及存储介质 |
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 |