대규모 데이터 통합, 저장, 검색 및 데이터 마이닝 분석을 위한 데이터 분석 모듈 < P > 평가 모듈-대용량 데이터를 기반으로 전력 분배 장치 평가 모델을 생성하고, 설명된 전력 분배 장치 평가 모델에 따라 전력 분배 장치를 평가하고, 평가 결과에 따라 적절한 처리 전략을 생성합니다.
2. 권한 요구 사항 1 에 따라 프로덕션 관리 시스템 데이터, 온라인 모니터링 시스템 데이터, 공간 지리 정보 시스템 데이터, 기상 시스템 데이터 및 비디오 감시 플랫폼 데이터가 포함된 대용량 데이터 기반 전력 분배 장치 상태 시각화 플랫폼
3. 권한 요구 사항 2 에 설명된 대용량 데이터 기반 전력 분배 장치 상태 시각화 플랫폼의 특징은 다음과 같습니다. < P > 해당 다중 플랫폼 데이터에 설명된 비즈니스 시스템, 유형, 구조, 크기, 통합 사양 표시 데이터 표시에 따라 적절한 규칙과 데이터를 캡슐화하고, 캡슐화된 데이터는 식별 가능하고 제어할 수 있으며, 적절한 청소 규칙을 가지고 있으며, 청소 작업을 위해 데이터 청소 단계로 보낼 수 있습니다.
4. 권한 요구 사항 1 에 설명된 대용량 데이터 기반 전력 분배 장치 상태 시각화 플랫폼으로, 해당 데이터 분석 모듈에는 인식 계층, 네트워크 계층 및 애플리케이션 계층이 포함됩니다. 여기서 < P > 에 설명된 인식 계층은 데이터 수집을 위한 것입니다.
에 설명된 네트워크 계층은 데이터 전송에 사용됩니다. < P > 에 설명된 애플리케이션 계층에는 서비스 계층, 비즈니스 계층, 프레젠테이션 계층 및 데이터 마이닝 분석 기능을 제공하는 도구 세트가 추가로 포함되어 있으며, 해당 비즈니스 계층은 특정 제품의 비즈니스 요구 사항을 달성하는 데 사용되고, 설명된 프레젠테이션 계층은 대화식 인터페이스를 제공하는 데 사용되며, 설명된 도구 세트는 설치 배포 도구, 데이터 마이닝 도구, 비즈니스 모델링 도구, 코드 생성 도구를 제공하는 데 사용됩니다.
5. 권한 요구 사항 4 에 설명된 대용량 데이터 기반 전력 분배 장치 상태 시각화 플랫폼으로, 설명된 인식 계층, 네트워크 계층 및 애플리케이션 계층 간의 상호 작용이 특징입니다. 설명된 상호 작용에는 메시지 흐름 및 데이터 스트림이 포함되며, 해당 메시지 스트림을 통해 데이터 흐름 처리를 제어합니다.
6. 권한 요구 사항 1 에 설명된 대용량 데이터 기반 전력 분배 장치 상태 시각화 플랫폼의 특징은 해당 전력 분배 장치 평가 모델에 최소한 변압기 장치 오류 예측 모델, 스위치 및 조합 전기 장치 상태의 발전 추세 및 오류 확률 동적 예측 모델, 복잡한 상관 관계에 기반한 전송 라인 오류 예측 모델이 포함된다는 것입니다.
7. 권한 요구 사항 6 에 설명된 대용량 데이터 기반 전력 분배 장치 상태 시각화 플랫폼의 특징은
1) 의사 결정 문제를 분석하고 시스템의 명제 세트, 즉 시스템의 인식 프레임워크 ω {A1,A2
2) 대상 정보 시스템에 대해 인식 프레임워크를 기반으로 증거체 Ei(i 1, 2, ..., M) 를 구축합니다.
3) 수집된 각 증거체의 자료-글로벌 전체 데이터, 인식 프레임워크의 각 명제 집합의 특징을 결합하여 각 증거체의 기본 신뢰도 할당 mi(Aj), J1,2, ..., K, 다양한 상태 정보가 장비 상태에 반응하는 능력을 나타냅니다.
4) 기본 신뢰도 할당 mi(Aj) 에 따라 단일 증거체의 작용에 따라 프레임워크 내 각 명제를 식별하는 신뢰도 간격 [Beli, PLI] 을 별도로 계산합니다.
5) D-S 합성 규칙을 사용하여 모든 증거체 연합작용에 따른 기본 신뢰도 할당 m(Aj) 과 신뢰도 간격 [BEL, PL] 을 계산합니다.
6) 특정 문제에 따라 적절한 의사 결정 규칙을 수립한다.
7) 이 결정 규칙에 따라 의사 결정 결론을 도출합니다.
8. 권한 요구 사항 1 에 설명된 대용량 데이터 기반 전력 분배 장치 상태 시각화 플랫폼의 특징은 다음과 같습니다.
A) 전력 분배 장치 상태 평가 지침의 관련 요구 사항에 따라 지침의 각 상태 임계값에 따라 데이터를 하나씩 스캔하는 것입니다. 어떤 데이터가 지침에서 제한된 임계값을 초과할 경우
B) 데이터를 다중 시계열로 변환하고 각 1 차원 시계열의 상호 공분산 함수와 상호 상관 함수를 계산하여 전달 함수 분자, 분모 다항식의 차수 및 지연 매개 변수를 얻은 다음 전달 함수 모델을 맞추고 마지막으로 모델 잔차 시퀀스의 ACF 검사에 따라 간섭 시간 및 결과 예외 데이터를 결정합니다.
C) 증분 재귀를 기반으로 하는 최소 평방 회귀 매개변수 추정 및 일반화 유사 비율 변경점 감지, 증분 메커니즘을 사용하여 데이터 시퀀스 회귀 모형 매개변수 및 분할점을 결정하고, 데이터 추세 특성을 실시간으로 추출하고, 추세 변경 데이터를 비정상적인 데이터로 표시합니다.
9. 권한 요구 사항 8 에 설명된 대용량 데이터 기반 전력 분배 장치 상태 시각화 플랫폼의 특징은 서로 다른 기상 조건에서 전력 분배 라인의 실패율이 시간을 연간 단위로 변환하는 경우의 실패율이고 1 달력 연도 단위의 실패율의 평균은 < P > 로 나타낼 수 있습니다. 여기서 N 은 정상 날씨의 예상 기간입니다. 정상 날씨의 구성요소 실패율에 대한 기대치를 나타내고, 나쁜 날씨의 구성요소 실패율에 대한 기대치를 나타냅니다.
는 2 상태 날씨 모델을 사용하여 변압기의 우연한 고장 모드 실패율을 다음과 같이 설명합니다.
여기서 변압기의 우연한 고장에 대한 통계 평균, n 은 정상 날씨의 기간, s 는 악천후의 기간, f 는 악천후에 발생한 고장의 비율, w 는 변압기가 현재 위치한 기상 조건, 정상 날씨 w , 악천후입니다
1. 권한 요구 사항 1 에 설명된 대용량 데이터 기반 전력 분배 장치 상태 시각화 플랫폼의 특징은 다음과 같습니다.
a) 대용량 데이터 상태 평가 결과, 운영 정보, 미세 기상 데이터를 기준으로 PHM 모델 계산 시스템 구성 요소를 사용하여 큰 데이터를 고려하는 등 장치 상태 및 시스템 위험에 따른 장치 중요도 평가에도 사용됩니다.
b) 열거 방법을 사용하여 시스템 상태를 선택하고, 3 차 고장까지 열거하고, 예상 장애 이벤트를 형성하고, 장애 발생 확률을 계산합니다.
c) 선택한 시스템 상태에 대한 정적 안전 분석, 최적의 추세를 사용하여 시스템 상태가 여유성을 충족하는지 여부 계산, 로드가 필요한 경우 시스템 상태가 긴급, 단계 D), 시스템 상태가 경계 또는 건강 상태, 시스템에 대한 N-1 검증, 안전 기준이 충족되면 상태, 단계로 돌아갑니다.
d) 시스템 상태의 비상 지수 또는 경고 지수를 계산하고 위험 추적 모델을 사용하여 해당 상태의 각 결함 구성 요소에 대한 기여도를 계산합니다.
e) b 단계로 돌아가기) 예상 실패 세트의 모든 장애 이벤트를 통과합니다.
f) 시스템의 총 긴급지수와 총 경계지수를 계산하고, 구성 요소 긴급중요도 지표와 경계중요도 지표를 계산하고, 중요도지표별로 정렬하여 시스템의 약한 설비를 파악한다.