CN119402378A 用于动态改变岛的事件分配的系统和方法 （思睿人工智能公司）

202080038035.82020.03.19本公开涉及用于动态改变岛的事件分配的习来检测网络中断并且将网络中断归因于所述个或多个岛的分裂和/或合并而动态改变，其中型在单个部件级以及岛级检测和定位一个或多2接收岛级事件数据，所述岛级事件数据描述发生在岛处的岛级所述岛是网络的一部分并且包括一个或更多个单个部件，所述网所述岛级事件数据不能从所述一个或更多个单个部件中立即识别所述岛级事件的源估计导致所述岛级事件的所述一个或更多个单个部件中使用所述机器学习模型并基于所述岛级事件数据和所述一个或更多个单个部件中的基于所述后验推断的执行的结果更新所述一个或更多个单个部件中的每一个的先验重复执行对所述岛级事件数据的接收、对所述后验推断的执3.根据权利要求1所述的方法，其中所述先验概率包括基于先验事件数据的导致所述6.根据权利要求1所述的方法，其中描述在所述岛处发生的所述岛级事件的所述岛级事件数据是从所述岛的所述一个或更多个单个部件接收岛级事件数据，所述岛级事件数据描述发生在岛处的岛级所述岛是网络的一部分并且包括一个或更多个单个部件，所述网3所述岛级事件数据不能从所述一个或更多个单个部件中立即识别所述岛级事件的源估计导致所述岛级事件的所述一个或更多个单个部件中使用所述机器学习模型并基于所述岛级事件数据和所述一个或更多个单个部件中的基于所述后验推断的执行的结果更新所述一个或更多个单个部件中的每一个的先验重复执行对所述岛级事件数据的接收、对所述后验推断的执在所述执行之后，训练所述机器学习模型，以接收描述在所述岛事件数据是从所述岛的所述一个或更多个单个部件15.一种非暂时性事件分配计算机可读介质（CRM其中存储程序，所述程序用于使得接收岛级事件数据，所述岛级事件数据描述发生在岛处的岛级所述岛是网络的一部分并且包括一个或更多个单个部件，所述网所述岛级事件数据不能从所述一个或更多个单个部件中立即识别所述岛级事件的源估计导致所述岛级事件的所述一个或更多个单个部件中使用机器学习模型并基于所述岛级事件数据和所述一个或更多个单个部件中的每一基于所述后验推断的执行的结果更新所述一个或更多个单个部件中的每一个的先验4重复执行对所述岛级事件数据的接收、对所述后验推断的执在所述执行之后，训练所述机器学习模型，以接收描述在所述岛16.根据权利要求15所述的非暂时性事件分配计算机可读介质，其中所述后验推断是17.根据权利要求15所述的非暂时性事件分配计算机可读介质，其中所述先验概率包括基于先验事件数据的导致所述岛级事件的所述一个或更多个单个部件中的每一个的初18.根据权利要求15所述的非暂时性事件分配计算机可读介质，其中使用期望最大化19.根据权利要求15所述的非暂时性事件分配计算机可读介质，其中所述网络包括配个单个部件包括所述多个节点和所述一个或更多个分支的至少20.根据权利要求15所述的非暂时性事件分配计算机可读介质，其中描述在所述岛处发生的所述岛级事件的所述岛级事件数据是从所述岛的所述一个或更多个单个部件的子21.根据权利要求15所述的非暂时性事件分配计算机可读介质，其中所述机器学习模5[0002]本申请要求第62/822,300号美国临时专利申请的优先权，该申请于2019年3月22[0006]本公开通过利用机器学习潜变量模型至少解决了对联网系统的增强的预测性维6配置为在单个部件级而不是在岛级检测一个或[0010]在一些方面，本公开可以描述一种利用解聚模型的计算所述解聚模型被配置为在单个部件级定位或隔离一个或多个本[0011]在一些方面，本公开可以描述一种利用解聚模型的计算变包括连接和/或分裂多个节点和分支中的两级发生的一个或多个本地事件与在岛级发生的一个或多个量中的一个已经导致选定岛事件发生的假设来变量模型包括导致一个或多个本地事件中的每一个的每个单个7多个本地事件分配到单个部件的所述分配包括确定在所述对应部件中的每个处发生的每分支与多个配电馈线以及每个馈线内的连接括映射包括多个岛的网络，所述多个岛能够通过一个或多个岛的分裂和/或合并而动态改8[0047]图6示出了被编程或以其他方式配置以实现本文提供的方法的计算机系统的示[0048]本公开描述了在网络系统的分裂和合并期间用于事件分配的系统和方法。网络时前摄地预期电力需求变化的能力有助于提高可靠性并且降低[0051]本公开描述了使用一个或多个机器学习算法来分析孤岛事件期间复杂网络的行9[0052]图1是示例预测性维护系统100的图，所述示例预测性维护系统100被配置为将岛[0065]如本文所描述的网络可以包括用于控制网络的一个或多具传感器或交通传感器。传感器112_116可以通过有线或无线网络130与事件分配服务器[0070]如果没有解聚模型125，事件分配服务器120将无法将事件定位到网络110中的特以是实现解聚模型125的训练过程的计算机程序。将参考图4更详细地描述解聚模型125的变电站220可以将发电厂210产生的电力转换成高压电力。高压输电线路230可以在长距离述的网络中的节点和分支可以与配电馈线以及每个配电馈线内的连接的节点和分支相关0.01V。交流电源可以包括特定的电压。交流电源可以包括765kV或更高、500kV或更高、接网络内的部件或节点。传输元件可以包括具有可能影响网络行为的属性的部件或节点。[0079]如本文所描述的配电网络可以包括其他部件。电气元件可以是被动的或主动的。[0082]如本文所描述的配电网络可以包括微电网。微电网可以包括小规模或隔离的电配电网络可以包括混合了径向和网状网络的各方面的更[0087]如本文所描述的电力感测仪表可以包括智能电表和/或太阳能监测器。本文所描[0090]对智能电表的任何描述也可以适用于用于测量电力消耗的任何类型的装置。例[0094]本文所描述的预测性维护系统可以用于预测除配电网络之外的网络中的部件级到网络中的其他节点的网络。节点的非分层布置防止了一个节点的故障影响网络的大部网络可以包括到其他计算机网络的一个或多个连接。计算机网络系统可以包括个人区域被配置为将货物从一个或多个来源高效地运以从多普勒雷达传感器或公共来源收集天气数据；来自供应链网络中交通工具的交通数预测供应链网络中可能出现的故障并且在节点/路由级定位故障的能力有助于提高供应链300可由一个或多个适当编程的计算机来执行，所述一个或多个适当编程的计算机被配置络或计算网络中的某个部件出现故障或供应链网络中的某条路线变得无法通行时就会器开关与配电网络的节点和/或分支中的一个或多个相关联。配电网络中的事件的其他示定事件的源的概率可以从组织成潜变量模型的其他可价格的一个可能模型是假设如下的模型i）价格由具有k个不同部件的混合模型精确描岛级事件可以追溯到岛内k个不同部件中的一个ii）每个部件都具有正态分布，以及[0145]对事件负责的单个部件的推断可以基于提供给贝叶斯模型的至少一些数据。例数据集，将经过训练的算法应用于库存数据集以生成对具有未来不确定性的变量的预测，并对库存数据集应用优化算法以优化多个库存变量。计算机系统601可以是用户的电子设个位于计算机系统601外部的附加数据存储单元，例如位于通过内联网或因特网与计算机[0170]计算机系统601可以通过网络630与一个或多个远程计算计算机系统601可以与用户的远程计算机系统进行通信。远程计算机系统的示例包括个人[0171]如本文所述的方法可以通过存储在计算机系统601的电子存储位置上的机器（例可执行或机器可读代码可以以软件的形式提供。在使用过程中，该代码可由处理器605执这些形式的计算机可读介质可能涉及将一个或多个指令的一个或多个序列传送到处理器[0175]计算机系统601可以包括电子显示器635或与电子显示器635通信，该电子显示器[0177]尽管已经针对其特定实施方