CN105027154A - 表征资源分配***中的风险 - Google Patents
表征资源分配***中的风险 Download PDFInfo
- Publication number
- CN105027154A CN105027154A CN201380074429.9A CN201380074429A CN105027154A CN 105027154 A CN105027154 A CN 105027154A CN 201380074429 A CN201380074429 A CN 201380074429A CN 105027154 A CN105027154 A CN 105027154A
- Authority
- CN
- China
- Prior art keywords
- risk
- terminal user
- resource allocation
- allocation system
- resource
- 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.)
- Pending
Links
- 238000013468 resource allocation Methods 0.000 claims description 74
- 238000000034 method Methods 0.000 claims description 59
- 239000000567 combustion gas Substances 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims 3
- -1 electric power Substances 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 33
- 230000009471 action Effects 0.000 description 13
- 230000007246 mechanism Effects 0.000 description 13
- 238000012512 characterization method Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 11
- 230000005284 excitation Effects 0.000 description 9
- 238000007689 inspection Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 239000012190 activator Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 235000012766 Cannabis sativa ssp. sativa var. sativa Nutrition 0.000 description 1
- 235000012765 Cannabis sativa ssp. sativa var. spontanea Nutrition 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 235000009120 camo Nutrition 0.000 description 1
- 235000005607 chanvre indien Nutrition 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011487 hemp Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000037452 priming Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000013349 risk mitigation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
表征资源分配***中的风险包括：从资源分配***中的多个终端用户收集测量值；以及利用风险识别引擎识别对所述资源分配***造成大于平均值的风险的终端用户的子集。
Description
背景技术
许多资源（诸如电力、燃气和水）的公共事业提供商使用位于消费者住宅、企业或连接到公共事业提供商的资源分配***的其他建筑物处的计量仪。这些计量仪收集关于消费者正在使用多少资源的数据。经常，公共事业公司周期性地（诸如每月一次）参考计量仪以便确定针对消费者对资源的利用向消费者收费多少。
附图说明
附图图示本文描述的原理的各种示例并且是本说明书的一部分。图示的示例仅仅是示例并且不限制权利要求的范围。
图1是根据本文描述的原理的资源分配***的示例的图。
图2是根据本文描述的原理的资源消耗的示例的图表。
图3是根据本文描述的原理的用于表征资源分配***中的风险的方法的示例的图。
图4是根据本文描述的原理的用于表征资源分配***中的风险的方法的示例的图。
图5是根据本文描述的原理的表征***的示例的图。
图6是根据本文描述的原理的表征***的示例的图。
图7是根据本文描述的原理的用于表征资源分配***中的风险的过程的流程图的示例的图。
具体实施方式
资源分配***上的应变可能由于对资源的过度需求而导致故障，诸如电力故障。具体来说，资源的过量用户，尤其在峰值消耗时段，对资源分配***造成了风险。然而，出于计费的目的仅每月一次检查计量表无法告知公共事业提供商他们的哪些资源终端用户正在对他们的***造成最大的风险。
公共事业公司面对的另一风险是欺诈。一些终端用户故意地在短时间段或延长的时间段内断开他们的计量仪或者以其他方式操纵他们的计量仪，同时在没有检测的情况下继续使用分配***的资源。这错误地降低了不诚实终端用户的每月的资源消耗账单。这还可能误导公共事业提供商相信存在对***资源的较少需求。因此，公共事业提供商的输出可能少于实际需求，这可能导致停电或其他故障。
本文描述的原理包括用于识别对资源分配***的风险的方法，该方法允许公共事业提供商采取改正行动（例如，反对欺诈或向资源的过量用户提供节约选项）。方法包括：利用位于多个终端用户的使用位置处的多个远程计量仪从资源分配***中的多个终端用户收集测量值；以及利用风险识别引擎识别终端用户的子集，该子集中的终端用户对资源分配***造成大于平均值的风险。另外，终端用户可以根据他们的风险被分等级。因此，公共事业提供商可以根据终端用户的风险确定具有终端用户中的特定百分位的子集。例如，该子集可以包括造成最大风险的用户中的前百分之十。
公共事业提供商可以建立它认为造成大于平均值的风险的准则。例如，公共事业提供商可以确定过量用户（即比其他终端用户使用显著更大量的资源的终端用户）对资源分配***造成风险。公共事业提供商也可以确定不足用户（即比其他终端用户使用或显示为使用显著更少量的资源的终端用户）造成风险，因为他们可能实行了欺诈。
在下面的描述中，出于解释的目的，阐述了许多特定细节以便提供对本***和方法的全面理解。然而，对于本领域技术人员将显而易见的是，可以在没有这些特定细节的情况下实践本设备、***和方法。在说明书中对“示例”或类似语言的提及意指所描述的特定特征、结构或特性被包括在至少这一个示例中，但是不一定包括在其他示例中。
图1是根据本文描述的原理的资源分配***（100）的示例的图。在这个示例中，资源分配***（100）将公共事业资源分配给处于不同地理位置（108、110、112）的住所，诸如住宅（104）和其他建筑物（106）。资源可以是电力、燃气、水、其他资源或其组合。
每个住宅（104）和建筑物（106）具有来自供应资源的资源分配***（100）的线路。计量仪（114）附接到传入线路，该计量仪测量通过其传递到住宅（104）和建筑物（106）中的资源量。每个计量仪（114）具有向资源分配***（100）中的集中位置（116）发送其测量值的能力。在替代示例中，数据被发送到并且存储在分布式***中。该分布式***可以把该数据聚集成单个视图以便被共同分析。
计量仪（114）以无线方式传送测量值，或者计量仪在被接线到资源分配***（100）中的导电介质上传送测量值。在一些示例中，该数据以无线方式跨资源分配***的一些区段被传送，并且利用导电介质被传送通过其他区段。在一些示例中，该数据以无线方式被传送到集中器。来自多个计量仪的数据在集中器处被聚集。另外在上游，头端***从多个集中器聚集数据。一个或多个头端***把数据传送到集中位置或分布式数据***。
测量值可以是从计量仪被激活开始的总测量值，或者测量值可以是从上一个测量值被报告开始的总测量值。除了发送测量值信息，计量仪（114）还可以发送其他数据，诸如住所的地理位置、住所的尺寸、住所的类型、用户终端身份、其他信息、或其组合。
表征引擎（118）与集中位置（116）通信并且从每个报告计量仪（114）收集数据。表征引擎（118）把每个报告计量仪分类到描述与该计量仪相关联的住所的共同特性的类别中。这些类别可以包括住所类型，诸如居住住宅、工业工厂、办公楼、另一类型的建筑物或其组合。另一类别可以包括建筑物的尺寸，并且再另一类别可以包括住所的地理位置。类别种类可以利用细微的细节或利用更粗糙的细节将计量仪分类。细微细节类别可以包括住所平方英尺数、居住者的数量、居住者的年龄、电气用具类型、电气用具数量、电气用具的寿命、天气条件、其他细微细节、或其组合。
在一些示例中，每个住所被分配到单个类别，而在其他示例中，住所可以被分配到多个类别。这种类别允许表征引擎（118）将每个住所与具有共同特性的其他住所（即其同等住所）相比较。这种类别避免把大办公楼的资源消耗直接与小住宅的资源消耗相比较，从而更准确地识别过量用户和不足用户。
表征引擎（118）比较每个类别内的每个住所的消耗测量值。因此，表征引擎（118）可以确定每个类别中的哪个住所具有相对较高的资源消耗、相对较低的资源消耗，相对正常的资源消耗、其他特性或其组合。在每个类别内，表征引擎（118）遵循表征策略规则以确定哪个住所对资源分配***（100）具有大于平均值的风险。例如，表征策略可以表明每个类别的资源消费者的最高百分之十对于资源分配***（100）具有大于平均值的风险。另一示例包括表明如下情况的规则：每个种类的资源消费者的最低百分之十对于资源分配***（100）具有高于平均值的风险。在再另一示例中，规则表明与用户类别内的平均使用量相比多于或少于三个标准偏差的终端用户对资源分配***造成风险。其他规则可以包括预定资源消耗阈值，考虑其他参数的更复杂规则、其他规则或其组合。
并不是被认为对资源分配***（100）造成更高风险的所有住所都可能对资源分配***（100）实际上有危险。例如，使用资源高效电气用具的终端用户可能落在其类别内的最低百分之十之内并且不会对资源分配***（100）造成危险。另外，本地生成能量的住所（诸如太阳能电池板或风轮机）也可以对能量资源分配***造成很少或不造成风险。照此，表征规则用于表明哪些住所应当经受更详细的分析。虽然对从资源分配***（100）接收资源的每个住所执行详细分析可以揭示所有实际风险，但是这样过多的分析是昂贵的和时间上不允许的。因此，通过把更详细的分析限制到仅最高风险的住所，表征资源被更高效地使用。
表征引擎（118）可以从每个种类提取统计值（诸如平均资源消耗、顶部用户、底部用户等等）以生成报告。该报告可以包括哪个住所被认为是更高的风险，并且包括对于如何处理该风险的推荐。例如，推荐可以包括向终端用户提供资源节约选项和激励。另一推荐包括手动检查报告不足使用量的计量仪。这种检查可以揭示欺诈活动或计量仪损坏。在其他示例中，推荐可以包括基于多种考虑的更多定制的行动。
图2是根据本文描述的原理的资源消耗的示例的图表（200）。在这个示例中，x轴（202）示意地表示资源消耗量，并且y轴（204）示意地表示类别之一内的终端用户的累计百分比。
表征引擎使用线（206）的形状来确定过量用户、不足用户和正常用户。例如，线（206）的顶部拉平以表明终端用户的相对小的百分比正在消耗大量的资源。因此，利用该线的顶部示意地表示的这个第一组（208）终端用户被认为是过量用户组。类似地，利用该线（206）的底部示意地表示的第二组（212）终端用户被认为是不足用户组。第三组（210）终端用户利用线（206）的中间示意性地表示，在线（206）的中间处线的斜率是最陡的。该组表示正常用户的资源消耗。
表征引擎检索关于特定类别中每个住所的数据并且创建对应的图表，诸如图2的示例中的图表（200）。表征引擎可以遵循用于确定线（206）的哪些部分表示过量用户、正常用户和不足用户的一组规则。
在其他示例中，表征引擎使用其他机制来确定哪些终端用户是不足用户、过量用户和正常用户。例如，表征引擎可以确定使用低于预定量的资源的任何终端用户是不足用户，并且使用高于预定量的资源的任何终端用户是过量用户。在其他示例中，考虑附加状况的更复杂功能确定过量用户和不足用户，诸如分类归并机制、概率分布机制、其他机制或其组合。概率分布机制可以包括高斯机制、学生t机制、对数正态机制或确定异常值的其他机制。这样的异常值可以被认为对资源分配***造成大于平均值的风险。
本文描述的原理还包括实施表征过程的***。例如，一种这样的***可以包括数据库，该数据库包含历史终端用户使用量数据和终端用户身份编号。该***还可以包含：数据暂存器，其临时保存和清理新传入的终端用户使用量值；和分析引擎，其实施各种分析功能，诸如分类归并或统计分析。这种***还可以包括规则引擎，其关联来自分析引擎的不同输出的各种域特定解释。***实施的规则样本包括确定资源消耗大于平均使用量三个标准偏差的任何终端用户对资源分配***造成消耗风险，尤其在对资源分配***的资源的峰值需求期间。***还可以提供与***的解释有关的一组行动。一个这样的行动可以包括：如果终端用户在峰值需求期间造成一天时间的消耗风险，则为现场光伏装置提供激励以降低终端用户的电力需求。***还可以包括服务激活器，该服务激活器生成、传送和跟踪由规则引擎推荐的各种行动的状态。
图3是根据本文描述的原理的用于表征资源分配***中的风险的方法（300）的示例的图。在这个示例中，方法（300）包括：利用位于多个终端用户的使用位置处的多个远程计量仪从资源分配***中的多个终端用户收集（302）测量值；以及利用风险识别引擎识别（304）终端用户的子集，该子集中的终端用户对资源分配***造成大于平均值的风险。风险识别引擎识别和量化对资源分配***造成大于平均值的风险的终端用户。造成这种风险的这种终端用户可以是分配***的资源的过量用户或不足用户。
方法还可以包括将终端用户分类到类别中，该类别将具有共同特性的终端用户分组在一起。这种共同特性的非穷举列表包括地理位置、住所尺寸、住所类型、其他特性、或其组合。
对资源分配***造成大于平均值的风险的终端用户的子集可以是***资源的过量用户或不足用户。可以生成列出被认为对资源分配***造成大于平均值的风险的终端用户的报告。报告可以包括用于处理这些风险的推荐。该推荐可以包括：调查与终端用户的子集相关联的计量仪、向过量用户给出节约选项、向正常用户给出节约选项、其他推荐或其组合。
图4是根据本文描述的原理的用于表征资源分配***中的风险的方法（400）的示例的图。在这个示例中，方法（400）包括：收集（402）终端用户数据；分类（404）终端用户；检索（406）针对每个类别的计量仪数据；按照消耗对终端用户进行子分类（sub-categorizing）（408）；针对欺诈检查（410）不足用户；针对节约选项检查（412）过量用户；针对节约选项检查（414）正常用户；从每个类别提取（416）关于消耗的统计值；执行（418）计算以量化被认为对资源分配***造成显著风险的终端用户子集的风险；以及生成（420）风险评估报告。
针对每个终端用户的数据从远程传感器收集并被存储在数据库中。该数据由表征引擎周期性地、基于需求、基于另一基础或其组合加以检索。
由表征引擎检索的感兴趣数据包括唯一的终端用户标识符。这个标识符可以具有整数值(例如账号)。然而，如果数据库存储终端用户的名和姓而不是整数值或利用某种其他标识符，则该标识符可以经由查找表或另一类似的机制转换成整数值。其他感兴趣数据包括终端用户的地理位置、终端用户的住所类型、终端用户的住所尺寸、其他信息或其组合。
终端用户被分组到不同类别中，其中每个类别内的终端用户具有共同特性。例如，共同特性可以包括相同城市、相同地区、相同住所类型、相同住所尺寸、终端用户住所的寿命、资源节约电气用具的安装、其他共同特性或其组合。可以使用分类归并机制、判定树、历史记录、先前类别、其他机制或其组合来分类终端用户。
每个类别内的终端用户被一起分析。这种分析可以利用程序来实施，该程序在计算机***上运行。该程序从存储在计算机***上的文件读取数据或者经由计算机网络直接从数据库或存储终端用户和/或计量仪数据的其他应用读取数据。
检索针对类别中每个终端用户的计量仪数据。检索的计量仪数据的类型将依赖于所执行的评估而变化。例如，对于电力提供商而言，可以检索电力消耗的时间序列，或者在一些情况中检索多个度量（例如电力消耗和电压）的时间序列。如果公共事业提供商提供多种资源（例如电力、燃气和/或水），则针对每种资源的数据可以被独立或一起检查。检索的计量仪数据可以存储在临时文件中或直接读取到分析程序的存储器中。
给定类别内的终端用户根据消耗的资源量被子分类，该资源量通过使用计量仪数据来确定。对终端用户进行子分类可以涉及使用累计分布机制，诸如通过在给定时间段内对终端用户的整体资源消耗进行排序。
使用子分类过程识别类别内不足用户的集合。由于故障的计量仪或欺诈，至少不足用户的子集可能正在使用比通过读取计量仪所表明的资源更多的资源。为了进一步调查不足用户，***可以推荐手动检查住所或计量仪或另一种形式的调查。例如，技术人员可以被派往不足用户的住所以确定计量仪运行正常、被断开还是已被篡改。调查还可以使用远程感测机制来收集关于接受调查的不足用户的更多数据。
在一些示例中，终端用户使用资源高效电气用具，这通过对不足用户进行进一步调查加以揭示。照此，这些不足用户将被标记为高效用户并且当该终端用户在未来表现为标记为不足用户的终端用户的子集时将被从未来手动调查中排除。这进一步缩小了应当针对实行欺诈而被调查或具有损坏的计量仪的终端用户的数量。
子分类过程还可以识别过量用户的集合，过量用户正在使用比他们的同等用户实质上更多的资源。过量用户在几个方面对提供商造成风险。第一，过量用户可能把提供商的峰值使用量推进到有断供风险的不安全区域中。第二，对于允许基于信用的计费的公共事业提供商而言，其中终端用户在消耗资源之后进行支付而不是预付，存在终端用户将不进行支付的风险。例如，一些非法活动（诸如种植***）可能消耗大量能量并且对公共事业提供商存在终端用户将突然搬出住所而不支付已经消耗的资源的风险。公共事业提供商可以向过量用户提供专门的激励，诸如对资源高效电气用具的折扣或检查住所以提供关于如何减少资源消耗的个性化反馈。
在一些示例中，公共事业提供商检查正常用户以探索改善他们的资源消耗的机会，尤其在他们的峰值使用量期间。正常用户与过量用户相比具有检查的较低优先级，因此对正常终端用户的分析可以被调度为在慢时间段期间或在过量用户已被处理之后。在一些情况中，正常用户被给出的激励比过量用户更小以便诱使他们降低他们的资源消耗水平。公共事业提供商可以向过量用户提供大于正常用户的激励，因为这可以激发更高风险组加入节约程序，并且因此对分配***具有更大的风险缓解效果。
统计值（诸如平均消耗、中位数、分位数和/或百分位基准、其他统计值或其组合）从各种类别和子类别提取。这些统计值被用于定量地评估消耗方面的改变，该改变随时间由于各种因素（诸如由公共事业提供商进行的需求响应主动行动）而产生。
统计值被用于描述对公共事业的风险。例如，风险索引可以被生成并且与每个终端用户或计量仪相关联，该风险索引涉及终端用户引起针对资源分配***的问题的什么定性可能性或定量概率。这种可能性或概率可以基于历史记录。问题的非穷举列表包括财政收入问题、峰值使用量问题、检查频率问题、其他问题或其组合。这种风险索引可以被用于进一步对先前识别的那些终端用户进行优先级排序，那些终端用户由于他们高效使用资源而具有低风险。
可以根据本文描述的原理使用用于量化终端用户实行欺诈的可能性或量化终端用户对资源分配***造成的其他风险的任何适当的风险索引。在一些示例中，所有计量仪基于它们对资源分配***的风险被分等级并且根据下面的公式被归一化：Ri= 1-ri/N，其中Ri是对应的分配等级，并且N是用户总数。关于1的Ri被分配给对资源分配***造成最大风险的用户，并且关于N的Ri分配给造成最低风险的用户。在这样的示例中，风险索引Ri被限定在0和1之间，其中1表示造成最大风险的用户。
表征引擎使得生成报告，该报告包括公共事业提供商要采取的推荐的行动。这样的推荐可以包括：把技术人员派往特定终端用户的住所以便测试计量仪和针对篡改进行检查；把高优先级激励发送给特定终端用户；把优先级激励发送给特定终端用户；其他推荐的行动；或其组合。这些行动还可以被链接到所造成风险的类型。例如，由于峰值使用量风险因素而与资源生产相关联的推荐的行动可以被发送到造成特定类型风险的组，而与正篡改计量仪的终端用户相关联的风险可以被发送到终端用户的不同组。
上面描述的方法可以在各种时间周期上被应用。例如，一种方法是以与计费周期相同的频率（每月一次或每季度一次）表征每个终端用户。然而，这些方法可以被更频繁地应用，诸如每小时一次、每天一次、或每周一次，以便警告公共事业出现的问题。在其他示例中，这些方法在较长时间周期上被应用，诸如每年一次。这些方法还可以在多个时间周期上被实施，诸如每周一次以识别出现的问题，每月一次作为计费周期的部分向终端用户提供反馈或激励，以及每年一次评估做出的进展以便适时地改造需求。
在替代示例中，***响应于用户造成低于或高于特定阈值的风险而自动进行推荐的行动。例如，表征引擎可以通过计算机网络与计费***通信以便通知计费***包括针对特定住所的账单接收方的高优先级激励。***记录这种激励被提供给哪些终端用户以及哪些终端用户利用这种提供。当以后考虑作为不足用户的终端用户的状态或者终端用户造成对资源分配***的关于风险索引的风险量时，表征引擎查阅关于哪些终端用户接收和/或利用这些提供的记录。
在其他示例中，除了针对计量仪的资源使用量数据之外，表征引擎还检索关于计量仪的补充数据。例如，损失防止分析包括搜索如下情况：在固定时间间隔内，附接到（电力分配***的）变压器、（水分配***的）泵、或（燃气分配***的）压缩机站的计量仪的累计消耗少于穿过变压器、泵或压缩机的受监视资源的量。如果检测到显著损失，则附接到变压器、泵或压缩机的所有计量仪被标记。如果损失基本上足以表明递送资源的高风险而不仅是欺诈风险，则公共事业提供商可以部署技术人员到该区域以搜索损坏管道或接地电线的标志。对于较小的损失，公共事业提供商可以在派遣技术人员帮助将他们的努力聚焦到找到问题的来源之前等待分析结果。
图5是根据本文描述的原理的表征***（500）的示例的图。在这个示例中，表征***（500）与资源分配***的远程传感器（502）通信。表征***（500）还包括收集引擎（504）、分类引擎（506）、风险识别引擎（508）和报告生成引擎（510）。引擎（504、506、508、510）指代用于执行指定功能的硬件和程序指令的组合。每个引擎（504、506、508、510）可以包括处理器和存储器。程序指令存储在存储器中并且使得处理器执行指定的引擎功能。
收集引擎（504）从资源分配***的远程传感器（502）收集数据。收集引擎（504）包括数据库或从数据库检索信息的能力，该数据库存储来自远程传感器（502）的信息。利用收集引擎（504）收集的信息允许分类引擎（506）识别每个终端用户，把终端用户分类到具有共同特性的类别中，以及基于终端用户的资源消耗量对每个类别内的终端用户进行子分类。
风险识别引擎（508）识别哪个终端用户对资源分配***造成风险。例如，风险识别引擎（508）确定哪个终端用户是资源分配***的资源的过量用户或不足用户。报告生成引擎（510）生成报告，该报告包括哪个终端用户造成风险。该报告还可以包括推荐，用于处理造成风险的终端用户的子集。这种推荐可以包括针对报告中所有终端用户或者针对报告中几组终端用户的推荐行动，或者推荐行动可以是针对包括在报告中的个体终端用户定制的。
图6是根据本文描述的原理的表征***（600）的示例的图。在这个示例中，表征***（600）包括与存储器资源（604）通信的处理资源（602）。处理资源（602）包括至少一个处理器和用于处理编程指令的其他资源。存储器资源（604）通常表示能够存储数据（诸如由表征***（600）使用的编程指令或数据结构）的任何存储器。所示的存储在存储器资源（604）中的编程指令包括数据收集器（606）、终端用户分类器（610）、类别数据检索器（612）、类别子分类器（614）、不足用户确定器（618）、过量用户确定器（620）、统计值提取器（616）、风险量化器（622）、推荐生成器（624）和报告生成器（626）。示出为存储在存储器资源（604）中数据结构包括类别库（608）。
存储器资源（604）包括计算机可读存储介质，计算机可读存储介质包含计算机可读程序代码用于使处理资源（602）执行各种任务。计算机可读存储介质可以是有形和/或非临时性存储介质。计算机可读存储介质可以是任何合适的存储介质，其不是传输存储介质。计算机可读存储介质类型的非穷举列表包括非易失性存储器、易失性存储器、随机存取存储器、基于忆阻器的存储器、只写入存储器、闪存、电可擦除程序只读存储器、或存储器类型、或其组合。
数据收集器（606）表示编程指令，该编程指令在被执行时使得处理资源（602）从资源分配***的远程传感器收集数据。该数据可以直接从远处传感器收集。在一些示例中，数据收集器（606）直接从远程传感器请求该数据或者从存储该数据的数据库请求该数据。终端用户分类器（610）表示如下编程指令，该编程指令在被执行时使得处理资源（602）基于共同特性（诸如住所尺寸）把终端用户分类到类别中，该共同特性根据来自数据收集器（606）的数据加以确定。类别类型被存储在类别库（608）中，类别库（608）是存储在存储器资源（604）中的数据结构。在其他示例中，类别以更持久的方式（诸如作为数据库）被存储，这可以实现对终端用户的人口统计的附加研究。
分类数据检索器（612）表示如下编程指令，该编程指令在被执行时使得处理资源（602）从数据收集器（606）检索关于类别内每个终端用户的数据。类别子分类器（614）表示如下编程指令，该编程指令在被执行时使得处理资源（602）基于每个种类内的终端用户的资源消耗对每个种类内的终端用户进行子分类。
统计值提取器（616）表示如下编程指令，该编程指令在被执行时使得处理资源（602）从各类别提取统计值，诸如均值、方差等。不足用户确定器（618）表示如下编程指令，该编程指令在被执行时使得处理资源（602）确定每个类别内的哪些终端用户正在使用与相同种类中或针对终端用户住所的特性的其他终端用户相比显著更小量的资源。过量用户确定器（620）表示如下编程指令，该编程指令在被执行时使得处理资源（602）确定每个类别内的哪些终端用户正在使用与相同种类中或针对终端用户住所的特性的其他终端用户相比显著更大量的资源。
风险量化器（622）表示如下编程指令，该编程指令在被执行时使得处理资源（602）量化被识别为对资源分配***造成大于平均值的风险的终端用户中每一个的风险。风险量化器（622）使用从当前分析所提取的统计值以及来自历史记录的统计值来确定风险。
推荐生成器（624）表示如下编程指令，该编程指令在被执行时使得处理资源（602）针对被认为造成风险的特定终端用户或终端用户组生成推荐。该推荐可以针对个体终端用户在考虑了多个因素的情况下被定制。替代地，一组规则使得推荐生成器（624）确定所有过量用户接收相同的推荐。类似地，一组规则可以使得推荐生成器（624）确定所有过量用户也接收相同的推荐。报告生成器（626）表示如下编程指令，该编程指令在被执行时使得处理资源（602）生成报告，该报告包括被识别为造成风险的终端用户和针对报告中每个终端用户的推荐。
另外，存储器资源（604）可以是安装包的一部分。响应于安装该安装包，存储器资源（604）的编程指令可以从安装包的源（诸如便携介质、服务器、远程网络位置、另一位置或其组合）被下载。与本文描述的原理兼容的便携存储器介质包括DVD、CD、闪存、便携盘、磁盘、光盘、其他形式的便携存储器或其组合。在其他示例中，程序指令已经被安装。这里，存储器资源可以包括集成存储器，诸如硬盘驱动器、固态硬盘驱动器等。
在一些示例中，处理资源（602）和存储器资源（604）位于相同的物理部件内，该物理部件诸如是服务器或网络部件。存储器资源（604）可以是物理部件的主存储器、高速缓存器、寄存器、非易失性存储器的一部分或者以另外方式在物理部件的存储器层次中。替代地，存储器资源（604）可以与处理资源（602）通过网络通信。另外，数据结构（诸如库）可以通过网络连接从远程位置访问，而编程指令位于本地。因此，表征***（600）可以实施在用户装置上、服务器上、服务器的集合上或其组合。
图6的表征***（600）可以是通用计算机的一部分。然而，在替代示例中，表征***（600）是专用集成电路的一部分。
图7是根据本文描述的原理的用于表征资源分配***中的风险的过程的流程图（700）的示例的图。在这个示例中，过程包括从资源分配***的远程传感器收集（702）数据；把资源分配***中的终端用户分类（704）到类别中；以及按照资源消耗对每个类别内的终端用户进行子分类（706）。
该过程还包括确定（708）是否存在不足用户。如果存在不足用户，则该过程包括生成（710）检查欺诈的推荐。该过程还包括确定（712）是否存在过量用户。如果存在过量用户，则该过程包括生成（714）检查资源节约选项的推荐。在一些示例中，当该过程确定在终端用户既不是过量用户也不是不足用户时，该终端用户是正常用户。如果该过程确定用户是正常用户，则该过程还包括做出推荐以针对节约选项检查正常用户。
提取（716）关于每个类别中的每个终端用户的统计值。统计值被用于生成（718）报告，该报告识别对资源分配***造成大于平均值的风险的每个终端用户。用于解决不足用户和过量用户的推荐被包括在该报告中。
本文描述的原理提供了对大量的终端用户数据和计量仪数据进行筛选和对用于公共事业提供商改善其操作的可行动信息进行优先级排序的***方式。在一些示例中，确定以及关联的推荐动作和响应在每个表征分析期间被记录以便推荐的准确性随时间改善。***还可以被扩展为使一些行动自动化以便进一步减少公共事业提供商的雇员的工作负荷。
虽然已经参照特定资源和资源分配***描述了上面的示例，但是可以使用与本文描述的原理兼容的任何合适的资源或资源分配***。而且，虽然已经参照特定类别和住所类型描述了上面的示例，但是任何合适的类别或住所类型可以与本文描述的原理一起使用。
另外，虽然已经参照用于确定哪些终端用户对资源分配***造成风险的特定机制、过程和规则描述了上面的示例，但是可以使用与本文描述的原理兼容的任何合适的机制、过程和/或规则。而且，虽然已经参照收集和检索关于终端用户的消耗的数据的特定方式描述了上面的示例，但是可以使用用于收集和/或检索该数据的任何合适的机制和/或过程。
虽然已经参照推荐的特定类型、确定欺诈的方式、检查计量仪的方式或降低过量用户消耗的方式描述了上面的示例，但是根据本文描述的原理可以使用任何合适的推荐、解决欺诈的方式和/或处理过量用户的方式。而且，虽然参照包括在报告中的特定信息描述了上面的示例，但是根据本文描述的原理可以在报告中包括任何合适的信息。
仅为了说明和描述所描述的原理的示例而已经呈现了前面的描述。这个描述不意图是穷举的或者将这些原理限制到所公开的任何精确形式。根据上面教导的许多修改和变化是可能的。
Claims (15)
1.一种用于表征资源分配***中的风险的方法，包括：
从资源分配***中的多个终端用户收集测量值；以及
利用风险识别引擎识别对所述资源分配***造成大于平均值的风险的所述多个终端用户的子集。
2.根据权利要求1的方法，其中利用所述风险识别引擎识别对所述资源分配***造成所述大于平均值的风险的所述多个终端用户的所述子集包括识别利用所述资源分配***分配的资源的过量用户。
3.根据权利要求1的方法，其中利用所述风险识别引擎识别对所述资源分配***造成所述大于平均值的风险的所述多个终端用户的所述子集包括识别利用所述资源分配***分配的资源的不足用户。
4.根据权利要求1的方法，其中所述资源分配***分配水、电力、燃气或其组合。
5.根据权利要求1的方法，进一步包括做出用于处理对所述资源分配***造成所述大于平均值的风险的所述多个用户的所述子集的推荐。
6.根据权利要求1的方法，其中利用所述风险识别引擎识别对所述资源分配***造成所述大于平均值的风险的所述多个终端用户的所述子集包括把所述多个终端用户分类在具有共同特性的类别中。
7.根据权利要求6的方法，其中所述共同特性包括地理位置、住所尺寸、住所类型或其组合。
8.根据权利要求1的方法，还包括利用报告生成引擎生成报告，所述报告包括造成大于平均值的风险的所述多个终端用户的所述子集和用于处理所述子集的推荐。
9.一种用于表征资源分配***中的风险的***，包括：
收集引擎，用以从位于所述多个终端用户的使用位置处的多个远程计量仪收集来自资源分配***中的多个终端用户的测量值；
风险识别引擎，用以识别对所述资源分配***造成大于平均值的风险的所述多个终端用户的子集；以及
报告生成引擎，用以生成所述子集的报告和用于处理所述子集的推荐。
10.根据权利要求9的***，其中所述风险识别引擎识别利用所述资源分配***分配的资源的过量用户。
11.根据权利要求9的***，其中所述风险识别引擎识别利用所述资源分配***分配的资源的不足用户。
12.根据权利要求9的***，还包括分类引擎，用以基于类似的特性把所述多个终端用户分类到类别中。
13.一种用于表征资源分配***中的风险的计算机程序产品，包括：
非临时性计算机可读存储介质，所述非临时性计算机可读存储介质包括与其体现在一起的计算机可读程序代码，所述计算机可读程序代码包括程序指令，当所述程序指令被执行时使得处理器：
利用位于多个终端用户的使用位置处的多个远程计量仪从资源分配***中的所述多个终端用户收集测量值；
基于所述多个终端用户的共同特性把所述多个终端用户分类到类别中；
识别对所述资源分配***造成大于平均值的风险的所述多个终端用户的子集；以及
生成所述子集的报告和用于处理所述子集的推荐。
14.根据权利要求13的计算机程序产品，其中所述子集包括利用所述资源分配***分配的资源的过量用户、所述资源的不足用户或其组合。
15.根据权利要求13的计算机程序产品，其中所述类别包括地理位置、住所尺寸、住所类型或其组合。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/US2013/020884 WO2014109741A1 (en) | 2013-01-09 | 2013-01-09 | Characterizing risks in resource distribution systems |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105027154A true CN105027154A (zh) | 2015-11-04 |
Family
ID=51167253
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201380074429.9A Pending CN105027154A (zh) | 2013-01-09 | 2013-01-09 | 表征资源分配***中的风险 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20150347937A1 (zh) |
| EP (1) | EP2943927A4 (zh) |
| CN (1) | CN105027154A (zh) |
| WO (1) | WO2014109741A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019163035A1 (ja) * | 2018-02-21 | 2019-08-29 | 三菱電機株式会社 | 省エネ管理装置、省エネ管理システム、省エネ管理方法及びプログラム |
| US20230186221A1 (en) * | 2021-12-14 | 2023-06-15 | Fmr Llc | Systems and methods for job role quality assessment |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2771869Y (zh) * | 2005-03-10 | 2006-04-12 | 成都华立达电力信息***有限公司 | 远方电能计量计费*** |
| CN101566657A (zh) * | 2008-04-22 | 2009-10-28 | 深圳浩宁达仪表股份有限公司 | 输电线路在线计量、实时监测方法及其*** |
| US20100217651A1 (en) * | 2009-02-26 | 2010-08-26 | Jason Crabtree | System and method for managing energy resources based on a scoring system |
| CN202230153U (zh) * | 2011-09-14 | 2012-05-23 | 渭南供电局 | 一种农网配电台区用电异常实时监测*** |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8082454B2 (en) * | 2007-11-07 | 2011-12-20 | International Business Machines Corporation | Managing power consumption based on historical average |
| US8390473B2 (en) * | 2008-12-19 | 2013-03-05 | Openpeak Inc. | System, method and apparatus for advanced utility control, monitoring and conservation |
| US20110137763A1 (en) * | 2009-12-09 | 2011-06-09 | Dirk Aguilar | System that Captures and Tracks Energy Data for Estimating Energy Consumption, Facilitating its Reduction and Offsetting its Associated Emissions in an Automated and Recurring Fashion |
| US7920983B1 (en) * | 2010-03-04 | 2011-04-05 | TaKaDu Ltd. | System and method for monitoring resources in a water utility network |
| JP5592160B2 (ja) * | 2010-05-17 | 2014-09-17 | トヨタホーム株式会社 | エネルギー消費量の判定システム |
| JP5710324B2 (ja) * | 2011-03-16 | 2015-04-30 | 富士通エフ・アイ・ピー株式会社 | 環境情報管理装置、環境情報管理方法、及び環境情報管理プログラム |
| CA2832211A1 (en) * | 2011-05-06 | 2012-11-15 | Opower, Inc. | Method and system for selecting similar consumers |
-
2013
- 2013-01-09 CN CN201380074429.9A patent/CN105027154A/zh active Pending
- 2013-01-09 WO PCT/US2013/020884 patent/WO2014109741A1/en active Application Filing
- 2013-01-09 EP EP13870798.9A patent/EP2943927A4/en not_active Withdrawn
- 2013-01-09 US US14/759,658 patent/US20150347937A1/en not_active Abandoned
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2771869Y (zh) * | 2005-03-10 | 2006-04-12 | 成都华立达电力信息***有限公司 | 远方电能计量计费*** |
| CN101566657A (zh) * | 2008-04-22 | 2009-10-28 | 深圳浩宁达仪表股份有限公司 | 输电线路在线计量、实时监测方法及其*** |
| US20100217651A1 (en) * | 2009-02-26 | 2010-08-26 | Jason Crabtree | System and method for managing energy resources based on a scoring system |
| CN202230153U (zh) * | 2011-09-14 | 2012-05-23 | 渭南供电局 | 一种农网配电台区用电异常实时监测*** |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2943927A1 (en) | 2015-11-18 |
| US20150347937A1 (en) | 2015-12-03 |
| EP2943927A4 (en) | 2016-07-06 |
| WO2014109741A1 (en) | 2014-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110097297B (zh) | 一种多维度窃电态势智能感知方法、***、设备及介质 | |
| US9194899B2 (en) | Utility network and revenue assurance | |
| CN111008193B (zh) | 一种数据清洗与质量评价方法及*** | |
| CN102692615B (zh) | 自动采集电量数据*** | |
| US20160364807A1 (en) | Electric power business profit and loss calculation system and electric power business profit and loss calculation method | |
| CN107133652A (zh) | 基于K‑means聚类算法的用电客户价值评估方法及*** | |
| CN109085454B (zh) | 一种基于大数据分析的计量串户智能甄别方法 | |
| US9805321B2 (en) | Eco score analytics system | |
| US20140379303A1 (en) | Identifying utility resource diversion | |
| EP3864534A1 (en) | System and method for using artificial intelligence to process data extracted from utility bills | |
| CN108304990B (zh) | 一种停电敏感预判方法和*** | |
| CN106022640B (zh) | 电量指数核对***及方法 | |
| CN115330404A (zh) | 用于电力营销稽查的***及方法 | |
| CN105027154A (zh) | 表征资源分配***中的风险 | |
| Kozlovskiy et al. | Energy Informatics for Environmental, Economic and Societal Sustainability: a Case of the Large-Scale Detection of Households with Old heating Systems. | |
| CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及*** | |
| CN110070256B (zh) | 基于critic方法的零电量用户排查优先度权重计算方法 | |
| CN110873857B (zh) | 基于多源数据融合的智能电能表运行状态评价方法及*** | |
| CN112633692A (zh) | 查窃电阈值的获取方法和装置、查窃电装置和方法 | |
| JP2016177801A (ja) | 発電量算出装置、発電量算出方法および発電量算出プログラム | |
| CN105203838B (zh) | 一种电量采集*** | |
| CN113284007B (zh) | 基于电力保险套餐的用电信息处理***及其处理方法 | |
| CN117220417B (zh) | 消费端电负荷动态监测方法及*** | |
| KR101627912B1 (ko) | 전류 계산 시스템 및 이를 이용한 전력 분석 시스템 | |
| CN117557300B (zh) | 基于主要设备的能耗数据推演商业活跃度的方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151104 |
|
| WD01 | Invention patent application deemed withdrawn after publication |