基于工业互联网的电力数据挖掘与分析系统.pdf



《基于工业互联网的电力数据挖掘与分析系统.pdf》由会员分享,可在线阅读,更多相关《基于工业互联网的电力数据挖掘与分析系统.pdf(12页完成版)》请在专利查询网上搜索。
1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202410001731.1(22)申请日 2024.01.02(71)申请人 陕西博古德智能科技有限公司地址 710065 陕西省西安市高新区草堂科技产业基地秦岭大道西2号科技企业加速器园区18号楼2-3-2号(72)发明人 阴国富王广帅孙涛张鹏(74)专利代理机构 北京中知音诺知识产权代理事务所(普通合伙)13138专利代理师 陈炫伟(51)Int.Cl.G06F 16/33(2019.01)G06F 40/284(2020.01)G06F 18/213(2023.01)(54)发明名称基于工。
2、业互联网的电力数据挖掘与分析系统(57)摘要本发明公开了基于工业互联网的电力数据挖掘与分析系统,涉及电力数据分析技术领域,有效的解决了因电力设备种类复杂而导致的检测效率低的问题。本发明通过采集电力设备在各个运行状态下的历史运行数据和实时运行数据,进而生成若干个历史特征词和实时特征词,建立数据区块和特征区块,将历史运行数据以及历史特征词输入至数据区块和特征区块中,根据历史特征词与历史运行数据之间的对应关系建立数据关联网络,将实时特征词与特征区块进行匹配得到多个数据区块,根据数据区块中的历史运行数据与实时运行数据之间的关联系数确定关联的数据区块,将数据区块与实时运行数据进行映射,判断电力设备的当前。
3、状态,根据判断结果对电力设备进行维护。权利要求书3页 说明书7页 附图1页CN 117493498 A2024.02.02CN 117493498 A1.基于工业互联网的电力数据挖掘与分析系统,包括云计算平台,其特征在于,所述云计算平台通信连接有数据采集模块、数据关联网络模块以及状态检测模块;所述数据采集模块用于通过若干种传感器采集电力设备在各个运行状态下的历史运行数据和实时运行状态下的实时运行数据;所述数据关联网络模块用于对电力设备的历史运行数据以及实时运行数据进行数据清洗,进而对数据清洗后的历史运行数据和实时运行数据进行特征提取并得到若干个历史特征词和实时特征词,同时建立数据区块和特征区块。
4、,将历史运行数据以及历史特征词分别输入至数据区块和特征区块中,进而根据历史特征词与历史运行数据之间的对应关系,将各个数据区块与特征区块进行相连得到数据关联网络;所述状态检测模块用于将实时特征词与特征区块进行匹配,根据匹配结果找寻对应的多个数据区块,进而根据数据区块中的历史运行数据与实时运行数据之间的关联系数确定相关的数据区块,将数据区块与实时运行数据进行映射,进而判断电力设备的当前状态,并生成相应的维护决策。2.根据权利要求1所述的基于工业互联网的电力数据挖掘与分析系统,其特征在于,所述电力设备的历史运行数据和实时运行数据的采集过程包括:对各个电力设备设置传感器,同时对各个电力设备设置编号S1。
5、、S2、Si,i为大于0的自然数;传感器采集其所在位置的电力设备实时运行状态下的J项实时状态数据,其中J为大于0的自然数;数据采集模块整合接收到全部实时状态数据生成实时运行数据,并标注对应电力设备的编号;同时采集电力设备在各个运行状态的K份历史运行数据,并标注对应的编号,其中运行状态包括正常运行状态、异常运行状态以及牵连运行状态,K为大于0的自然数。3.根据权利要求2所述的基于工业互联网的电力数据挖掘与分析系统,其特征在于,对所述实时运行数据和历史运行数据进行数据清洗的过程包括:设置标准数据格式,对于历史运行数据和实时运行数据中不符合标准数据格式的部分进行标注,进而对带有标注的部分进行格式调整。
6、以及空白段删除,当数据清洗完成后,对历史运行数据和实时运行数据进行特征提取,进而得到若干个历史特征词与实时特征词。4.根据权利要求3所述的基于工业互联网的电力数据挖掘与分析系统,其特征在于,所述数据关联网络的建立过程包括:建立与历史运行数据和历史特征词相同数量的数据区块和特征区块,将全部历史运行数据和历史特征词分别存储于数据区块和特征区块,进而根据各个历史特征词与历史检测数据之间的对应关系,将历史特征区域与数据区块进行关联得到数据关联网络,并对其设置对应电力设备的编号。5.根据权利要求4所述的基于工业互联网的电力数据挖掘与分析系统,其特征在于,将实时特征词与特征区块进行匹配的过程包括:将实时特。
7、征词输入至数据关联网络中匹配相应的特征区块,找寻所匹配的各个特征区块在数据关联网络中所关联的数据区块;提取并统计得到数据区块中的历史运行数据的数量num,进而根据历史运行数据中的权利要求书1/3 页2CN 117493498 A2历史状态数据种类数量J,建立J*num个平面坐标系;从实时运行数据以及历史运行数据中提取出相同种类的实时状态数据和历史状态数据,进而成对依次映射于平面坐标系中;将全部状态数据对应的时间长度划分为H个时间区段,进而计算各个时间区段内实时状态数据的微积分数值w以及历史状态数据的微积分数值W,并根据各个时间区段间的微积分数值w和W计算实时运行数据与历史运行数据之间的协方差c。
8、ov和标准差std。6.根据权利要求5所述的基于工业互联网的电力数据挖掘与分析系统,其特征在于,所述实时运行数据与历史运行数据之间的协方差cov以及标准差std、STD的获取过程为:计算各个时间区段内的微积分数值w的平均值bar,其中bar的计算公式为:,其中T表示时间区段的数量,表示编号为Sa的电力设备的第j个实时状态数据的微积分平均值,j为大于0且小于等于J的自然数,a为大于0且小于等于i自然数;采用相同方法获得各个时间区段内的微积分数值W的平均值BAR;根 据 平 均 值 b a r 和 平 均 值 B A R 计 算 协 方 差 c o v 的 计 算 公 式 为:;其中表示编号为Sa。
9、的电力设备的第j个历史状态数据的微积分平均值,表示编号为Sa的电力设备的第k份历史运行数据与实时运行数据之间的协方差,其中k为大于0且小于等于K的自然数,和分别表示第e个时间区段内实时状态数据和历史状态数据的微积分数值;根 据 平 均 值 b a r 计 算 实 时 状 态 数 据 的 标 准 差 s t d 的 计 算 公 式 为:,表示编号为Sa的电力设备的实时运行数据内各个实时状态数据之间的标准差;根 据 平 均 值 B A R 计 算 历 史 状 态 数 据 的 标 准 差 S T D 的 计 算 公 式 为:,表示编号为Sa的电力设备第k份历史运行数据中各个历史状态数据之间的标准差;。
10、进而根据实时运行数据与历史运行数据之间的协方差cov以及标准差std、STD获得关联系数 公式为:,表示编号为Sa的电力设备的第k份历史运行数据与实时运行数据之间的关联系数。7.根据权利要求6所述的基于工业互联网的电力数据挖掘与分析系统,其特征在于,根据所述关联系数判断对应设备的当前状态的过程包括:设置系数阈值,进而将实时运行数据与各个历史运行数据之间的关联系数 与系数阈值进行对比,根据对比结果剔除相应的历史运行数据;统计保留的历史运行数据位于各个状态空间区域的数量,进而判断对应电力设备的当前状态。8.根据权利要求7所述的基于工业互联网的电力数据挖掘与分析系统,其特征在于,根据电力设备的当前状。
11、态对电力设备进行维护的过程包括:根据电力设备的当前状态生成设备维修策略发送至维修人员;权利要求书2/3 页3CN 117493498 A3维修人员根据设备维修策略对电力设备维修,并在维修完成生成维修提示发送至云计算平台,进而重新获取对应电力设备的实时运行数据,直到对应电力数据处于正常状态为止。权利要求书3/3 页4CN 117493498 A4基于工业互联网的电力数据挖掘与分析系统技术领域0001本发明涉及电力数据分析技术领域,具体涉及基于工业互联网的电力数据挖掘与分析系统。背景技术0002电力数据分析是利用各种技术和方法对电力系统产生的大量数据进行处理、分析和挖掘,以获取有益的信息和见解。这。
12、些数据包括电力负荷、发电量、电网运行状态、设备健康状况、能源市场价格等多方面的信息。0003现有的电力数据分析技术存在以下缺陷:0004数据分析技术:包括可视化、机器学习等技术,可以实现对电力数据进行分析和预测,但当需要同时分析种类及数量庞大的电力设备的运行数据时,需要考虑多因素相互作用的影响,单一算法难以满足需求。0005机器学习技术:利用机器学习算法对设备运行数据进行建模和预测,识别设备运行异常和故障风险。但通过机器学习模型在处理电力设备运行数据时,需要考虑模型的精度和泛化能力,尤其是在复杂多变的环境下,模型的性能表现可能受到限制。0006因此,怎样在提高数据分析和数据挖掘技术对多种类电力。
13、设备的运行数据分析准确性的同时,提高对复杂环境下的数据准确性是现有技术的难点,为此提供基于工业互联网的电力数据挖掘与分析系统。发明内容0007为了解决上述技术问题,本发明的目的在于提供基于工业互联网的电力数据挖掘与分析系统。0008为了实现上述目的,本发明提供如下技术方案:0009基于工业互联网的电力数据挖掘与分析系统,包括云计算平台,所述云计算平台通信连接有数据采集模块、数据关联网络模块以及状态检测模块;0010所述数据采集模块用于通过若干种传感器采集电力设备在各个运行状态下的历史运行数据和实时运行状态下的实时运行数据;0011所述数据关联网络模块用于对电力设备的历史运行数据以及实时运行数据。
14、进行数据清洗,进而对数据清洗后的历史运行数据和实时运行数据进行特征提取并得到若干个历史特征词和实时特征词,同时建立数据区块和特征区块,将历史运行数据以及历史特征词分别输入至数据区块和特征区块中,进而根据历史特征词与历史运行数据之间的对应关系,将各个数据区块与特征区块进行相连得到数据关联网络;0012所述状态检测模块用于将实时特征词与特征区块进行匹配,根据匹配结果找寻多个对应的数据区块,进而根据数据区块中的历史运行数据与实时运行数据之间的关联系数确定相关的数据区块,将数据区块与实时运行数据进行映射,进而判断电力设备的当前状态,并生成相应的维护决策。说明书1/7 页5CN 117493498 A5。
15、0013进一步的,所述电力设备的历史运行数据和实时运行数据的采集过程包括:0014对各个电力设备设置传感器,同时对各个电力设备设置编号S1、S2、Si,i为大于0的自然数;0015传感器采集其所在位置的电力设备实时运行状态下的J项实时状态数据,其中J为大于0的自然数;0016数据采集模块整合接收到全部实时状态数据生成实时运行数据,并标注对应电力设备的编号;0017采集相同方法,数据采集模块采集电力设备采集各个运行状态的K份历史运行数据,并标注对应的编号,其中运行状态包括正常运行状态、异常运行状态以及牵连运行状态,K为大于0的自然数。0018进一步的,对所述实时运行数据和历史运行数据进行数据清洗。
16、的过程包括:0019设置标准数据格式,对于历史运行数据和实时运行数据中不符合标准数据格式的部分进行标注,进而对带有标注的部分进行格式调整以及空白段删除,当数据清洗完成后,对历史运行数据和实时运行数据进行特征提取,进而得到若干个历史特征词与实时特征词。0020进一步的,所述数据关联网络的建立过程包括:0021建立与历史运行数据和历史特征词相同数量的数据区块和特征区块,将全部历史运行数据和历史特征词分别存储于数据区块和特征区块,进而根据各个历史特征词与历史检测数据之间的对应关系,将历史特征区域与数据区块进行关联得到数据关联网络,并对其设置对应电力设备的编号。0022进一步的,将实时特征词与特征区块。
17、进行匹配的过程包括:0023将实时特征词输入至数据关联网络中匹配相应的特征区块,找寻所匹配的各个特征区块在数据关联网络中所关联的数据区块;0024提取并统计得到数据区块中的历史运行数据的数量num,进而根据历史运行数据中的历史状态数据种类数量J,建立J*num个平面坐标系;0025从实时运行数据以及历史运行数据中提取出相同种类的实时状态数据和历史状态数据,进而成对依次映射于平面坐标系中;0026将全部状态数据对应的时间长度划分为H个时间区段,进而计算各个时间区段内实时状态数据的微积分数值w以及历史状态数据的微积分数值W,并根据各个时间区段间的微积分数值w和W计算实时运行数据与历史运行数据之间的。
18、协方差cov和标准差std。0027进一步的,所述实时运行数据与历史运行数据之间的协方差cov以及标准差std、STD的获取过程为:0028计算各个时间区段内的微积分数值w的平均值bar,其中bar的计算公式为:,其中T表示时间区段的数量,bara,j表示编号为Sa的电力设备的第j个实时状态数据的微积分平均值,j为大于0且小于等于J的自然数,a为大于0且小于等于i自然数;0029采用相同方法获得各个时间区段内的微积分数值W的平均值BAR;0030根 据 平 均 值 b a r 和 平 均 值 B A R 计 算 协 方 差 c o v 的 计 算 公 式 为:;其中表示编号为Sa的电力设备的第。
19、j个历史状态说明书2/7 页6CN 117493498 A6数据的微积分平均值,表示编号为Sa的电力设备的第k份历史运行数据与实时运行数据之间的协方差,其中k为大于0且小于等于K的自然数,和分别表示第e个时间区段内实时状态数据和历史状态数据的微积分数值;0031根 据 平 均 值 b a r 计 算 实 时 状 态 数 据 的 标 准 差 s t d 的 计 算 公 式 为:,表示编号为Sa的电力设备的实时运行数据内各个实时状态数据的标准差;0032根 据 平 均 值 B A R 计 算 历 史 状 态 数 据 的 标 准 差 S T D 的 计 算 公 式 为:,表示编号为Sa的电力设备第k。
20、份历史运行数据中各个历史状态数据的标准差;0033进而根据实时运行数据与历史运行数据之间的协方差cov以及标准差std、STD获得关联系数 公式为:,表示编号为Sa的电力设备的第k份历史运行数据与实时运行数据之间的关联系数。0034进一步的,根据所述关联系数判断对应设备的当前状态的过程包括:0035设置系数阈值,进而将实时运行数据与各个历史运行数据之间的关联系数 与系数阈值进行对比,根据对比结果剔除相应的历史运行数据;0036统计保留的历史运行数据位于各个状态空间区域的数量,进而判断对应电力设备的当前状态,所述当前状态包括自身异常状态、正常状态以及异常干扰状态。0037进一步的,根据电力设备的。
21、当前状态对电力设备进行维护的过程包括:0038根据电力设备的当前状态生成设备维修策略发送至维修人员;0039维修人员根据设备维修策略对电力设备维修,并在维修完成生成维修提示发送至云计算平台,进而重新获取对应电力设备的实时运行数据,直到对应电力数据处于正常状态为止。0040与现有技术相比,本发明的有益效果是:00411、本发明通过采集电力设备在各个运行状态下的历史运行数据和实时运行状态下的实时运行数据,进而生成若干个历史特征词和实时特征词,建立数据区块和特征区块,将历史运行数据以及历史特征词输入至数据区块和特征区块中,根据历史特征词与历史运行数据之间的对应关系建立数据关联网络,进而提高了对运行数。
22、据的可靠性,以及为后续对实时运行数据进行分析提供了数据保障。00422、本发明通过将实时特征词与特征区块进行匹配得到对应的数据区块,进而根据数据区块中的历史运行数据与实时运行数据之间的关联系数确定关联的数据区块,将数据区块与实时运行数据进行映射,进而判断电力设备的当前状态,有效的提高了对电力设备的实时状态监测的准确性以及效率。附图说明0043为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一说明书3/7 页7CN 117493498 A7些实施例。0044图1为本发明的原理图。具体实施方式0045。
23、为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅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的前提下所得到的所有其他实施方式,都属于本发明所保护的范围。0046如图1所示,基于工业互联网的电力数据挖掘与分析系统,包括云计算平台,所述云计算平台通信连接有数据采集模块、数据关联网络模块以及状态检测模块;0047所述数据采集模块用于通过若干种传感器采集电力设备在各个运行状态下的历史运行数据和实时运行状态下的实时运行数据;0048所述数据关联网络模块设置数据分析单元和数据关联网络建立单元。
24、;0049所述数据分析单元用于对电力设备的历史运行数据以及实时运行数据进行数据清洗,进而对数据清洗后的历史运行数据和实时运行数据进行特征提取并得到若干个历史特征词和实时特征词;0050所述数据关联网络建立单元用于建立数据区块和特征区块,将历史运行数据以及历史特征词分别输入至数据区块和特征区块中,进而根据历史特征词与历史运行数据之间的对应关系,将各个数据区块与特征区块进行相连得到数据关联网络;0051所述状态检测模块用于将实时特征词与特征区块进行匹配,根据匹配结果找寻多个对应的数据区块,进而根据数据区块中的历史运行数据与实时运行数据之间的关联系数确定相关的数据区块,将数据区块与实时运行数据进行映。
25、射,进而判断电力设备的当前状态,并生成相应的维护决策。0052进一步的,下面通过实施例说明本发明的工作原理:0053对发电厂或配电厂内的各个电力设备设置若干种传感器,其中传感器的种类包括电流传感器、电压传感器。温度传感器等,电力设备的种类可为发电机、输电线等;0054数据采集模块设置有数据采集周期,同时对各个电力设备设置编号S1、S2、Si,在数据采集周期开始前,数据采集模块向各个电力设备所带有的全部传感器发送数据采集指令,i为大于0的自然数;0055根据数据采集指令,各个种类的传感器采集其所在位置的电力设备实时运行状态下的J项实时状态数据,并实时发送至数据采集模块,其中J为大于0的自然数;0。
26、056在数据采集周期结束后,数据采集模块整合接收到全部实时状态数据生成实时运行数据,并标注对应电力设备的编号;0057采集相同方法,数据采集模块采集电力设备采集各个运行状态的历史运行数据,并标注对应的编号,其中运行状态包括正常运行状态、异常运行状态以及牵连运行状态;0058数据采集模块将电力设备的K份历史运行数据与实时运行数据发送至数据关联网络模块,K为大于0的自然数。0059进一步的,数据关联网络模块接收到历史运行数据与实时运行数据后,将历史运行数据与实时运行数据发送至数据处理单元;说明书4/7 页8CN 117493498 A80060数据处理单元预设有标准数据格式,通过标准数据格式对历史。
27、运行数据和实时运行数据进行数据清洗;0061对于历史运行数据和实时运行数据中不符合标准数据格式的部分进行标注,并在遍历完成后对其中不符合标准数据格式的部分进行标注,进而数据处理单元对带有标注的部分进行格式调整以及空白段删除;0062当数据清洗完成后,数据处理单元对历史运行数据和实时运行数据进行特征提取,进而得到N个历史特征词与n个实时特征词,N、n为大于0的自然数,且N大于等于i;0063数据处理单元将数据清洗后的实时运行数据以及相关的实时特征词发送至状态检测模块,以及将历史运行数据和历史特征词发送至数据关联网络建立单元。0064当数据关联网络建立单元接收到历史运行数据和历史特征词后,建立K个。
28、数据区块和N个特征区块;0065将全部历史运行数据和历史特征词分别存储于数据区块和特征区块,进而根据各个历史特征词与历史检测数据之间的对应关系,将历史特征区域与数据区块进行关联;0066需要说明的是,对于任意一个数据区块,其可同时关联多个特征区块,且对应任意一个特征区块,其可同时关联多个数据区块;0067根据电力设备的运行状态划分出三个状态空间区域,其中状态空间区域分别为正常空间区域、异常空间区域以及干涉空间区域,同时设置特征空间区域;0068进而根据各个数据区块所对应的运行状态,将数据区块发送至对应的状态空间区域,以及将特征区块发送至特征空间区域,进而得到数据关联网络,对其设置对应电力设备的。
29、编号后将其发送至状态检测模块。0069进一步的,状态检测模块根据实时运行数据带有的编号匹配相应的数据关联网络;0070根据匹配结果,将实时特征词输入至数据关联网络中,进而通过实时特征词在数据关联网络匹配相应的特征区块;0071找寻所匹配的各个特征区块在数据关联网络中所关联的数据区块;0072提取并统计得到数据区块中的历史运行数据的数量num,进而根据历史运行数据中的历史状态数据种类数量J,建立J*num个平面坐标系;0073从实时运行数据以及各个历史运行数据中提取出相同种类的实时状态数据和历史状态数据,进而成对依次映射于平面坐标系中;0074将全部状态数据对应的时间长度划分为H个时间区段,进而。
30、计算各个时间区段内实时状态数据的微积分数值w以及历史状态数据的微积分数值W,并根据各个时间区段间的微积分数值w和W计算实时运行数据与历史运行数据之间的协方差cov和标准差std;0075获得实时运行数据与历史运行数据之间的协方差cov,以及标准差std、STD的过程为:0076计算各个时间区段内的微积分数值w的平均值bar,其中bar的计算公式为:,其中T表示时间区段的数量,bara,j表示编号为Sa的电力设备的第j个实时状态数据的微积分平均值,j为大于0且小于等于J的自然数,a为大于0且小于等于i自然数;0077采用相同方法获得各个时间区段内的微积分数值W的平均值BAR;0078根 据 平 。
31、均 值 b a r 和 平 均 值 B A R 计 算 协 方 差 c o v 的 计 算 公 式 为:说明书5/7 页9CN 117493498 A9;其中表示编号为Sa的电力设备的第j个历史状态数据的微积分平均值,表示编号为Sa的电力设备的第k份历史运行数据与实时运行数据之间的协方差,其中k为大于0且小于等于K的自然数,和分别表示第e个时间区段内实时状态数据和历史状态数据的微积分数值;0079根 据 平 均 值 b a r 计 算 实 时 状 态 数 据 的 标 准 差 s t d 的 计 算 公 式 为:,表示编号为Sa的电力设备的实时运行数据内各个实时状态数据的标准差;0080根 据 。
32、平 均 值 B A R 计 算 历 史 状 态 数 据 的 标 准 差 S T D 的 计 算 公 式 为:,表示编号为Sa的电力设备第k份历史运行数据中各个历史状态数据之间的标准差;0081进而根据实时运行数据与历史运行数据之间的协方差cov以及标准差std、STD获得关联系数 公式为:,表示编号为Sa的电力设备的第k份历史运行数据与实时运行数据之间的关联系数;0082设置系数阈值,进而将实时运行数据与各个历史运行数据之间的关联系数 与系数阈值进行对比;0083若关联系数 小于等于系数阈值,则剔除对应的历史运行数据;0084若关联系数 大于系数阈值,则保留对应的历史运行数据;0085统计保留。
33、的历史运行数据位于各个状态空间区域的数量,若位于正常空间区域的历史运行数据最多,且位于干涉空间区域次之,则判断对应电力设备处于正常状态;0086若位于正常空间区域的历史运行数据最多,且位于异常空间区域的数量次之,则判断对应电力设备处于自身异常状态;0087若位于干涉空间区域的历史运行数据最多,且位于正常空间区域的数量次之,则判断对应电力设备处于正常状态;0088若位于干涉空间区域的历史运行数据最多,且位于异常空间区域的数量次之,则判断对应电力设备处于异常干扰状态;0089若位于异常空间区域的历史运行数据最多,且位于干涉空间区域的数量次之,则判断对应电力设备处于异常干扰状态;0090若位于异常空。
34、间区域的历史运行数据最多,且位于正常空间区域的数量次之,则判断对应电力设备处于自身异常状态,对于处于正常状态的电力设备不做任何操作;0091对于处于自身异常状态的电力设备,状态检测模块根据对应电力设备的编号生成设备维修策略并发送至维修人员;0092对于处于异常干扰状态的电力设备,状态检测模块根据对应电力设备的编号定位其位置,进而生成设备维修策略以及干扰设备找寻指令发送至维修人员;0093维修人员根据设备维修策略对电力设备维修,并在维修完成生成维修提示发送至云计算平台,进而云计算平台通过数据采集模块重新获取对应电力设备的实时运行数据,说明书6/7 页10CN 117493498 A10直到对应电力数据处于正常状态为止;0094同时,维修人员根据干扰设备找寻指令找寻对处于造成异常干扰状态的电力设备,进而停止对应的电力设备并进行维修,直到该电力设备处于正常状态为止。0095以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。说明书7/7 页11CN 117493498 A11图 1说明书附图1/1 页12CN 117493498 A12。
- 内容关键字: 基于 工业 互联网 电力 数据 挖掘 分析 系统
茶叶加工用的上料装置.pdf
便于装卸的储料桶.pdf
智能化多腔体入料数量检测机构及高速计数筛选装置.pdf
焊接辅助装置.pdf
无纺布切边装置.pdf
阀门用端面打磨装置.pdf
推砖装置.pdf
污染水体水藻清理装置.pdf
调整木板输送姿态的输送装置.pdf
切边刀装配总成.pdf
液压油过滤器.pdf
用于检测育苗水体中弧菌含量的培养装置.pdf
自动配料加料装置.pdf
电加热器超导热管用烘箱.pdf
避免交叉感染的门诊采血车.pdf
压力管道承压检测装置.pdf
多功能彩妆盒.pdf
激光增强的纳米线电子源组件.pdf
旋转型空气净化消毒灯.pdf
无人机智能电力线路巡检系统.pdf
消防器械生产用焊接装置.pdf
条码扫描机.pdf
基于TDS-Unet网络的地震速度模型重构方法、介质和设备.pdf
纺织弹性带生产自动卷绕装置及其方法.pdf
基于BIM的轨道交通运维方法、系统、电子设备及存储介质.pdf
电子封装用导电银胶及其制备方法.pdf
基于虚拟编组计算列车数的方法、设备及存储介质.pdf
菌落计数样本的优化方法、装置、设备及存储介质.pdf
高压断路器机械合闸闭锁装置.pdf
竖井采矿用罐笼旋调升降装置.pdf
热升级方法、装置及电子设备.pdf
一种多输入多输出MIMO系统小波常模盲均衡方法.pdf
热塑性无纺织物元件.pdf
一种基于可见光标签的室内定位方法.pdf
碳纳米管及其制备方法.pdf
掺杂钇铝石榴石陶瓷转变为单晶的制备方法.pdf
一种微小型火药作动器.pdf
微耕机耕刀的安装结构.pdf
电流的形成方法以及电流源电路.pdf
一种苯磺酰胺类化合物的合成方法.pdf
一种成年公狐标本的制作方法.pdf
纵向飞行模型簇颤振抑制复合频率鲁棒控制器设计方法.pdf
一种汽车备胎盖板.pdf
硬盘底座半自动装箱机.pdf
绞绳破碎分选装置.pdf
一种可遥控气压制动缆索起重机跑车.pdf
面向下的打印设备和方法.pdf
催化剂连续生产工艺及设备.pdf
电子体温计及其精度调整方法.pdf
汽车避免碰撞紧急制动器.pdf
相关文档
更多


















