CN117456707A - 一种智能母线槽温湿度异常预警方法及装置 - Google Patents
一种智能母线槽温湿度异常预警方法及装置 Download PDFInfo
- Publication number
- CN117456707A CN117456707A CN202311773419.6A CN202311773419A CN117456707A CN 117456707 A CN117456707 A CN 117456707A CN 202311773419 A CN202311773419 A CN 202311773419A CN 117456707 A CN117456707 A CN 117456707A
- Authority
- CN
- China
- Prior art keywords
- node
- temperature
- abnormal
- humidity
- data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000005856 abnormality Effects 0.000 title claims description 34
- 230000002159 abnormal effect Effects 0.000 claims abstract description 119
- 238000004891 communication Methods 0.000 claims abstract description 45
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 37
- 230000007613 environmental effect Effects 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 8
- 230000000875 corresponding effect Effects 0.000 description 20
- 230000005540 biological transmission Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
- H02G5/00—Installations of bus-bars
- H02G5/06—Totally-enclosed installations, e.g. in metal casings
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Selective Calling Equipment (AREA)
Abstract
本发明提供一种智能母线槽温湿度异常预警方法及装置，涉及智能预警技术领域，所述方法包括：获取来自传感器节点的温湿度数据；将温湿度数据与当前环境状态的动态因子进行比较，以得到比较结果；根据所述比较结果进行异常检测，以确定异常节点；将所述异常节点发送至主控节点，以使主控节点根据接收到的异常节点信息，进行路径规划，以确定最终的通信路径；根据最终的通信路径，向异常节点发送控制指令，以使预警装置根据控制指令，发出声光报警，实现对母线槽温湿度的异常预警。本发明不仅可以适应环境的动态变化，提高预警的准确性，还可以实现对异常节点的精准定位，提高预警的及时性。
Description
技术领域
本发明涉及智能预警技术领域，特别是指一种智能母线槽温湿度异常预警方法及装置。
背景技术
随着科技的不断进步，智能母线槽***在许多工业和商业应用中越来越普及。母线槽作为电力***的重要组成部分，其运行状态的稳定与否直接关系到整个电力***的安全和效率。然而，母线槽在运行过程中，由于受到环境因素、负载变化、设备老化等多种因素的影响，容易出现温湿度异常的情况，这不仅会影响母线槽的正常运行，还可能引发严重的安全事故。
目前，对于母线槽温湿度异常的预警，通常采用的是传统的阈值比较方法。即，通过传感器节点采集母线槽的温湿度数据，然后与预设的阈值进行比较，如果超出阈值范围，则判定为异常，并触发报警。然而，这种方法存在明显的局限性。首先，固定的阈值无法适应环境的动态变化，容易出现误报或漏报的情况。其次，传统的阈值比较方法无法对多个传感器节点的数据进行综合分析，无法实现对异常节点的精准定位。
发明内容
本发明要解决的技术问题是提供一种智能母线槽温湿度异常预警方法及装置，不仅可以适应环境的动态变化，提高预警的准确性，还可以实现对异常节点的精准定位，提高预警的及时性。
为解决上述技术问题，本发明的技术方案如下：
第一方面，一种智能母线槽温湿度异常预警方法，所述方法包括：
获取来自传感器节点的温湿度数据；
将温湿度数据与当前环境状态的动态因子进行比较，以得到比较结果；
根据所述比较结果进行异常检测，以确定异常节点；
将所述异常节点发送至主控节点，以使主控节点根据接收到的异常节点信息，进行路径规划，以确定最终的通信路径；
根据最终的通信路径，向异常节点发送控制指令，以使预警装置根据控制指令，发出声光报警，实现对母线槽温湿度的异常预警。
进一步的，获取来自传感器节点的温湿度数据，包括：
向各个传感器节点发送控制信号，以激活传感器节点内置的温湿度传感器；
根据所述控制信号，以使传感器按照设定的采样频率和分辨率采集温湿度数据；
对所述温湿度数据通过进行处理，以得到处理后的温湿度数据/>，其中，/>表示输入的温湿度数据，N表示移动平均滤波器的窗口大小，w表示融合权重，k表示中值滤波器的窗口大小，n表示当前时刻，/>表示在时刻n之前的第k个时刻；
将处理后的温湿度数据封装成数据包，以使数据包通过无线通信模块，发送至主控节点。
进一步的，所述数据包中包括传感器的标识、时间戳、温度值和湿度值。
进一步的，将温湿度数据与当前环境状态的动态因子进行比较，以得到比较结果，包括：
获取当前环境状态信息；
根据所述当前环境状态信息，通过预测模型计算动态因子；
从传感器节点获取当前的温湿度数据；
将当前的温湿度数据与动态因子进行时间对齐，以得到当前的温湿度数据与动态因子对应相同的时间点的对齐数据；
对所述对齐数据进行标准化处理，以得到标准化数据；
将标准化数据与动态因子进行比较，以得到比较结果。
进一步的，根据所述比较结果进行异常检测，以确定异常节点，包括：
根据实际需求和应用场景，设定异常检测标准和阈值；
获取比较结果，并根据设定的异常检测标准，将比较结果与异常检测标准进行对比，并为每个节点计算一个异常评分；
将每个节点的异常评分与设定的阈值进行比较，若其中一个节点的评分＞阈值，则对应的节点为潜在的异常节点；
对潜在的异常节点进行分析，以得到分析结果；
根据所述分析结果，确定异常节点。
进一步的，将所述异常节点发送至主控节点，以使主控节点根据接收到的异常节点信息，进行路径规划，以确定最终的通信路径，包括：
在异常节点和主控节点之间建立通讯链路；
根据实际应用场景和网络环境，异常节点将相关信息通过已建立的通讯链路发送至主控节点，以使主控节点进行解析和处理，提取出异常节点；
构建路径与主控节点和异常节点之间的搜索空间；
根据搜索空间，计算从主控节点到异常节点的路径代价；
从主控节点开始，遍历搜索空间中的相邻节点，根据计算的路径代价，确定一条到达异常节点的最终路径；
根据所述最终路径，确定最终的通信路径。
进一步的，根据所述当前环境状态信息，通过预测模型计算动态因子，包括：
获取当前环境的温度、湿度实时数据；
对当前环境的温度、湿度实时数据进行处理，以得到处理结果；
根据历史数据和预测需求，构建预测模型，其中，/>是动态因子预测值；/>是预测模型的截距项；/>，/>，…，/>是各环境状态信息对应的回归系数；/>，/>，…，/>是当前环境的各状态信息值，/>表示环境状态信息的数量；
训练所述预测模型，以得到最终的预测模型；
根据最终的预测模型以及处理结果，计算动态因子预测值。
第二方面，一种智能母线槽温湿度异常预警装置，包括：
获取模块，用于获取来自传感器节点的温湿度数据；将温湿度数据与当前环境状态的动态因子进行比较，以得到比较结果；根据所述比较结果进行异常检测，以确定异常节点；
处理模块，用于将所述异常节点发送至主控节点，以使主控节点根据接收到的异常节点信息，进行路径规划，以确定最终的通信路径；根据最终的通信路径，向异常节点发送控制指令，以使预警装置根据控制指令，发出声光报警，实现对母线槽温湿度的异常预警。
第三方面，一种计算设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的方法。
第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现所述的方法。
本发明的上述方案至少包括以下有益效果：
通过将温湿度数据与当前环境状态的动态因子进行比较，该方法能够适应环境的动态变化，从而更准确地检测出母线槽的温湿度异常，有助于减少误报和漏报的情况，提高预警的可靠性。本发明可以根据比较结果进行异常检测，以确定具体的异常节点，精准定位功能使得维护人员能够迅速找到问题所在，并采取有效措施进行修复，从而缩短故障恢复时间，提高电力***的运行效率。
通过将异常节点信息发送至主控节点，主控节点可以根据接收到的信息进行路径规划，确定最终的通信路径，保证了异常信息能够及时传递至相关人员，以便能够在第一时间作出响应。此外，根据最终的通信路径向异常节点发送控制指令，预警装置能够根据指令发出声光报警，实现对母线槽温湿度的异常预警。这种及时预警功能有助于防止潜在的安全事故，保障人员和设备的安全。本发明进行异常检测和路径规划，提高了整个母线槽***的智能化程度，不仅可以降低人工巡检的频率和工作量，还可以实现对母线槽***的远程监控和管理，提高电力***的自动化水平。
通过及时预警和精准定位异常节点，该方法有助于减少不必要的维修和更换成本。同时，提高预警准确性和及时性可以降低因温湿度异常引发的安全事故风险，从而减少相关损失。
附图说明
图1是本发明的实施例提供的一种智能母线槽温湿度异常预警方法的流程示意图。
图2是本发明的实施例提供的一种智能母线槽温湿度异常预警装置示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，本发明的实施例提出一种智能母线槽温湿度异常预警方法，所述方法包括以下步骤：
步骤11，获取来自传感器节点的温湿度数据；
步骤12，将温湿度数据与当前环境状态的动态因子进行比较，以得到比较结果；
步骤13，根据所述比较结果进行异常检测，以确定异常节点；
步骤14，将所述异常节点发送至主控节点，以使主控节点根据接收到的异常节点信息，进行路径规划，以确定最终的通信路径；
步骤15，根据最终的通信路径，向异常节点发送控制指令，以使预警装置根据控制指令，发出声光报警，实现对母线槽温湿度的异常预警。
在本发明实施例中，通过将温湿度数据与当前环境状态的动态因子进行比较，该方法能够适应环境的动态变化，从而更准确地检测出母线槽的温湿度异常，有助于减少误报和漏报的情况，提高预警的可靠性。本发明可以根据比较结果进行异常检测，以确定具体的异常节点，精准定位功能使得维护人员能够迅速找到问题所在，并采取有效措施进行修复，从而缩短故障恢复时间，提高电力***的运行效率。通过将异常节点信息发送至主控节点，主控节点可以根据接收到的信息进行路径规划，确定最终的通信路径，保证了异常信息能够及时传递至相关人员，以便能够在第一时间作出响应。此外，根据最终的通信路径向异常节点发送控制指令，预警装置能够根据指令发出声光报警，实现对母线槽温湿度的异常预警。这种及时预警功能有助于防止潜在的安全事故，保障人员和设备的安全。本发明进行异常检测和路径规划，提高了整个母线槽***的智能化程度，不仅可以降低人工巡检的频率和工作量，还可以实现对母线槽***的远程监控和管理，提高电力***的自动化水平。通过及时预警和精准定位异常节点，该方法有助于减少不必要的维修和更换成本。同时，提高预警准确性和及时性可以降低因温湿度异常引发的安全事故风险，从而减少相关损失。
在本发明一优选的实施例中，上述步骤11，可以包括：
步骤111，向各个传感器节点发送控制信号，以激活传感器节点内置的温湿度传感器；
步骤112，根据所述控制信号，以使传感器按照设定的采样频率和分辨率采集温湿度数据；
步骤113，对所述温湿度数据通过进行处理，以得到处理后的温湿度数据/>，其中，/>表示输入的温湿度数据，N表示移动平均滤波器的窗口大小，w表示融合权重，k表示中值滤波器的窗口大小，n表示当前时刻，/>表示在时刻n之前的第k个时刻；
步骤114，将处理后的温湿度数据封装成数据包，以使数据包通过无线通信模块，发送至主控节点，所述数据包中包括传感器的标识、时间戳、温度值和湿度值。
在本发明实施例中，通过向各个传感器节点发送控制信号来激活其内置的温湿度传感器，可以确保传感器在需要时准确工作。设定特定的采样频率和分辨率来采集数据可以确保所获取的温湿度数据既详细又准确，满足实际应用的需求。通过对温湿度数据进行处理，可以有效地滤除原始数据中的噪声和异常值，从而得到更为平滑和可靠的处理后的温湿度数据，不仅可以提高数据的准确性，还能够增强***的鲁棒性。将处理后的温湿度数据封装成数据包，并加入传感器的标识、时间戳、温度值和湿度值，可以确保数据的完整性和可追溯性。这使得主控节点或其他接收者能够清楚地知道数据来自哪个传感器、何时采集以及具体的温湿度数值。通过无线通信模块将数据包发送至主控节点，可以实现数据的实时传输和集中管理，不仅提高了数据传输的效率，还降低了布线的复杂性，使得整个***更为灵活和可扩展。通过优化数据的采集和处理过程，可以减少数据传输中的错误和丢失，从而降低***的维护难度和运营成本。
在本发明一优选的实施例中，上述步骤114，可以包括：
步骤1141，根据预定义的数据包结构，确定每个字段的长度和格式。例如，传感器标识是一个固定长度的字符串或数字，时间戳是一个表示具体日期和时间的数值，而温湿度数据则是浮点数或定点数；
步骤1142，根据所述数据包结构，创建数据包头部，数据包以头部开始，其中包含一些关键信息，如数据包长度、版本号、校验方式等，有助于接收端（即主控节点）正确解析数据包。***传感器标识，在数据包的相应字段中，***传感器的唯一标识，可以是一个序列号、MAC地址或其他形式的唯一标识符。将记录数据采集时间的时间戳添加到数据包中，时间戳采用标准的日期和时间格式，如UNIX时间戳，确保接收端能够准确知道数据何时采集。将经过处理的温湿度数据***到数据包的相应位置，经过处理的温湿度数据已经过滤和平滑处理，以消除噪声和异常值，从而提供更准确的环境状态信息，根据定义的格式，这些数据可以是浮点数、定点数或其他适当的表示形式。
步骤1143，为了提高数据的可靠性，在数据包的末尾或头部添加一个校验码。校验码用于在接收端检测数据包是否在传输过程中发生错误。当所有的信息都已添加到数据包中后，数据包即封装完成，此时，数据包已准备好通过无线通信模块发送至主控节点。通过以上步骤，处理过的温湿度数据与其他元数据被有效地封装在一个结构化的数据包中，确保了数据的完整性、准确性和一致性，使得主控节点能够可靠地解析这些数据。
在本发明一优选的实施例中，上述步骤12，可以包括：
步骤121，获取当前环境状态信息；
步骤122，根据所述当前环境状态信息，通过预测模型计算动态因子；
步骤123，从传感器节点获取当前的温湿度数据；
步骤124，将当前的温湿度数据与动态因子进行时间对齐，以得到当前的温湿度数据与动态因子对应相同的时间点的对齐数据；
步骤125，对所述对齐数据进行标准化处理，以得到标准化数据；
步骤126，将标准化数据与动态因子进行比较，以得到比较结果。
在本发明实施例中，通过获取当前环境状态信息并使用预测模型计算动态因子，该方法能够适应环境的实时变化，动态适应性使得温湿度数据的处理更加准确，能够反映实际情况。将当前的温湿度数据与动态因子进行时间对齐，确保它们对应相同的时间点，从而消除了时间偏移带来的误差，时间对齐处理使得比较结果更为准确和可靠。通过对数据进行标准化处理，可以消除不同传感器之间可能存在的偏差，使得数据更具可比性。标准化处理后的数据能够更真实地反映环境的温湿度状态。将标准化数据与动态因子进行比较，可以更准确地检测出温湿度的异常情况，这种精确比较有助于及时发现潜在的问题，并采取相应措施进行修复，从而确保母线槽***的稳定运行。由于采用了动态因子、时间对齐和标准化处理等方法，该方法能够降低误报和漏报的可能性，提高异常检测的准确性。这有助于减少不必要的维护成本，提高整个***的可靠性。通过结合环境状态信息、预测模型和智能算法，该方法提高了整个预警***的智能化程度。这使得***能够更自主地适应环境变化，减轻人工监控的负担，实现更高效的异常检测与预警。
在本发明另一优选的实施例中，上述步骤124，可以包括：
步骤1241，通过计算温度数据在动态因子对应时间点上的值；通过计算湿度数据在动态因子对应时间点上的值，其中，/>和/>分别表示在时间点/>上对齐后的温度数据和湿度数据；/>和/>表示在时间点/>上的原始温度数据和湿度数据；/>和表示在时间点/>上的原始温度数据和湿度数据；/> =/> -/>表示时间间隔；/>，/>和/>是权重系数。
在本发明另一优选的实施例中，上述步骤125，可以包括：
步骤1251，通过对对齐后的温度数据进行标准化处理；通过对对齐后的湿度数据进行标准化处理，其中，/>和/>分别表示标准化后的温度数据和湿度数据；/>和/>分别表示经过时间对齐后的温度数据和湿度数据；/>和分别表示温度数据和湿度数据的中位数；/>和/>分别表示温度数据和湿度数据的中位数绝对偏差；/>是缩放因子；/>和/>分别表示温度数据和湿度数据的四分位距；/>是调整参数。
在本发明另一优选的实施例中，上述步骤126，可以包括：
步骤1261，通过计算温度数据与动态因子之间的欧氏距离；通过/>计算湿度数据与动态因子之间的欧氏距离；其中，/>和/>分别表示标准化后的温度数据和湿度数据与动态因子之间的余弦相似度，/>，和/>分别表示标准化后的温湿度数据在第i个时间点上的值；和/>分别表示动态因子在第i个时间点上的温湿度数据的值，g表示数据的时间序列长度。
步骤1262，根据温度数据与动态因子之间的欧氏距离以及湿度数据与动态因子之间的欧氏距离，可以确定标准化后的温湿度数据与动态因子之间的相似度或差异性，欧氏距离越小，表示标准化数据与动态因子越相似；欧氏距离越大，表示它们之间的差异越大，因此，通过比较这两个欧氏距离，可以评估标准化后的温湿度数据与动态因子的一致性或差异程度。
在本发明一优选的实施例中，上述步骤13，可以包括：
步骤131，根据实际需求和应用场景，设定异常检测标准和阈值；
步骤132，获取比较结果，并根据设定的异常检测标准，将比较结果与异常检测标准进行对比，并为每个节点计算一个异常评分；
步骤133，将每个节点的异常评分与设定的阈值进行比较，若其中一个节点的评分＞阈值，则对应的节点为潜在的异常节点；
步骤134，对潜在的异常节点进行分析，以得到分析结果；
步骤135，根据所述分析结果，确定异常节点。
在本发明实施例中，通过步骤131，根据实际需求和应用场景设定异常检测标准和阈值，这使得异常检测更加灵活，能够适应不同的环境和需求，不同的应用可能需要关注不同的异常模式，因此这种自定义能力非常重要。步骤132为每个节点计算一个异常评分，这提供了一个量化的方式来评估数据的异常情况，异常评分可以给出更多信息，帮助决策者更细致地了解数据状态。步骤134对潜在的异常节点进行更深入的分析，可以进一步确认或排除潜在异常的节点，并可能发现导致异常的根本原因。步骤135根据分析结果确定真正的异常节点。通过前面几个步骤的筛选和分析，这一步能够提供更准确、更有信心的异常节点判定。通过识别异常节点，可以采取相应的措施进行预防或干预。例如，在传感器网络中，一个异常节点可能表示该传感器出现故障或受到干扰，及时发现并处理这个问题可以确保整个网络的稳定性和准确性。
在本发明另一优选的实施例中，上述步骤134，可以包括：
步骤1341，通过对潜在的异常节点进行分析，以得到更准确的分析结果，其中，/>表示第i个潜在异常节点的异常评分；/>，/>，/>，…，/>分别表示第i个潜在异常节点的统计特征；/>，/>，/>，…，/>是对应统计特征的权重；/>表示统计特征的数量，/>表示第i个潜在异常节点与最近聚类中心的距离；/>是聚类距离的权重。因此，通过计算每个潜在异常节点的异常评分/>，可以更准确地识别出真正的异常节点，从而提高异常检测的准确性和可靠性。
在本发明一优选的实施例中，上述步骤14，可以包括：
步骤141，在异常节点和主控节点之间建立通讯链路；
步骤142，根据实际应用场景和网络环境，异常节点将相关信息通过已建立的通讯链路发送至主控节点，以使主控节点进行解析和处理，提取出异常节点；
步骤143，构建路径与主控节点和异常节点之间的搜索空间；
步骤144，根据搜索空间，计算从主控节点到异常节点的路径代价；
步骤145，从主控节点开始，遍历搜索空间中的相邻节点，根据计算的路径代价，确定一条到达异常节点的最终路径；
步骤146，根据所述最终路径，确定最终的通信路径。
在本发明实施例中，通过步骤141在异常节点和主控节点之间建立通讯链路，确保了当异常发生时，相关信息能够迅速传递至主控节点，从而实现快速的响应和处理。步骤142允许异常节点将相关信息发送至主控节点进行解析和处理，确保了主控节点能够获取到完整、准确的异常信息。步骤143至145构建并搜索了从主控节点到异常节点的路径，确保了在多个可能的路径中选择了最优的一条，有助于节省资源、提高处理效率。通过对异常信息的解析和处理，主控节点可以更准确地判断哪些异常是真实的、需要处理的，从而降低误报率，减少对正常节点的不必要干扰。确定最终通信路径（步骤146）意味着在处理异常时，通信资源能够被高效利用，减少不必要的通信开销，提升整个网络的运行效率。根据实际应用场景和网络环境来处理和传输异常信息（步骤142），使得能够适应不同的应用需求和网络条件，表现出很好的灵活性和适应性。
在本发明另一优选的实施例中，上述步骤144，可以包括：
步骤1441，通过计算路径代价/>，其中，/>、/>、/>和/>是权重系数；跳数表示从主控节点到异常节点需要通过的中间节点数量，每增加一个中间节点，路径的复杂性和可能的故障点都会增加，因此跳数与路径代价正相关；传输延迟是指数据包从主控节点发送到异常节点所需的时间，这个时间包括了处理延迟、传播延迟等，传输延迟越长，意味着实时性越差，因此与路径代价正相关；带宽占用表示使用该路径进行数据传输时所占用的网络带宽，高带宽占用可能导致网络拥塞和降低其他流量的性能，因此与路径代价正相关；安全风险是对使用该路径可能面临的安全威胁的评估，例如，某些路径可能更容易受到攻击或窃听，安全风险越高，路径的代价也应相应增加。
在本发明一优选的实施例中，上述步骤122，可以包括：
步骤1221，获取当前环境的温度、湿度实时数据；
步骤1222，对当前环境的温度、湿度实时数据进行处理，以得到处理结果；
步骤1223，根据历史数据和预测需求，构建预测模型，其中，/>是动态因子预测值；/>是预测模型的截距项；/>，，…，/>是各环境状态信息对应的回归系数；/>，/>，…，/>是当前环境的各状态信息值，表示环境状态信息的数量；
步骤1224，训练所述预测模型，以得到最终的预测模型；
步骤1225，根据最终的预测模型以及处理结果，计算动态因子预测值。
在本发明实施例中，通过获取当前环境的温度、湿度实时数据，并结合历史数据，可以更准确地预测未来的环境状态，通过结合实时和历史数据的方法能够捕捉到环境的变化趋势，从而提高预测的精度。通过对温度、湿度实时数据进行处理，可以清除数据中的噪声和异常值，确保数据的质量和准确性；通过构建预测模型并引入动态因子预测值，该流程能够适应不同环境和条件下的变化，动态因子可以根据环境的实际状况进行调整，使预测更加符合实际情况。通过使用各环境状态信息对应的回归系数，该流程能够综合考虑多种环境状态对预测结果的影响；通过训练预测模型以得到最终的预测模型，可以确保模型在实际应用中具有更好的性能，训练过程可以优化模型的参数和结构，使其更准确地反映环境状态的变化。根据最终的预测模型和处理结果计算动态因子预测值，可以为决策者提供实时的环境状态预测信息。
在本发明另一优选的实施例中，上述步骤1222，可以包括：
步骤12221，通过对当前环境的温度、湿度数据进行初步处理，以得到平均值/>，其中，/>是权重，/>为滑动窗口的大小，t为时间，/>为温度或湿度数据，/>为索引值；
步骤12222，通通过计算平均值的绝对偏差/>用于检测可能的异常值；
步骤12223，对于某一时刻的数据，如果其偏离平均值超过v倍的绝对偏差（其中v是一个常数），则认为该数据是异常值，需要进行剔除或替代。
如图2所示，本发明的实施例还提供一种智能母线槽温湿度异常预警装置20，包括：
获取模块21，用于获取来自传感器节点的温湿度数据；将温湿度数据与当前环境状态的动态因子进行比较，以得到比较结果；根据所述比较结果进行异常检测，以确定异常节点；
处理模块22，用于将所述异常节点发送至主控节点，以使主控节点根据接收到的异常节点信息，进行路径规划，以确定最终的通信路径；根据最终的通信路径，向异常节点发送控制指令，以使预警装置根据控制指令，发出声光报警，实现对母线槽温湿度的异常预警。
可选的，获取来自传感器节点的温湿度数据，包括：
向各个传感器节点发送控制信号，以激活传感器节点内置的温湿度传感器；
根据所述控制信号，以使传感器按照设定的采样频率和分辨率采集温湿度数据；
对所述温湿度数据通过
进行处理，以得到处理后的温湿度数据/>，其中，/>表示输入的温湿度数据，N表示移动平均滤波器的窗口大小，w表示融合权重，k表示中值滤波器的窗口大小，n表示当前时刻，/>表示在时刻n之前的第k个时刻；
将处理后的温湿度数据封装成数据包，以使数据包通过无线通信模块，发送至主控节点。
可选的，所述数据包中包括传感器的标识、时间戳、温度值和湿度值。
可选的，将温湿度数据与当前环境状态的动态因子进行比较，以得到比较结果，包括：
获取当前环境状态信息；
根据所述当前环境状态信息，通过预测模型计算动态因子；
从传感器节点获取当前的温湿度数据；
将当前的温湿度数据与动态因子进行时间对齐，以得到当前的温湿度数据与动态因子对应相同的时间点的对齐数据；
对所述对齐数据进行标准化处理，以得到标准化数据；
将标准化数据与动态因子进行比较，以得到比较结果。
可选的，根据所述比较结果进行异常检测，以确定异常节点，包括：
根据实际需求和应用场景，设定异常检测标准和阈值；
获取比较结果，并根据设定的异常检测标准，将比较结果与异常检测标准进行对比，并为每个节点计算一个异常评分；
将每个节点的异常评分与设定的阈值进行比较，若其中一个节点的评分＞阈值，则对应的节点为潜在的异常节点；
对潜在的异常节点进行分析，以得到分析结果；
根据所述分析结果，确定异常节点。
可选的，将所述异常节点发送至主控节点，以使主控节点根据接收到的异常节点信息，进行路径规划，以确定最终的通信路径，包括：
在异常节点和主控节点之间建立通讯链路；
根据实际应用场景和网络环境，异常节点将相关信息通过已建立的通讯链路发送至主控节点，以使主控节点进行解析和处理，提取出异常节点；
构建路径与主控节点和异常节点之间的搜索空间；
根据搜索空间，计算从主控节点到异常节点的路径代价；
从主控节点开始，遍历搜索空间中的相邻节点，根据计算的路径代价，确定一条到达异常节点的最终路径；
根据所述最终路径，确定最终的通信路径。
可选的，根据所述当前环境状态信息，通过预测模型计算动态因子，包括：
获取当前环境的温度、湿度实时数据；
对当前环境的温度、湿度实时数据进行处理，以得到处理结果；
根据历史数据和预测需求，构建预测模型，其中，/>是动态因子预测值；/>是预测模型的截距项；/>，/>，…，/>是各环境状态信息对应的回归系数；/>，/>，…，/>是当前环境的各状态信息值，/>表示环境状态信息的数量；
训练所述预测模型，以得到最终的预测模型；
根据最终的预测模型以及处理结果，计算动态因子预测值。
需要说明的是，该装置是与上述方法相对应的装置，上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种计算机可读存储介质，存储指令，当所述指令在计算机上运行时，使得计算机执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外，需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本发明的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置（包括处理器、存储介质等）或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用的基本编程技能就能实现的。
因此，本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本发明，并且存储有这样的程序产品的存储介质也构成本发明。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种智能母线槽温湿度异常预警方法，其特征在于，所述方法包括：
获取来自传感器节点的温湿度数据；
将温湿度数据与当前环境状态的动态因子进行比较，以得到比较结果；
根据所述比较结果进行异常检测，以确定异常节点；
将所述异常节点发送至主控节点，以使主控节点根据接收到的异常节点信息，进行路径规划，以确定最终的通信路径；
根据最终的通信路径，向异常节点发送控制指令，以使预警装置根据控制指令，发出声光报警，实现对母线槽温湿度的异常预警。
2.根据权利要求1所述的一种智能母线槽温湿度异常预警方法，其特征在于，获取来自传感器节点的温湿度数据，包括：
向各个传感器节点发送控制信号，以激活传感器节点内置的温湿度传感器；
根据所述控制信号，以使传感器按照设定的采样频率和分辨率采集温湿度数据；
对所述温湿度数据通过
进行处理，以得到处理后的温湿度数据/>，其中，/>表示输入的温湿度数据，N表示移动平均滤波器的窗口大小，w表示融合权重，k表示中值滤波器的窗口大小，n表示当前时刻，/>表示在时刻n之前的第k个时刻；
将处理后的温湿度数据封装成数据包，以使数据包通过无线通信模块，发送至主控节点。
3.根据权利要求2所述的一种智能母线槽温湿度异常预警方法，其特征在于，所述数据包中包括传感器的标识、时间戳、温度值和湿度值。
4.根据权利要求2所述的一种智能母线槽温湿度异常预警方法，其特征在于，将温湿度数据与当前环境状态的动态因子进行比较，以得到比较结果，包括：
获取当前环境状态信息；
根据所述当前环境状态信息，通过预测模型计算动态因子；
从传感器节点获取当前的温湿度数据；
将当前的温湿度数据与动态因子进行时间对齐，以得到当前的温湿度数据与动态因子对应相同的时间点的对齐数据；
对所述对齐数据进行标准化处理，以得到标准化数据；
将标准化数据与动态因子进行比较，以得到比较结果。
5.根据权利要求4所述的一种智能母线槽温湿度异常预警方法，其特征在于，根据所述比较结果进行异常检测，以确定异常节点，包括：
根据实际需求和应用场景，设定异常检测标准和阈值；
获取比较结果，并根据设定的异常检测标准，将比较结果与异常检测标准进行对比，并为每个节点计算一个异常评分；
将每个节点的异常评分与设定的阈值进行比较，若其中一个节点的评分＞阈值，则对应的节点为潜在的异常节点；
对潜在的异常节点进行分析，以得到分析结果；
根据所述分析结果，确定异常节点。
6.根据权利要求5所述的一种智能母线槽温湿度异常预警方法，其特征在于，将所述异常节点发送至主控节点，以使主控节点根据接收到的异常节点信息，进行路径规划，以确定最终的通信路径，包括：
在异常节点和主控节点之间建立通讯链路；
根据实际应用场景和网络环境，异常节点将相关信息通过已建立的通讯链路发送至主控节点，以使主控节点进行解析和处理，提取出异常节点；
构建路径与主控节点和异常节点之间的搜索空间；
根据搜索空间，计算从主控节点到异常节点的路径代价；
从主控节点开始，遍历搜索空间中的相邻节点，根据计算的路径代价，确定一条到达异常节点的最终路径；
根据所述最终路径，确定最终的通信路径。
7.根据权利要求6所述的一种智能母线槽温湿度异常预警方法，其特征在于，根据所述当前环境状态信息，通过预测模型计算动态因子，包括：
获取当前环境的温度、湿度实时数据；
对当前环境的温度、湿度实时数据进行处理，以得到处理结果；
根据历史数据和预测需求，构建预测模型，其中，/>是动态因子预测值；/>是预测模型的截距项；/>，/>，…，/>是各环境状态信息对应的回归系数；/>，/>，…，/>是当前环境的各状态信息值，/>表示环境状态信息的数量；
训练所述预测模型，以得到最终的预测模型；
根据最终的预测模型以及处理结果，计算动态因子预测值。
8.一种智能母线槽温湿度异常预警装置，其特征在于，包括：
获取模块，用于获取来自传感器节点的温湿度数据；将温湿度数据与当前环境状态的动态因子进行比较，以得到比较结果；根据所述比较结果进行异常检测，以确定异常节点；
处理模块，用于将所述异常节点发送至主控节点，以使主控节点根据接收到的异常节点信息，进行路径规划，以确定最终的通信路径；根据最终的通信路径，向异常节点发送控制指令，以使预警装置根据控制指令，发出声光报警，实现对母线槽温湿度的异常预警。
9.一种计算设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至7中任一项所述的方法。
10.一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中存储有程序，该程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311773419.6A CN117456707B (zh) | 2023-12-22 | 2023-12-22 | 一种智能母线槽温湿度异常预警方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311773419.6A CN117456707B (zh) | 2023-12-22 | 2023-12-22 | 一种智能母线槽温湿度异常预警方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117456707A true CN117456707A (zh) | 2024-01-26 |
| CN117456707B CN117456707B (zh) | 2024-03-08 |
Family
ID=89591303
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311773419.6A Active CN117456707B (zh) | 2023-12-22 | 2023-12-22 | 一种智能母线槽温湿度异常预警方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117456707B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117970859A (zh) * | 2024-04-02 | 2024-05-03 | 山西顺达胜业通信工程有限公司 | 一种低功耗广域物联网下的设备智能控制方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BE757721A (fr) * | 1969-10-27 | 1971-04-01 | Telemecanique Electrique | Dispositif electrique de mesure et de regulation de la temperature |
| CN101916975A (zh) * | 2010-07-29 | 2010-12-15 | 重庆大学 | 低压插接式母线槽及其接头的温度保护方法 |
| US20150279193A1 (en) * | 2012-10-15 | 2015-10-01 | Vigilent Corporation | Method and apparatus for providing environmental management using smart alarms |
| KR20190057938A (ko) * | 2017-11-21 | 2019-05-29 | 이근량 | 버스닥트의 다점 온도감지 및 광학적 경보시스템 |
| CN113014602A (zh) * | 2021-03-26 | 2021-06-22 | 湖南大学 | 一种基于最优通信路径的工业网络防御方法和*** |
| CN116453305A (zh) * | 2023-03-15 | 2023-07-18 | 镇江加勒智慧电力科技股份有限公司 | 一种母线槽异常温升预警方法及*** |
| CN116632745A (zh) * | 2023-05-17 | 2023-08-22 | 镇江加勒智慧电力科技股份有限公司 | 母线槽及其智能监控方法与计算机可读存储介质 |
| CN117198019A (zh) * | 2023-11-07 | 2023-12-08 | 山东怡鲁科技有限公司 | 一种基于多传感器的智慧档案库房智能预警*** |
-
2023
- 2023-12-22 CN CN202311773419.6A patent/CN117456707B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BE757721A (fr) * | 1969-10-27 | 1971-04-01 | Telemecanique Electrique | Dispositif electrique de mesure et de regulation de la temperature |
| CN101916975A (zh) * | 2010-07-29 | 2010-12-15 | 重庆大学 | 低压插接式母线槽及其接头的温度保护方法 |
| US20150279193A1 (en) * | 2012-10-15 | 2015-10-01 | Vigilent Corporation | Method and apparatus for providing environmental management using smart alarms |
| KR20190057938A (ko) * | 2017-11-21 | 2019-05-29 | 이근량 | 버스닥트의 다점 온도감지 및 광학적 경보시스템 |
| CN113014602A (zh) * | 2021-03-26 | 2021-06-22 | 湖南大学 | 一种基于最优通信路径的工业网络防御方法和*** |
| CN116453305A (zh) * | 2023-03-15 | 2023-07-18 | 镇江加勒智慧电力科技股份有限公司 | 一种母线槽异常温升预警方法及*** |
| CN116632745A (zh) * | 2023-05-17 | 2023-08-22 | 镇江加勒智慧电力科技股份有限公司 | 母线槽及其智能监控方法与计算机可读存储介质 |
| CN117198019A (zh) * | 2023-11-07 | 2023-12-08 | 山东怡鲁科技有限公司 | 一种基于多传感器的智慧档案库房智能预警*** |
Non-Patent Citations (1)
| Title |
|---|
| 赵景;李华;: "改进变步长LMS算法在软起动谐波检测中的应用", 电测与仪表, no. 22, 25 November 2014 (2014-11-25), pages 66 - 70 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117970859A (zh) * | 2024-04-02 | 2024-05-03 | 山西顺达胜业通信工程有限公司 | 一种低功耗广域物联网下的设备智能控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117456707B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117456707B (zh) | 一种智能母线槽温湿度异常预警方法及装置 | |
| CN111262722B (zh) | 一种用于工业控制***网络的安全监测方法 | |
| CN111092862B (zh) | 一种用于对电网终端通信流量异常进行检测的方法及*** | |
| JP2018084854A (ja) | センサデータ処理方法 | |
| JP6564799B2 (ja) | 閾値決定装置、閾値決定方法及びプログラム | |
| CN112350846B (zh) | 一种智能变电站的资产学习方法、装置、设备及存储介质 | |
| CN112734977B (zh) | 一种基于物联网的设备风险预警***及算法 | |
| CN116980958B (zh) | 一种基于数据识别的无线设备电故障监测方法及*** | |
| CN116684878B (zh) | 一种5g信息传输数据安全监测*** | |
| CN110929896A (zh) | 一种***设备的安全分析方法及装置 | |
| CN115190191B (zh) | 基于协议解析的电网工业控制***及控制方法 | |
| CN113778054B (zh) | 一种针对工业控制***攻击的双级检测方法 | |
| CN114710369A (zh) | 一种异常数据检测方法、装置、计算机设备及存储介质 | |
| CN111526109B (zh) | 自动检测web威胁识别防御***的运行状态的方法及装置 | |
| CN115809160A (zh) | 数据处理方法、电子设备、存储介质及程序产品 | |
| CN110222801A (zh) | 一种基于rfid技术的资产管理方法及*** | |
| CN115801538A (zh) | 场站服务器应用资产深度识别方法、***及设备 | |
| CN116299129A (zh) | 一种全光纤电流互感器状态检测分析方法、装置及介质 | |
| CN114785617A (zh) | 一种5g网络应用层异常检测方法及*** | |
| CN113958463A (zh) | 风机叶片在线监测方法、***及装置 | |
| US11829122B2 (en) | Industrial network behavior analysis method, apparatus and system, and computer-readable medium | |
| CN117728573B (zh) | 一种配网融合数据质量评估管理*** | |
| CN117978628B (zh) | 一种基于智慧园区通信控制方法及*** | |
| CN118055038A (zh) | 一种变电站过程层网络异常识别方法及装置 | |
| WO2024138968A1 (zh) | 基站故障诊断方法及装置 |
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 |