模型案例推荐:电力大数据项目案例模型分享

模型案例推荐:电力大数据项目案例模型分享_第1张图片

 电力行业+大数据项目模型

模型案例推荐:电力大数据项目案例模型分享_第2张图片

 

电力高架线路巡检绝缘子缺陷智能检测

模型案例推荐:电力大数据项目案例模型分享_第3张图片

涉及关键技术:
语义分割
目标检测
图像增强
图像切分    

主要工具:Python
技术大类:计算机视觉
主要业务问题:
随着我国经济的高速发展,国民用电量逐年增加,对电力输电网设备等基础设施的安全运营提出了更高的要求。为了保证输电线路的安全、可靠运行,电网运行部门需要定期对输电线路进行巡检、维修和维护以确保消除电力安全隐患。然而在实际生活中,输电线路会穿越各种复杂地形,使得巡检工作难以开展。
传统输配电线路巡检普遍采用巡检人员现场勘测,手工纸质记录线路缺陷,然后再人工进行统计的方式。这种方式出错率高、数据难以整理,已经不能适应现代化电网建设与发展的需求。

电力10kV用户窃电智能识别

模型案例推荐:电力大数据项目案例模型分享_第4张图片
涉及关键技术:
RFC
阈值检测
指标构建    

 主要工具:Python
技术大类:机器学习
主要业务问题:
电力行业作为一种公用事业,面向千家万户和社会各行各业,影响着人类生存活动中各方面的效益。
生活中往往会有人为了贪图小便宜诞而走险,将盗窃的黑手伸向了电力,企图在电力系统中寻找漏洞来满足自身利益。“窃电行为”是以非法占用电能,主要行为有在供电企业的供电设施上,擅自接线用电;绕越供电企业用电计量装置用电;伪造或者开启供电企业加封的用电计量装置封印用电;故意损坏供电企业用电计量装置;故意使供电企业用电计量装置不准或者失效该行为造成少收电费使电力系统利益受损。传统方法主要通过定期巡检、定期校验电表、用户举报窃电等手段来发现窃电,对人的依赖性太强,抓窃的目标不明确,不易于推广应用。

电网“6+1”系统工单类型智能纠错与分类

模型案例推荐:电力大数据项目案例模型分享_第5张图片
涉及关键技术:
文本分词
TFIDF关键词提取
可视化分析    

 主要工具:Python
技术大类:自然语言学习
主要业务问题:
现下某电网已经建成了规模庞大、业务覆盖广泛、实用化程度高的“6+1"系统,实现了全网的工单整合、流转及处理。系统在各个业务领域为解决具体业务问题都发挥了重要的作用。同时,随着时间的推移,业务的累积,当前系统已存储了大量的不同领域不同类型的工单记录。随着近年来大数据挖掘技术在电力行业的深入应用,这对电网工单科学管理提出了更高的要求。依靠人工记录整理的工作效率与可重复性低,如何通过良好的数据管理,并运用数据挖掘手段践行大数据战略,切实提高电网系统工单管理,以及指导“6+1”系统的进一步深化革新是现阶段工作的挑战。

更多行业应用模型可参考模型交易平台 (tipdm.cn)

多行业实战案例有什么用呢?

院校老师
1、毕业设计课题;
2、横向课题申请;
3、校企合作项目开发;

学生
1、企业实战真题项目;
2、真实案例学习;
3、业务模型深化了解;

你可能感兴趣的:(大数据,模型交易平台,大数据,人工智能)