CN117590149A - 基于大数据技术的故障解决方案生成方法、装置和设备 - Google Patents
基于大数据技术的故障解决方案生成方法、装置和设备 Download PDFInfo
- Publication number
- CN117590149A CN117590149A CN202311514637.8A CN202311514637A CN117590149A CN 117590149 A CN117590149 A CN 117590149A CN 202311514637 A CN202311514637 A CN 202311514637A CN 117590149 A CN117590149 A CN 117590149A
- Authority
- CN
- China
- Prior art keywords
- fault
- equipment
- power grid
- solution
- prediction
- 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 53
- 238000005516 engineering process Methods 0.000 title claims abstract description 33
- 238000010586 diagram Methods 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 67
- 238000004590 computer program Methods 0.000 claims abstract description 23
- 238000012423 maintenance Methods 0.000 claims description 71
- 238000001514 detection method Methods 0.000 claims description 22
- 238000013024 troubleshooting Methods 0.000 claims 2
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 238000011160 research Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种基于大数据技术的故障解决方案生成方法、装置、计算机设备、存储介质和计算机程序产品,可用于大数据技术领域。该方法包括:获取电网故障设备的设备参数;设备参数携带电网故障设备的设备标识;根据设备标识,从设备数据库中,查询电网故障设备的运行逻辑图;根据运行逻辑图和设备参数,对电网故障设备进行故障预测处理,得到电网故障设备的故障预测结果;故障预测结果包括电网故障设备的故障预测位置,和故障预测位置的故障解决方案;根据故障预测结果,生成电网故障设备的故障解决方案。采用本方法能够提高故障解决方案生成效率。
Description
技术领域
本申请涉及大数据技术领域,特别是涉及一种基于大数据技术的故障解决方案生成方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着电力技术的发展,电网规模在不断扩大,电网设备的数量和类型也在不断增多。在电网中出现故障设备时,为了提高电网运行的稳定性,需要快速地生成故障设备的故障解决方案。因此,如何高效地生成故障解决方案,成为了重要的研究方向。
传统技术中,通常是工程技术人员到现场对故障设备检测后,手动制定故障解决方案;但是,通过该方式生成故障解决方案,需要耗费较多的人工处理时间,导致故障解决方案生成效率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高故障解决方案生成效率的基于大数据技术的故障解决方案生成方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种基于大数据技术的故障解决方案生成方法。
所述方法包括:
获取电网故障设备的设备参数;所述设备参数携带所述电网故障设备的设备标识;
根据所述设备标识,从设备数据库中,查询所述电网故障设备的运行逻辑图;
根据所述运行逻辑图和所述设备参数,对所述电网故障设备进行故障预测处理,得到所述电网故障设备的故障预测结果;所述故障预测结果包括所述电网故障设备的故障预测位置,和所述故障预测位置的故障解决方案;
根据所述故障预测结果,生成所述电网故障设备的故障解决方案。
在其中一个实施例中,所述根据所述运行逻辑图和所述设备参数,对所述电网故障设备进行故障预测处理,得到所述电网故障设备的故障预测结果,包括:
将所述运行逻辑图和所述设备参数,输入至预先训练的故障预测模型进行故障预测处理,得到所述电网故障设备的故障预测位置,以及所述故障预测位置的故障解决方案和备用解决方案;
将所述故障预测位置以及所述故障预测位置的故障解决方案和备用解决方案,作为所述电网故障设备的故障预测结果。
在其中一个实施例中,所述运行逻辑图中包含多个运行逻辑点;
所述将所述运行逻辑图和所述设备参数,输入至预先训练的故障预测模型进行故障预测处理,得到所述电网故障设备的故障预测位置,以及所述故障预测位置的故障解决方案和备用解决方案,包括:
对所述运行逻辑图进行识别,得到所述运行逻辑点的执行顺序、历史故障信息和元件信息;
将所述设备参数以及所述运行逻辑点的执行顺序、历史故障信息和元件信息,输入至预先训练的故障预测模型进行故障预测处理,得到所述电网故障设备的故障预测位置,以及所述故障预测位置的故障解决方案和备用解决方案。
在其中一个实施例中,在根据所述故障预测结果,生成所述电网故障设备的故障解决方案之后,还包括:
根据所述电网故障设备的故障解决方案和所述电网故障设备的地理位置信息,生成所述电网故障设备的故障解决工单;
将所述故障解决工单发送至目标维修终端。
在其中一个实施例中,在将所述故障解决工单发送至目标维修终端之前,还包括:
从多个维修终端中,选取出对应的地理位置信息与所述电网故障设备的地理位置信息相匹配的维修终端,作为目标维修终端,
或者,从所述多个维修终端中,选取出对应的终端标识与所述电网故障设备的设备标识相匹配的维修终端,作为所述目标维修终端。
在其中一个实施例中,在将所述故障解决工单发送至目标维修终端之后,还包括:
接收所述目标维修终端发送的故障检测结果;
在所述故障检测结果表示更换元件的情况下,根据所述故障检测结果,生成对应的更换元件工单;所述更换元件工单用于辅助相应人员对所述电网故障设备进行更换元件处理。
在其中一个实施例中,在根据所述故障预测结果,生成所述电网故障设备的故障解决方案之前,还包括:
将所述设备参数发送至与所述电网故障设备关联的处理终端;所述处理终端用于根据所述设备参数,对所述电网故障设备进行故障预测处理,得到所述电网故障设备的第一故障解决方案;
接收所述处理终端发送的所述第一故障解决方案;
所述根据所述故障预测结果,生成所述电网故障设备的故障解决方案,包括:
根据所述故障预测结果,生成所述电网故障设备的第二故障解决方案;
根据所述第一故障解决方案和所述第二故障解决方案,确定出所述电网故障设备的故障解决方案。
第二方面,本申请还提供了一种基于大数据技术的故障解决方案生成装置。所述装置包括:
参数获取模块,用于获取电网故障设备的设备参数;所述设备参数携带所述电网故障设备的设备标识;
逻辑查询模块,用于根据所述设备标识,从设备数据库中,查询所述电网故障设备的运行逻辑图;
故障预测模块,用于根据所述运行逻辑图和所述设备参数,对所述电网故障设备进行故障预测处理,得到所述电网故障设备的故障预测结果;所述故障预测结果包括所述电网故障设备的故障预测位置,和所述故障预测位置的故障解决方案;
方案生成模块,用于根据所述故障预测结果,生成所述电网故障设备的故障解决方案。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取电网故障设备的设备参数;所述设备参数携带所述电网故障设备的设备标识;
根据所述设备标识,从设备数据库中,查询所述电网故障设备的运行逻辑图;
根据所述运行逻辑图和所述设备参数,对所述电网故障设备进行故障预测处理,得到所述电网故障设备的故障预测结果;所述故障预测结果包括所述电网故障设备的故障预测位置,和所述故障预测位置的故障解决方案;
根据所述故障预测结果,生成所述电网故障设备的故障解决方案。
第四方面,本申请还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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取电网故障设备的设备参数;所述设备参数携带所述电网故障设备的设备标识;
根据所述设备标识,从设备数据库中,查询所述电网故障设备的运行逻辑图;
根据所述运行逻辑图和所述设备参数,对所述电网故障设备进行故障预测处理,得到所述电网故障设备的故障预测结果;所述故障预测结果包括所述电网故障设备的故障预测位置,和所述故障预测位置的故障解决方案;
根据所述故障预测结果,生成所述电网故障设备的故障解决方案。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取电网故障设备的设备参数;所述设备参数携带所述电网故障设备的设备标识;
根据所述设备标识,从设备数据库中,查询所述电网故障设备的运行逻辑图;
根据所述运行逻辑图和所述设备参数,对所述电网故障设备进行故障预测处理,得到所述电网故障设备的故障预测结果;所述故障预测结果包括所述电网故障设备的故障预测位置,和所述故障预测位置的故障解决方案;
根据所述故障预测结果,生成所述电网故障设备的故障解决方案。
上述基于大数据技术的故障解决方案生成方法、装置、计算机设备、存储介质和计算机程序产品,获取电网故障设备的设备参数;所述设备参数携带所述电网故障设备的设备标识;根据所述设备标识,从设备数据库中,查询所述电网故障设备的运行逻辑图;根据所述运行逻辑图和所述设备参数,对所述电网故障设备进行故障预测处理,得到所述电网故障设备的故障预测结果;所述故障预测结果包括所述电网故障设备的故障预测位置,和所述故障预测位置的故障解决方案;根据所述故障预测结果,生成所述电网故障设备的故障解决方案。该方案通过获取电网故障设备的设备参数,其中设备参数携带了设备标识;根据设备标识,从设备数据库中查询电网故障设备的运行逻辑图;结合运行逻辑图和设备参数,对电网故障设备进行故障预测处理,得到故障预测结果,其中故障预测结果包括故障预测位置和相应的故障解决方案;根据故障预测结果,生成电网故障设备的故障解决方案;通过以上步骤,基于大数据技术的故障解决方案生成方法可以高效和准确地进行故障预测和解决方案生成,提高故障处理的效率和准确性,从而有利于提高故障解决方案生成效率和准确性。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关技术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申请的一些实施例,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为一个实施例中基于大数据技术的故障解决方案生成方法的流程示意图;
图2为一个实施例中确定故障预测结果的步骤的流程示意图;
图3为一个实施例中故障预测处理的步骤的流程示意图;
图4为一个实施例中基于大数据技术的故障解决方案生成装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要符合相关规定。
在一个示例性的实施例中,如图1所示,提供了一种基于大数据技术的故障解决方案生成方法,本实施例以该方法应用于终端进行举例说明;可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的***,并通过终端和服务器之间的交互实现。其中,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等;服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中,该方法包括以下步骤:
步骤S101,获取电网故障设备的设备参数;设备参数携带电网故障设备的设备标识。
其中,电网故障设备可以是电网中出现故障的设备。
其中,设备参数可以是电网故障设备的各种参数信息,例如电网故障设备的型号、状态、温度、电压等信息。
其中,设备标识可以是电网故障设备的唯一标识,可以是电网故障设备的序列号或名称,用于在设备数据库中唯一识别设备。
可选地,终端通过采集电网故障设备(如励磁)的设备参数,获取电网故障设备的相关信息。
步骤S102,根据设备标识,从设备数据库中,查询电网故障设备的运行逻辑图。
其中,设备数据库可以是基于大数据技术构建的数据库,用于存储电网故障设备的相关信息,包括设备的运行逻辑图、故障历史记录、元件具体信息、图纸信息等。
其中,运行逻辑图可以是电网故障设备的运行工作流程图,描述了电网故障设备内部各个组件(或元件)之间的关系和工作流程。
可选地,终端通过网络连接到设备数据库,确保能够访问和查询数据库中的数据;根据设备标识,向设备数据库发送查询请求,使得设备数据库根据设备标识进行匹配,并返回与该设备标识相关的数据(运行逻辑图),终端从设备数据库返回的数据中,提取出电网故障设备的运行逻辑图。
步骤S103,根据运行逻辑图和设备参数,对电网故障设备进行故障预测处理,得到电网故障设备的故障预测结果;故障预测结果包括电网故障设备的故障预测位置,和故障预测位置的故障解决方案。
其中,故障预测处理可以是利用大数据技术对电网故障设备的设备参数和运行逻辑图进行分析和处理,以预测可能出现故障的位置。
其中,故障预测结果可以是根据故障预测处理的结果,得出的电网故障设备的故障预测位置和相应的故障解决方案。
其中,故障预测位置可以是根据设备参数和运行逻辑图预测出的可能发生故障的位置,例如故障预测位置可以是电网故障设备中的故障元件的位置。
其中,故障解决方案可以是针对故障预测位置提供的解决方案,包括具体的维修步骤、所需的备件和工具等,例如故障预测位置的故障解决方案可以是电网故障设备中的故障元件的故障解决方案。
可选地,终端根据运行逻辑图和设备参数,对电网故障设备进行故障预测处理,预测可能出现故障的位置,并提供相应的故障解决方案。
步骤S104,根据故障预测结果,生成电网故障设备的故障解决方案。
其中,电网故障设备的故障解决方案可以是用于对电网故障设备的故障问题进行解决的整体方案,例如电网故障设备的故障解决方案中可以包含一个或多个的故障预测位置或故障元件的故障解决方案。
可选地,终端根据故障预测结果,确定出电网故障设备的所有故障预测位置以及所有故障预测位置对应的故障解决方案;对电网故障设备的所有故障预测位置以及所有故障预测位置对应的故障解决方案进行组合处理,生成电网故障设备的整体解决方案,作为电网故障设备的故障解决方案。
上述基于大数据技术的故障解决方案生成方法中,获取电网故障设备的设备参数;设备参数携带电网故障设备的设备标识;根据设备标识,从设备数据库中,查询电网故障设备的运行逻辑图;根据运行逻辑图和设备参数,对电网故障设备进行故障预测处理,得到电网故障设备的故障预测结果;故障预测结果包括电网故障设备的故障预测位置,和故障预测位置的故障解决方案;根据故障预测结果,生成电网故障设备的故障解决方案。该方案通过获取电网故障设备的设备参数,其中设备参数携带了设备标识;根据设备标识,从设备数据库中查询电网故障设备的运行逻辑图;结合运行逻辑图和设备参数,对电网故障设备进行故障预测处理,得到故障预测结果,其中故障预测结果包括故障预测位置和相应的故障解决方案;根据故障预测结果,生成电网故障设备的故障解决方案;通过以上步骤,基于大数据技术的故障解决方案生成方法可以高效和准确地进行故障预测和解决方案生成,提高故障处理的效率和准确性,从而有利于提高故障解决方案生成效率和准确性。
在一个示例性的实施例中,如图2所示,在步骤S103中,根据运行逻辑图和设备参数,对电网故障设备进行故障预测处理,得到电网故障设备的故障预测结果,具体包括如下内容:
步骤S201,将运行逻辑图和设备参数,输入至预先训练的故障预测模型进行故障预测处理,得到电网故障设备的故障预测位置,以及故障预测位置的故障解决方案和备用解决方案;
步骤S202,将故障预测位置以及故障预测位置的故障解决方案和备用解决方案,作为电网故障设备的故障预测结果。
其中,故障预测模型可以是基于大数据技术构建的模型,通过学习历史故障数据和设备参数,能够预测电网故障设备的故障位置和相应的解决方案。
其中,电网故障设备的故障预测位置可以是电网故障设备的某个组件(或元件)、部件或者连接点。
其中,故障解决方案可以是根据故障预测位置,故障预测模型可以给出解决该故障的具体操作方法,这个方案可能包括修复、更换、调整或其他相应的操作。
其中,备用解决方案可以是在主解决方案(故障解决方案)无法实施或不适用时,故障预测模型可以提供备选的解决方案,备用解决方案可以是替代性的修复方法或其他可行的操作。
其中,故障预测结果可以是将故障预测位置及相应的故障解决方案和备用解决方案作为整体,形成的故障预测结果,这个结果可以用于指导后续的故障诊断和排除工作。
可选地,终端将收集到的运行逻辑图和设备参数作为输入数据输入至预先训练好的故障预测模型进行故障预测处理,使得预先训练好的故障预测模型根据运行逻辑图和设备参数,确定电网故障设备最有可能发生故障的故障预测位置,并根据故障预测位置生成解决该故障的具体操作方法,输出电网故障设备的故障预测位置,以及故障预测位置的故障解决方案和备用解决方案,从而终端得到预先训练好的故障预测模型输出的电网故障设备的故障预测位置,以及故障预测位置的故障解决方案和备用解决方案;终端对故障预测位置以及故障预测位置的故障解决方案和备用解决方案进行组合处理,得到电网故障设备的故障预测结果。
本实施例提供的技术方案,通过利用预先训练的故障预测模型对电网故障设备进行故障预测处理,有利于更高效和更准确地得到电网故障设备的故障预测结果,从而有利于提高故障解决方案生成效率和准确性。
在一个示例性的实施例中,如图3所示,上述步骤中,将运行逻辑图和设备参数,输入至预先训练的故障预测模型进行故障预测处理,得到电网故障设备的故障预测位置,以及故障预测位置的故障解决方案和备用解决方案,具体包括如下内容:
步骤S301,对运行逻辑图进行识别,得到运行逻辑点的执行顺序、历史故障信息和元件信息;
步骤S302,将设备参数以及运行逻辑点的执行顺序、历史故障信息和元件信息,输入至预先训练的故障预测模型进行故障预测处理,得到电网故障设备的故障预测位置,以及故障预测位置的故障解决方案和备用解决方案。
其中,运行逻辑图中包含多个运行逻辑点。
其中,运行逻辑点可以是运行逻辑图中设备运行过程中的关键节点或阶段。
其中,执行顺序可以是指在设备运行过程中,各个运行逻辑点按预设顺序被触发或执行的顺序。
其中,历史故障信息可以是每个运行逻辑点的故障历史记录,例如运行逻辑点在过去发生的各种故障类型、原因和解决方法。
其中,元件信息可以是运行逻辑点所涉及的元件,例如每个运行逻辑点所关联的具体元件的信息。
可选地,终端通过对运行逻辑图进行识别和分析,确定运行逻辑点的执行顺序、历史故障信息和元件信息;将设备参数以及运行逻辑点的执行顺序、历史故障信息和元件信息,输入至预先训练的故障预测模型进行故障预测处理,使得预先训练的故障预测模型可以确定故障发生时各个运行逻辑点的执行顺序、每个运行逻辑点的故障特征及历史解决方案、每个运行逻辑点所涉及的具体元件的特性和故障可能性,根据各个运行逻辑点的执行顺序、故障特征、历史解决方案、所涉及的具体元件的特性和故障可能性,输出电网故障设备的故障预测位置,以及故障预测位置的故障解决方案和备用解决方案,从而终端得到模型输出的电网故障设备的故障预测位置,以及故障预测位置的故障解决方案和备用解决方案。
本实施例提供的技术方案,通过将设备参数、执行顺序、历史故障信息和元件信息输入预先训练的故障预测模型,有利于更高效和更准确地得到电网故障设备的故障预测位置以及故障预测位置的故障解决方案和备用解决方案,从而有利于提高故障解决方案生成效率和准确性。
在一个示例性的实施例中,上述步骤S104,在根据故障预测结果,生成电网故障设备的故障解决方案之后,还包括发送故障解决工单的步骤,具体包括如下内容:根据电网故障设备的故障解决方案和电网故障设备的地理位置信息,生成电网故障设备的故障解决工单;将故障解决工单发送至目标维修终端。
其中,电网故障设备的地理位置信息可以是电网故障设备的实际地理位置。
其中,故障解决工单可以是包含故障解决方案和电网故障设备的地理位置等信息的工单,用于指导维修人员进行故障维修。
其中,目标维修终端可以是接收和处理故障解决工单的终端设备,可以是维修人员的移动设备或者维修中心的终端设备。
可选地,终端在生成故障解决方案后,根据故障解决方案和电网故障设备的地理位置信息,生成故障解决工单;将生成的故障解决工单发送至目标维修终端,以使目标维修终端在收到故障解决工单后,根据工单中的故障解决方案和设备地理位置信息,指示维修人员前往电网故障设备的位置进行故障维修。
本实施例提供的技术方案,通过生成故障解决工单并将故障解决工单发送至目标维修终端,从而有利于提高解决电网故障设备的故障问题的效率和准确率。
在一个示例性的实施例中,在将故障解决工单发送至目标维修终端之前,还包括如下内容:从多个维修终端中,选取出对应的地理位置信息与电网故障设备的地理位置信息相匹配的维修终端,作为目标维修终端,或者,从多个维修终端中,选取出对应的终端标识与电网故障设备的设备标识相匹配的维修终端,作为目标维修终端。
其中,终端标识可以是用于唯一标识维修终端的标识符,如序列号等。
可选地,终端对比每个维修终端的地理位置信息与电网故障设备的地理位置信息,从多个维修终端中,选择距离电网故障设备位置最近的那个维修终端作为目标维修终端,或者,对比每个维修终端的终端标识与电网故障设备的设备标识,从多个维修终端中,选择终端标识与设备标识匹配的那个维修终端作为目标维修终端。
本实施例提供的技术方案,通过根据地理位置信息或标识,确定出目标维修终端,有利于更高效和更准确地确定出目标维修终端,从而有利于提高解决电网故障设备的故障问题的效率和准确率。
在一个示例性的实施例中,在将故障解决工单发送至目标维修终端之后,还包括如下内容:接收目标维修终端发送的故障检测结果;在故障检测结果表示更换元件的情况下,根据故障检测结果,生成对应的更换元件工单;更换元件工单用于辅助相应人员对电网故障设备进行更换元件处理。
其中,元件可以是电网故障设备中的部件。
其中,故障检测结果可以是维修终端通过对电网故障设备进行故障检测后得到的结果,包括电网故障设备的故障信息、故障代码、故障现象等。
其中,更换元件工单可以是用于指导维修人员进行更换元件操作的工单,包含详细的元件信息,如元件名称、型号、规格等。
可选地,终端通过与目标维修终端建立通信连接,接收维修终端发送的故障检测结果;根据接收到的故障检测结果,判断是否需要更换元件,如果故障检测结果表示需要更换元件,则根据故障检测结果中的元件名称、型号等信息,生成对应的更换元件工单,该更换元件工单将被分配给相应的维修人员,以辅助他们对电网故障设备进行更换元件的处理,使得维修人员可以根据工单上的信息,准备所需的元件,并按照工单指示进行更换操作。
本实施例提供的技术方案,通过根据故障检测结果,生成对应的更换元件工单,从而有利于提高解决电网故障设备的故障问题的效率和准确率。
在一个示例性的实施例中,上述步骤S104,在根据故障预测结果,生成电网故障设备的故障解决方案之前,还包括接收第一故障解决方案的步骤,具体包括如下内容:将设备参数发送至与电网故障设备关联的处理终端;处理终端用于根据设备参数,对电网故障设备进行故障预测处理,得到电网故障设备的第一故障解决方案;接收处理终端发送的第一故障解决方案;在步骤S104中,根据故障预测结果,生成电网故障设备的故障解决方案,具体包括如下内容:根据故障预测结果,生成电网故障设备的第二故障解决方案;根据第一故障解决方案和第二故障解决方案,确定出电网故障设备的故障解决方案。
其中,处理终端可以是用于对电网故障设备进行故障预测处理的终端设备。
其中,第一故障解决方案可以是根据设备参数和历史故障数据等信息生成的故障解决方案。
其中,第二故障解决方案可以是根据故障预测结果生成的备选故障解决方案,用于提供更多的故障解决选项。
可选地,终端将电网故障设备的设备参数发送至与该设备关联的处理终端;处理终端根据接收到的设备参数,对电网故障设备进行故障预测处理,通过分析设备参数和历史故障数据等信息,处理终端可以生成电网故障设备的第一故障解决方案;终端接收处理终端发送的第一故障解决方案,该方案可以包括故障解决的步骤、方法、所需的备件等信息;终端根据故障预测结果,生成电网故障设备的第二故障解决方案,该方案可以是基于故障预测结果的备选方案,用于提供更多的故障解决选项;终端根据第一故障解决方案和第二故障解决方案,确定出最终的电网故障设备的故障解决方案,这个方案可以是综合考虑了多个因素,如故障预测结果、备件可用性、维修人员的技能等。
本实施例提供的技术方案,通过根据第一故障解决方案和第二故障解决方案,确定出电网故障设备的故障解决方案,有利于得到更准确的故障解决方案,从而有利于提高故障解决方案生成准确性。
以下以一个应用实例说明本申请提供的基于大数据技术的故障解决方案生成方法,本应用实例以该方法应用于终端进行举例说明,主要步骤包括:
第一步,终端采集电网故障设备(比如励磁)的设备参数;设备参数携带有设备名称。
第二步,终端将电网故障设备的设备参数输入到终端的查询界面中,触发生成查询请求。
第三步,终端根据查询请求查询数据库(即基于大数据技术构建的数据库,比如故障库),得到电网故障设备的运行逻辑图(比如A→B→C→D→E,其中,A、B、C、D、E可以表示为不同的运行逻辑点);该运行逻辑图中包括多个运行逻辑点(比如A、B、C等),每个运行逻辑点可以关联有试验方法、试验用具、故障历史记录、元件具体信息、图纸信息、具体备件等。
第四步,终端根据电网故障设备的运行逻辑图,以及电网故障设备的设备参数,生成故障解决工单;该故障解决工单包括后台基于设备参数以及运行逻辑图判断出的可能故障位置、基于可能故障位置推荐的故障解决方案(比如将运行逻辑点的执行顺序、各个运行逻辑点的故障历史记录、元件具体信息以及电网故障设备的设备参数,输入故障预测模型中,通过故障预测模型预测出可能故障位置)、备用解决方案、电网故障设备位置等。
第五步,终端将故障解决工单分配至电网故障设备位置附近的维修人员,通过维修人员前往电网故障设备位置进行故障维修;或者,通过故障解决工单,远程呼叫维修人员前往电网故障设备位置进行故障维修。另外,终端也可以在查询界面上远程找生产者或者后方专业人员咨询,根据咨询结果生成故障解决方案,并将故障解决方案通过工单的形式分派给相应的维修人员。
第六步,终端根据维修人员的故障检测结果,确认需要更换仪器时,则可以将故障检测结果上传到后台,通过后台基于故障检测结果直接生成采购单(比如仪器单)、运输单、派员单等,最后分配相应人员到电网故障设备位置进行仪器更换。
本应用实例提供的技术方案,实现高效和准确地进行故障预测和解决方案生成,提高故障处理的效率和准确性,从而有利于提高故障解决方案生成效率和准确性。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的基于大数据技术的故障解决方案生成方法的基于大数据技术的故障解决方案生成装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个基于大数据技术的故障解决方案生成装置实施例中的具体限定可以参见上文中对于基于大数据技术的故障解决方案生成方法的限定,在此不再赘述。
在一个示例性的实施例中,如图4所示,提供了一种基于大数据技术的故障解决方案生成装置,该装置400可以包括:
参数获取模块401,用于获取电网故障设备的设备参数;设备参数携带电网故障设备的设备标识;
逻辑查询模块402,用于根据设备标识,从设备数据库中,查询电网故障设备的运行逻辑图;
故障预测模块403,用于根据运行逻辑图和设备参数,对电网故障设备进行故障预测处理,得到电网故障设备的故障预测结果;故障预测结果包括电网故障设备的故障预测位置,和故障预测位置的故障解决方案;
方案生成模块404,用于根据故障预测结果,生成电网故障设备的故障解决方案。
在一个示例性的实施例中,故障预测模块403,还用于将运行逻辑图和设备参数,输入至预先训练的故障预测模型进行故障预测处理,得到电网故障设备的故障预测位置,以及故障预测位置的故障解决方案和备用解决方案;将故障预测位置以及故障预测位置的故障解决方案和备用解决方案,作为电网故障设备的故障预测结果。
在一个示例性的实施例中,运行逻辑图中包含多个运行逻辑点;故障预测模块403,还用于对运行逻辑图进行识别,得到运行逻辑点的执行顺序、历史故障信息和元件信息;将设备参数以及运行逻辑点的执行顺序、历史故障信息和元件信息,输入至预先训练的故障预测模型进行故障预测处理,得到电网故障设备的故障预测位置,以及故障预测位置的故障解决方案和备用解决方案。
在一个示例性的实施例中,该装置400还包括:工单发送模块,用于根据电网故障设备的故障解决方案和电网故障设备的地理位置信息,生成电网故障设备的故障解决工单;将故障解决工单发送至目标维修终端。
在一个示例性的实施例中,该装置400还包括:终端选取模块,用于从多个维修终端中,选取出对应的地理位置信息与电网故障设备的地理位置信息相匹配的维修终端,作为目标维修终端,或者,从多个维修终端中,选取出对应的终端标识与电网故障设备的设备标识相匹配的维修终端,作为目标维修终端。
在一个示例性的实施例中,该装置400还包括:工单生成模块,用于接收目标维修终端发送的故障检测结果;在故障检测结果表示更换元件的情况下,根据故障检测结果,生成对应的更换元件工单;更换元件工单用于辅助相应人员对电网故障设备进行更换元件处理。
在一个示例性的实施例中,该装置400还包括:方案接收模块,用于将设备参数发送至与电网故障设备关联的处理终端;处理终端用于根据设备参数,对电网故障设备进行故障预测处理,得到电网故障设备的第一故障解决方案;接收处理终端发送的第一故障解决方案;方案生成模块404,还用于根据故障预测结果,生成电网故障设备的第二故障解决方案;根据第一故障解决方案和第二故障解决方案,确定出电网故障设备的故障解决方案。
上述基于大数据技术的故障解决方案生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于大数据技术的故障解决方案生成方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个示例性的实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个示例性的实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个示例性的实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于大数据技术的故障解决方案生成方法,其特征在于,所述方法包括:
获取电网故障设备的设备参数;所述设备参数携带所述电网故障设备的设备标识;
根据所述设备标识,从设备数据库中,查询所述电网故障设备的运行逻辑图;
根据所述运行逻辑图和所述设备参数,对所述电网故障设备进行故障预测处理,得到所述电网故障设备的故障预测结果;所述故障预测结果包括所述电网故障设备的故障预测位置,和所述故障预测位置的故障解决方案;
根据所述故障预测结果,生成所述电网故障设备的故障解决方案。
2.根据权利要求1所述的方法,其特征在于,所述根据所述运行逻辑图和所述设备参数,对所述电网故障设备进行故障预测处理,得到所述电网故障设备的故障预测结果,包括:
将所述运行逻辑图和所述设备参数,输入至预先训练的故障预测模型进行故障预测处理,得到所述电网故障设备的故障预测位置,以及所述故障预测位置的故障解决方案和备用解决方案;
将所述故障预测位置以及所述故障预测位置的故障解决方案和备用解决方案,作为所述电网故障设备的故障预测结果。
3.根据权利要求2所述的方法,其特征在于,所述运行逻辑图中包含多个运行逻辑点;
所述将所述运行逻辑图和所述设备参数,输入至预先训练的故障预测模型进行故障预测处理,得到所述电网故障设备的故障预测位置,以及所述故障预测位置的故障解决方案和备用解决方案,包括:
对所述运行逻辑图进行识别,得到所述运行逻辑点的执行顺序、历史故障信息和元件信息;
将所述设备参数以及所述运行逻辑点的执行顺序、历史故障信息和元件信息,输入至预先训练的故障预测模型进行故障预测处理,得到所述电网故障设备的故障预测位置,以及所述故障预测位置的故障解决方案和备用解决方案。
4.根据权利要求1所述的方法,其特征在于,在根据所述故障预测结果,生成所述电网故障设备的故障解决方案之后,还包括:
根据所述电网故障设备的故障解决方案和所述电网故障设备的地理位置信息,生成所述电网故障设备的故障解决工单;
将所述故障解决工单发送至目标维修终端。
5.根据权利要求4所述的方法,其特征在于,在将所述故障解决工单发送至目标维修终端之前,还包括:
从多个维修终端中,选取出对应的地理位置信息与所述电网故障设备的地理位置信息相匹配的维修终端,作为目标维修终端,
或者,从所述多个维修终端中,选取出对应的终端标识与所述电网故障设备的设备标识相匹配的维修终端,作为所述目标维修终端。
6.根据权利要求4所述的方法,其特征在于,在将所述故障解决工单发送至目标维修终端之后,还包括:
接收所述目标维修终端发送的故障检测结果;
在所述故障检测结果表示更换元件的情况下,根据所述故障检测结果,生成对应的更换元件工单;所述更换元件工单用于辅助相应人员对所述电网故障设备进行更换元件处理。
7.根据权利要求1所述的方法,其特征在于,在根据所述故障预测结果,生成所述电网故障设备的故障解决方案之前,还包括:
将所述设备参数发送至与所述电网故障设备关联的处理终端;所述处理终端用于根据所述设备参数,对所述电网故障设备进行故障预测处理,得到所述电网故障设备的第一故障解决方案;
接收所述处理终端发送的所述第一故障解决方案;
所述根据所述故障预测结果,生成所述电网故障设备的故障解决方案,包括:
根据所述故障预测结果,生成所述电网故障设备的第二故障解决方案;
根据所述第一故障解决方案和所述第二故障解决方案,确定出所述电网故障设备的故障解决方案。
8.一种基于大数据技术的故障解决方案生成装置,其特征在于,所述装置包括:
参数获取模块,用于获取电网故障设备的设备参数;所述设备参数携带所述电网故障设备的设备标识;
逻辑查询模块,用于根据所述设备标识,从设备数据库中,查询所述电网故障设备的运行逻辑图;
故障预测模块,用于根据所述运行逻辑图和所述设备参数,对所述电网故障设备进行故障预测处理,得到所述电网故障设备的故障预测结果;所述故障预测结果包括所述电网故障设备的故障预测位置,和所述故障预测位置的故障解决方案;
方案生成模块,用于根据所述故障预测结果,生成所述电网故障设备的故障解决方案。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311514637.8A CN117590149B (zh) | 2023-11-14 | 基于大数据技术的故障解决方案生成方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311514637.8A CN117590149B (zh) | 2023-11-14 | 基于大数据技术的故障解决方案生成方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117590149A true CN117590149A (zh) | 2024-02-23 |
CN117590149B CN117590149B (zh) | 2024-07-09 |
Family
ID=
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496930A (zh) * | 2011-12-28 | 2012-06-13 | 浙江省电力公司 | 一种保护装置内部动作逻辑远程反演方法 |
CN104091014A (zh) * | 2014-07-02 | 2014-10-08 | 国家电网公司 | 一种基于时间序列的电网潮流仿真控制方法 |
CN109146093A (zh) * | 2018-08-08 | 2019-01-04 | 成都保源酷码科技有限公司 | 一种基于学习的电力设备现场勘查方法 |
CN111064620A (zh) * | 2019-12-20 | 2020-04-24 | 广东电网有限责任公司 | 基于运维知识库的电网多媒体会议室设备维护方法和*** |
CN111985653A (zh) * | 2020-06-24 | 2020-11-24 | 国网江苏省电力有限公司 | 基于知识图谱的电网故障知识推荐与知识管理***及方法 |
CN115469643A (zh) * | 2022-09-15 | 2022-12-13 | 中国核动力研究设计院 | 一种核电站旋转机械健康管理方法、***及介质 |
CN115800216A (zh) * | 2022-12-09 | 2023-03-14 | 国网新疆电力有限公司阿克苏供电公司 | 一种数字化配电网故障处理*** |
CN116523506A (zh) * | 2023-05-17 | 2023-08-01 | 琢越盛元(唐山)科技有限公司 | 基于数字孪生变电站技术电路故障预测分析*** |
CN116799875A (zh) * | 2023-07-11 | 2023-09-22 | 云南电网有限责任公司德宏供电局 | 一种微电网储能***用调度分配管理装置 |
CN116820813A (zh) * | 2022-07-06 | 2023-09-29 | 中移(苏州)软件技术有限公司 | 一种故障事件预测方法及装置、存储介质 |
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496930A (zh) * | 2011-12-28 | 2012-06-13 | 浙江省电力公司 | 一种保护装置内部动作逻辑远程反演方法 |
CN104091014A (zh) * | 2014-07-02 | 2014-10-08 | 国家电网公司 | 一种基于时间序列的电网潮流仿真控制方法 |
CN109146093A (zh) * | 2018-08-08 | 2019-01-04 | 成都保源酷码科技有限公司 | 一种基于学习的电力设备现场勘查方法 |
CN111064620A (zh) * | 2019-12-20 | 2020-04-24 | 广东电网有限责任公司 | 基于运维知识库的电网多媒体会议室设备维护方法和*** |
CN111985653A (zh) * | 2020-06-24 | 2020-11-24 | 国网江苏省电力有限公司 | 基于知识图谱的电网故障知识推荐与知识管理***及方法 |
CN116820813A (zh) * | 2022-07-06 | 2023-09-29 | 中移(苏州)软件技术有限公司 | 一种故障事件预测方法及装置、存储介质 |
CN115469643A (zh) * | 2022-09-15 | 2022-12-13 | 中国核动力研究设计院 | 一种核电站旋转机械健康管理方法、***及介质 |
CN115800216A (zh) * | 2022-12-09 | 2023-03-14 | 国网新疆电力有限公司阿克苏供电公司 | 一种数字化配电网故障处理*** |
CN116523506A (zh) * | 2023-05-17 | 2023-08-01 | 琢越盛元(唐山)科技有限公司 | 基于数字孪生变电站技术电路故障预测分析*** |
CN116799875A (zh) * | 2023-07-11 | 2023-09-22 | 云南电网有限责任公司德宏供电局 | 一种微电网储能***用调度分配管理装置 |
Non-Patent Citations (1)
Title |
---|
WENHUAN WANG 等: "Relay protection service support platform architecture and data flow based on big data technology", 《2019 IEEE SUSTAINABLE POWER AND ENERGY CONFERENCE (ISPEC)》, 30 January 2020 (2020-01-30), pages 425 - 431 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114356631A (zh) | 故障定位方法、装置、计算机设备和存储介质 | |
CN117590149B (zh) | 基于大数据技术的故障解决方案生成方法、装置和设备 | |
CN117590149A (zh) | 基于大数据技术的故障解决方案生成方法、装置和设备 | |
CN116127312A (zh) | 应急预案确定方法、装置、计算机设备和存储介质 | |
CN115438812A (zh) | 输电设备全生命管理方法、装置、计算机设备和存储介质 | |
CN114118469A (zh) | 物联网设备诊断方法、装置、计算机设备、存储介质 | |
CN114462859A (zh) | 工作流处理方法、装置、计算机设备和存储介质 | |
CN114236458A (zh) | 基于测试数据流的双芯智能电表故障定位方法和装置 | |
CN115630527B (zh) | 出清异常模型检测方法、装置、计算机设备和存储介质 | |
CN117557951A (zh) | 电网异常事件监控方法、装置、计算机设备和存储介质 | |
CN117724881A (zh) | 程序异常修复方法、装置、计算机设备和存储介质 | |
CN118260110A (zh) | 故障演练方法、装置、计算机设备、存储介质和程序产品 | |
CN117893006A (zh) | 电网风险评估方法、装置、设备、介质和程序产品 | |
CN116228191A (zh) | 操作票生成方法、装置、计算机设备和存储介质 | |
CN116757677A (zh) | 针对异常电网设备的联动处理方法、装置和计算机设备 | |
CN116050756A (zh) | 输变电的作业监控方法、装置、计算机设备和存储介质 | |
CN116561010A (zh) | 接口测试方法、装置、计算机设备和存储介质 | |
CN115442214A (zh) | 业务异常排障方法、装置、设备、存储介质和程序产品 | |
CN117495131A (zh) | 用电数据预测方法、装置、计算机设备和存储介质 | |
CN117852832A (zh) | 任务处理方法、装置、设备、存储介质和计算机程序产品 | |
CN117313666A (zh) | 信息采集方法、装置、设备、存储介质和程序产品 | |
CN117762810A (zh) | 模型在环测试方法、装置、计算机设备和存储介质 | |
CN116828505A (zh) | 故障处理方法、装置、计算机设备和存储介质 | |
CN115470074A (zh) | 页面性能监控方法、装置、计算机设备和存储介质 | |
CN115268717A (zh) | 点巡检管理***中新增测量点方法、装置和计算机设备 |
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 |