CN111178645A - 电力设备异常检测方法、装置、控制设备及存储介质 - Google Patents
电力设备异常检测方法、装置、控制设备及存储介质 Download PDFInfo
- Publication number
- CN111178645A CN111178645A CN202010288404.0A CN202010288404A CN111178645A CN 111178645 A CN111178645 A CN 111178645A CN 202010288404 A CN202010288404 A CN 202010288404A CN 111178645 A CN111178645 A CN 111178645A
- Authority
- CN
- China
- Prior art keywords
- target
- adjustment amount
- data
- prediction data
- power
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 230000005856 abnormality Effects 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims description 27
- 230000005484 gravity Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 16
- 238000004519 manufacturing process Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000005611 electricity Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提出一种电力设备异常检测方法、装置、控制设备及存储介质,涉及电力***异常检测技术领域,通过利用目标用电设备在目标时刻对应的多个历史电力数据,从而获得目标用电设备对应的第一预测数据;然后利用目标用电设备在目标时刻的上一时刻的电力数据,获得目标用电设备对应的预测调整量;进而利用设定的目标预测数据以及预测调整量更新第一预测数据,得到更新后的第二预测数据,使得当目标电力数据与第二预测数据两者的差值超出设定的阈值时,可以确定目标用电设备发生用电异常;相比于现有技术,能够动态的结合目标用电设备是在历史时间段实际的用电信息对目标用电设备的当前工作状态进行检测,从而提升检测精度。
Description
技术领域
本申请涉及电力***异常检测技术领域,具体而言,涉及一种电力设备异常检测方法、装置、控制设备及存储介质。
背景技术
在一些生产企业中,随着生产设备的增多,一般需要对生产设备的工作状态进行监测,从而确保生产设备能够稳定工作。
在一些常见的监测方式中,可以通过对生产设备的电力数据进行检测,从而通过每一生产设备各自的电力数据,判断生产设备是否工作异常。
然而,目前的一些检测方式不够灵活,没有考虑到生产设备实际的工作状态,从而导致检测的准确度较低。
发明内容
本申请的目的在于提供一种电力设备异常检测方法、装置、控制设备及存储介质,能够动态的结合目标用电设备是在历史时间段实际的用电信息对目标用电设备的当前工作状态进行检测,从而提升检测精度。
为了实现上述目的,本申请采用的技术方案如下:
第一方面,本申请提供一种电力设备异常检测方法,应用于电力运营***中的控制设备,所述电力运营***还包括分别与所述控制设备均建立通信的多个用电设备;所述方法包括:
接收目标用电设备在目标时刻发送的目标电力数据;其中,所述目标用电设备为所述多个用电设备中的任意一个;
根据所述目标用电设备对应的第一历史电力数据,获得所述目标用电设备对应的第一预测数据;其中,所述第一历史电力数据为过去几天中所述目标用电设备在所述目标时刻对应的多个历史电力数据;
根据所述目标用电设备对应的第二历史电力数据,获得所述目标用电设备对应的预测调整量;其中,所述第二历史电力数据为当天所述目标用电设备在所述目标时刻的前一时刻的电力数据;
利用设定的目标预测数据以及所述预测调整量更新所述第一预测数据,得到更新后的第二预测数据;
当所述目标电力数据与所述第二预测数据两者的差值超出设定的阈值时,确定所述目标用电设备发生用电异常。
第二方面,本申请提供一种电力设备异常检测装置,应用于电力运营***中的控制设备,所述电力运营***还包括分别与所述控制设备均建立通信的多个用电设备;所述装置包括:
接收模块,用于接收目标用电设备在目标时刻发送的目标电力数据;其中,所述目标用电设备为所述多个用电设备中的任意一个;
处理模块,用于根据所述目标用电设备对应的第一历史电力数据,获得所述目标用电设备对应的第一预测数据;其中,所述第一历史电力数据为过去几天中所述目标用电设备在所述目标时刻对应的多个历史电力数据;
所述处理模块还用于,根据所述目标用电设备对应的第二历史电力数据,获得所述目标用电设备对应的预测调整量;其中,所述第二历史电力数据为当天所述目标用电设备在所述目标时刻的前一时刻的电力数据;
所述处理模块还用于,利用设定的目标预测数据以及所述预测调整量更新所述第一预测数据,得到更新后的第二预测数据;
检测模块,用于当所述目标电力数据与所述第二预测数据两者的差值超出设定的阈值时,确定所述目标用电设备发生用电异常。
第三方面,本申请提供一种控制设备,所述控制设备包括存储器,用于存储一个或多个程序;处理器;当所述一个或多个程序被所述处理器执行时,实现上述的电力设备异常检测方法。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的电力设备异常检测方法。
本申请提供的一种电力设备异常检测方法、装置、控制设备及存储介质,通过利用目标用电设备在目标时刻对应的多个历史电力数据,从而获得目标用电设备对应的第一预测数据;然后利用目标用电设备在目标时刻的上一时刻的电力数据,获得目标用电设备对应的预测调整量;进而利用设定的目标预测数据以及预测调整量更新第一预测数据,得到更新后的第二预测数据,使得当目标电力数据与第二预测数据两者的差值超出设定的阈值时,可以确定目标用电设备发生用电异常;相比于现有技术,能够动态的结合目标用电设备是在历史时间段实际的用电信息对目标用电设备的当前工作状态进行检测,从而提升检测精度。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它相关的附图。
图1示出本申请提供的电力设备异常检测方法的一种示意性应用场景图;
图2示出本申请提供的控制设备的一种示意性结构框图;
图3示出本申请提供的电力设备异常检测方法的一种示意性流程框图;
图4示出图3中步骤207的子步骤的一种示意性流程框图;
图5示出图4中步骤207-1的子步骤的一种示意性流程框图;
图6示出图3中步骤205的子步骤的一种示意性流程框图;
图7示出图6中步骤205-2的子步骤的一种示意性流程框图;
图8示出本申请提供的电力设备异常检测方法的另一种示意性流程框图;
图9示出本申请提供的电力设备异常检测装置的一种示意性结构框图。
图中:100-控制设备;101-存储器;102-处理器;103-通信接口;300-电力设备异常检测装置;301-接收模块;302-处理模块;303-检测模块。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请的一些实施例中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请选定的一些实施例。基于本申请中的一部分实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在例如上述的对生产设备的电力数据进行检测的场景中,一些常见的监测方式为固定设置一异常阈值,将生产设备实际的电力数据与该异常阈值进行比较,从而判断生产设备是否工作异常。
然而,这种检测方法仅仅是机械式的将生产设备的电力数据与异常阈值进行比较,而忽略了生产设备在历史时间段实际的工作状态,从而导致检测的准确度较低,时常出现误检测等情况。
为此,基于上述缺陷,本申请提供的一种可能的实现方式为:通过利用目标用电设备在目标时刻对应的多个历史电力数据,从而获得目标用电设备对应的第一预测数据;然后利用目标用电设备在目标时刻的上一时刻的电力数据,获得目标用电设备对应的预测调整量;进而利用设定的目标预测数据以及预测调整量更新第一预测数据,得到更新后的第二预测数据,使得当目标电力数据与第二预测数据两者的差值超出设定的阈值时,可以确定目标用电设备发生用电异常;通过动态的结合目标用电设备是在历史时间段实际的用电信息对目标用电设备的当前工作状态进行检测,能够提升目标用电设备工作状态的检测精度。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参阅图1,图1示出本申请提供的电力设备异常检测方法的一种示意性应用场景图。在本申请的一些实施例中,控制设备可以与多个用电终端位于无线网络或有线网络中,通过该无线网络或有线网络,控制设备可以与多个用电设备建立通信以进行数据交互;比如,用电设备可以将自身的电力数据上传给控制设备,而控制设备可以向用电设备发送控制指令,以控制用电设备执行相应的操作。
在本申请的一些实施例中,控制设备可采用移动终端设备,例如可以包括智能手机、个人电脑(personal computer,PC)、平板电脑、手持式控制器等等;当然,控制设备也可以是服务器。
本申请提供的一种电力设备异常检测方法,可以应用于如图1所示的控制设备,该控制设备中可以安装有应用程序,与用电终端相对应,用于为用户提供服务,本申请提供的电力设备异常检测方法可以通过该控制设备中安装的应用程序实现。
请参阅图2,图2示出本申请提供的控制设备100的一种示意性结构框图,在一实施例中,控制设备100可以包括存储器101、处理器102和通信接口103,该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
存储器101可用于存储软件程序及模块,如本申请提供的电力设备异常检测装置对应的程序指令/模块,处理器102通过执行存储在存储器101内的软件程序及模块,从而执行各种功能应用以及数据处理,进而执行本申请提供的电力设备异常检测方法的步骤。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中,存储器101可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除可编程只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器102可以是一种集成电路芯片,具有信号处理能力。该处理器102可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解的是,图2所示的结构仅为示意,控制设备100还可以包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现,本申请对此不进行限制。
如此,下面以图2所示的控制设备100作为示意性执行主体,对本申请提供的电力设备异常检测方法进行示例性说明。
请参阅图3,图3示出本申请提供的电力设备异常检测方法的一种示意性流程框图,该电力设备异常检测方法可以包括以下步骤:
步骤201,接收目标用电设备在目标时刻发送的目标电力数据;
步骤203,根据目标用电设备对应的第一历史电力数据,获得目标用电设备对应的第一预测数据;
步骤205,根据目标用电设备对应的第二历史电力数据,获得目标用电设备对应的预测调整量;
步骤207,利用设定的目标预测数据以及预测调整量更新第一预测数据,得到更新后的第二预测数据;
步骤209,当目标电力数据与第二预测数据两者的差值超出设定的阈值时,确定目标用电设备发生用电异常。
在一实施例中,用电设备可以按照设定的时间间隔向控制设备上报自身的电力数据,比如电流数据、电压数据、电功率数据等;相应地,控制设备可以以日期和时刻为单位,记录每一用电设备各自上报的电力数据。
比如,假定用电设备每间隔一小时上报一次电力数据,则针对每一个用电设备,控制设备每天可以记录该用电设备对应的24个电力数据。以控制设备连接有100个用电设备为例,控制设备可以利用数组Ak,i,j记录每一电力数据;其中,i可以表示100个用电设备中的第i个用电设备,i为任一小于100的正整数; j可以表示第j天,j为任一正整数; k可以表示第k个用电数据,k为任一自然数;如此,Ak,i,j则可以表示第i个用电设备在第j天的第k个用电数据。
于是,将与控制设备连接的多个用电设备中的任意一个作为目标用电设备为例,控制设备在判断目标用电设备是否出现用电异常时,可以在接收每一用电设备各自发送的电力数据时,以当前时刻作为目标时刻,接收目标用电设备在目标时刻发送的目标电力数据。
然后,控制设备可以根据保存的所有用电设备各自的电力数据,将目标用电设备在目标时刻对应的多个历史电力数据作为第一历史电力数据,从而根据目标用电设备对应的该第一历史电力数据,获得目标用电设备对应的第一预测数据,该第一预测数据表征的即为控制设备预测的目标用电设备在目标时刻的电力数据。
比如,结合上述示例,假定以100个用电设备的第50个用电设备作为目标用电设备,当前的统计天数为第100天,且目标时刻为第100天的第10个时刻,控制设备接收到的目标电力数据可以记为A10,50,100,而第一历史电力数据可以包括A10,50,95、A10,50,96、A10,50,97、A10,50,98、A10,50,99;于是,控制设备可以利用A10,50,95、A10,50,96、A10,50,97、A10,50,98、A10,50,99进行数据处理,从而得到第50个用电设备在第100天第10个时刻时的第一预测数据,比如该第一预测数据可以记为P10,50,100。
另外,作为一种可能的实现方式,在执行步骤203时,控制设备可以利用第一历史电力数据包括的多个历史电力数据进行数值拟合,比如利用最小二乘算法进行拟合,以获得第一预测数据。
如此,通过不停的拟合迭代,能够使得到的第一预测数据更加贴近实际的电力数据,提高检测精度。
接下来,控制设备可以根据保存的所有用电设备各自的电力数据Ak,i,j,将该目标用电设备在目标时刻的前一时刻的电力数据作为第二历史电力数据,比如在前述示例中,目标用电设备对应的目标电力数据为A10,50,100,目标用电设备对应的第二历史电力数据则同一天在前一时刻记录的A9,50,100;如此,控制设备则可以根据该目标用电设备对应的第二历史电力数据,获得目标用电设备对应的预测调整量,该预测调整量表征的是控制设备对第一预测数据进行调整的幅度。
另外,为了结合生产企业的生产实际,在一实施例中,可以为目标时刻设定一目标预测数据,该目标预测数据表征的是目标时刻期望的预测数据;其中,该目标预测数据可以是接收用户输入的,也可以是默认设置的值,本申请对于目标预测数据具体数值的获取方式不进行限定。
因此,控制设备在获得第一预测数据以及预测调整量后,可以利用设定的目标预测数据以及预测调整量更新第一预测数据,得到更新后的第二预测数据,从而使用电设备的异常检测更为精准;其中,该第二预测数据可以表示为Q10,50,100。
如此,控制设备在获得第二预测数据后,可以利用该第二预测数据对目标用电设备是否发生用电异常进行判断,比如将第二预测数据与目标电力数据两者进行差值计算,当第二预测数据与目标电力数据两者的差值未超出设定的阈值时,控制设备可以判定该目标用电设备用电正常;反之,当第二预测数据与目标电力数据两者的差值超出设定的阈值时,控制设备即可以确定该目标用电设备发生用电异常,此时控制设备可以记录目标用电设备发生用电异常的信息,或者是向一监听设备发送报警信息等。
可见,基于上述设计,本申请提供的电力设备异常检测方法,通过利用目标用电设备在目标时刻对应的多个历史电力数据,从而获得目标用电设备对应的第一预测数据;然后利用目标用电设备在目标时刻的上一时刻的电力数据,获得目标用电设备对应的预测调整量;进而利用设定的目标预测数据以及预测调整量更新第一预测数据,得到更新后的第二预测数据,使得当目标电力数据与第二预测数据两者的差值超出设定的阈值时,可以确定目标用电设备发生用电异常;相比于现有技术,能够动态的结合目标用电设备是在历史时间段实际的用电信息对目标用电设备的当前工作状态进行检测,从而提升检测精度。
其中,作为一种可能的实现方式,在图3的基础上,请参阅图4,图4示出图3中步骤207的子步骤的一种示意性流程框图,在一实施例中,步骤207可以包括以下子步骤:
步骤207-1,利用预测调整量对第一预测数据进行处理,得到中间预测数据;
步骤207-2,判断中间预测数据是否小于目标预测数据;当为是时,执行步骤207-3;当为否时,执行步骤207-4;
步骤207-3,将中间预测数据确定为第二预测数据;
步骤207-4,将目标预测数据确定为第二预测数据。
在一实施例中,上述设定的目标预测数据可以用于表征在目标时刻时该目标用电设备的电力数据上限,控制设备在目标时刻对目标用电设备的预测值不能高于该目标预测数据。
因此,控制设备在执行步骤207时,可以先利用预测调整量对第一预测数据进行调整处理,从而得到中间预测数据;然后将该中间预测数据与目标预测数据进行比对,当中间预测数据小于目标预测数据时,控制设备则将中间预测数据确定为第二预测数据;反之,当中间预测数据大于或等于目标预测数据时,控制设备则将目标预测数据确定为第二预测数据。
也就是说,在执行步骤207-1利用预测调整量对第一预测数据进行处理,得到中间预测数据后,控制设备可以将中间预测数据与目标预测数据进行比对,将两者中的较小者确定为第二预测数据,从而使控制设备确定出的第二预测数据符合企业实际的用电需求。
另外,作为一种可能的实现方式,在图4的基础上,请参阅图5,图5示出图4中步骤207-1的子步骤的一种示意性流程框图,在一实施例中,步骤207-1可以包括以下子步骤:
步骤207-1a,根据设定的时刻调整策略,获得目标时刻对应的目标调节比例系数;
步骤207-1b,利用目标调节比例系数对预测调整量进行调节,并将调整后的预测调整量与第一预测数据进行加权求和,得到中间预测数据。
在一些可能的应用场景中,同一天内的不同时刻,用电设备的工作状态可能不尽相同;因此,在一实施例中,可以通过为不同的时刻设置不同的比例系数,从而根据实际的用电场景,对不同时刻的预测调整量进行不同幅度的预调整。
因此,在一些可能的实现方式中,控制设备可以记录有一时刻调整策略,该时刻调整策略记录有多个时刻与多个调节比例系数的对应关系,比如该时刻调整策略可以记录在一时刻调整表中。
于是,控制设备在执行步骤207-1时,可以先根据记录的时刻调整策略,比如查询上述的时刻调整表,以获得目标时刻对应的目标调节比例系数。
然后,控制设备可以结合该目标调节比例系数先对预测调整量进行调节,以对预测调整量进行对应比例的缩放;再将调整后的预测调整量与第一预测数据进行加权求和,从而得到中间预测数据,使目标时刻的第二预测数据能够更加精准。
需要说明的是,在执行步骤207-1b时,预测调整量和第一预测数据各自的加权系数可以是控制设备默认设置的系数,也可以是控制设备接收其他设备或者是用户输入的系数,本申请对于预测调整量和第一预测数据各自的加权系数的获取方式不进行限定。
另外,作为一种可能的实现方式,在图3的基础上,请参阅图6,图6示出图3中步骤205的子步骤的一种示意性流程框图,在一实施例中,步骤205可以包括以下子步骤:
步骤205-1,求取历史实际电力数据以及历史预测电力数据之差,得到初始调整量;
步骤205-2,对初始调整量及设定的调整量阈值进行加权求和,以得到预测调整量。
在一实施例中,目标用电设备对应的第二历史电力数据,可以包括目标用电设备在目标时刻的前一时刻的历史实际电力数据以及历史预测电力数据;该历史实际电力数据即为前一时刻时目标用电设备实际的电力数据,而历史预测电力数据即为前一时刻时目标用电设备对应的第二预测数据,比如在上述示例中,历史实际电力数据即表示为A9,50,100,而历史预测电力数据即表示为Q9,50,100。
于是,控制设备在执行步骤205时,可以先求取历史实际电力数据以及预测电力数据之差,即按照前述示例,求取A9,50,100与Q9,50,100之差,从而得到初始调整量。
然后,控制设备再对该初始调整量及设定的调整量阈值进行加权求和,以得到预测调整量;其中,该设定的调整量阈值为预测调整量的调节参数,从而降低初始调整量的对预测调整量的灵敏度。
另外,需要说明的是,在执行步骤205-2时,初始调整量与调整量阈值各自的加权系数,可以是控制设备默认设置的值,也可以是控制设备接收其他设备或者是接收用户输入的值,本申请对此不进行限定。
并且,作为一种可能的实现方式,在图6的基础上,请参阅图7,图7示出图6中步骤205-2的子步骤的一种示意性流程框图,在一实施例中,步骤205-2可以包括以下子步骤:
步骤205-2a,判断初始调整量是否小于调整量阈值;当为是时,执行步骤205-2b;当为否时,执行步骤205-2c;
步骤205-2b,利用第一加权参数对初始调整量及调整量阈值进行加权求和,以得到预测调整量;
步骤205-2c,利用第二加权参数对初始调整量及调整量阈值进行加权求和,以得到预测调整量;
在一实施例中,控制设备可以记录至少两组加权参数以执行步骤205-2,比如可以包括第一加权参数和第二加权参数,其中,第二加权参数中初始调整量的比重大于第一加权参数中初始调整量的比重;比如,第一加权参数中初始调整量和调整量阈值的加权参数可以分别为0.7、0.3,而第二加权参数中初始调整量和调整量阈值的加权参数可以分别为0.4、0.6。
因此,在执行步骤205-2时,控制设备可以先判断初始调整量与调整量阈值两者的大小;当初始调整量小于调整量阈值时,控制设备可以利用第一加权参数对初始调整量及调整量阈值进行加权求和,以得到预测调整量,比如利用上述示例的0.7、0.3执行步骤205-2;反之,当初始调整量大于或等于调整量阈值时,控制设备可以利用第二加权参数对初始调整量及调整量阈值进行加权求和,以得到预测调整量,比如利用上述示例的0.4、0.6执行步骤205-2;如此,能够在加权求取预测调整量时,能够更加靠近调整量阈值,避免预测调整量出现大幅波动。
另外,在一些可能的实现方式中,还可以对调整量阈值进行不停的迭代,从而使调整量阈值与实际的调整量更接近。
比如,作为一种可能的实现方式,在图6的基础上,请参阅图8,图8示出本申请提供的电力设备异常检测方法的另一种示意性流程框图,该电力设备异常检测方法还可以包括以下步骤:
步骤210,当初始调整量大于或等于调整量阈值时,根据预测调整量,更新调整量阈值。
在一实施例中,当执行步骤205-2时,若初始调整量大于或等于设定的调整量阈值,表征控制设备计算得到的初始调整量超出设定的调整量上限,此时可以根据获得的预测调整量,更新该调整量阈值;比如将该预测调整量作为新的调整量阈值;或者是,按照设定的比例系数将预测调整量进行缩放后,将缩放后的预测调整量与调整量阈值求和,从而得到更新后的调整量阈值。如此,通过对调整量阈值有条件地更新,能够使计算得到的预测调整量与实际计算得到的初始调整量更接近。
并且,基于与本申请提供的上述电力设备异常检测方法相同的发明构思,请参阅图9,图9示出本申请提供的电力设备异常检测装置300的一种示意性结构框图,该电力设备异常检测装置300可以包括接收模块301、处理模块302及检测模块303;其中:
接收模块301,用于接收目标用电设备在目标时刻发送的目标电力数据;其中,目标用电设备为多个用电设备中的任意一个;
处理模块302,用于根据目标用电设备对应的第一历史电力数据,获得目标用电设备对应的第一预测数据;其中,第一历史电力数据为目标用电设备在目标时刻对应的多个历史电力数据;
处理模块302还用于,根据目标用电设备对应的第二历史电力数据,获得目标用电设备对应的预测调整量;其中,第二历史电力数据为目标用电设备在目标时刻的前一时刻的电力数据;
处理模块302还用于,利用设定的目标预测数据以及预测调整量更新第一预测数据,得到更新后的第二预测数据;
检测模块303,用于当目标电力数据与第二预测数据两者的差值超出设定的阈值时,确定目标用电设备发生用电异常。
可选地,作为一种可能的实现方式,处理模块302在利用设定的目标预测数据以及预测调整量更新第一预测数据,得到更新后的第二预测数据时,具体用于:
利用预测调整量对第一预测数据进行处理,得到中间预测数据;
当中间预测数据小于目标预测数据时,将中间预测数据确定为第二预测数据;
当中间预测数据大于或等于目标预测数据时,将目标预测数据确定为第二预测数据。
可选地,作为一种可能的实现方式,处理模块302在利用预测调整量对第一预测数据进行处理,得到中间预测数据时,具体用于:
根据设定的时刻调整策略,获得目标时刻对应的目标调节比例系数;其中,时刻调整策略记录有多个时刻与多个调节比例系数的对应关系;
利用目标调节比例系数对预测调整量进行调节,并将调整后的预测调整量与第一预测数据进行加权求和,得到中间预测数据。
可选地,作为一种可能的实现方式,处理模块302在根据目标用电设备对应的第一历史电力数据,获得目标用电设备对应的第一预测数据时,具体用于:
利用第一历史电力数据包括的多个历史电力数据进行数值拟合,以获得第一预测数据。
可选地,作为一种可能的实现方式,第二历史电力数据包括目标用电设备在目标时刻的前一时刻的历史实际电力数据以及历史预测电力数据;
处理模块302在根据目标用电设备对应的第二历史电力数据,获得目标用电设备在当前时间节点对应的预测调整量时,具体用于:
求取历史实际电力数据以及历史预测电力数据之差,得到初始调整量;
对初始调整量及设定的调整量阈值进行加权求和,以得到预测调整量。
可选地,作为一种可能的实现方式,处理模块302在对初始调整量及设定的调整量阈值进行加权求和,以得到预测调整量时,具体用于:
当初始调整量小于调整量阈值时,利用第一加权参数对初始调整量及调整量阈值进行加权求和,以得到预测调整量;
当初始调整量大于或等于调整量阈值时,利用第二加权参数对初始调整量及调整量阈值进行加权求和,以得到预测调整量;其中,第二加权参数中初始调整量的比重大于第一加权参数中初始调整量的比重。
可选地,作为一种可能的实现方式,处理模块302还用于:当初始调整量大于或等于调整量阈值时,根据预测调整量,更新调整量阈值。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的一些实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。
也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。
也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请的一些实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请的一些实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的部分实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种电力设备异常检测方法,其特征在于,应用于电力运营***中的控制设备,所述电力运营***还包括分别与所述控制设备均建立通信的多个用电设备;所述方法包括:
接收目标用电设备在目标时刻发送的目标电力数据;其中,所述目标用电设备为所述多个用电设备中的任意一个;
根据所述目标用电设备对应的第一历史电力数据,获得所述目标用电设备对应的第一预测数据;其中,所述第一历史电力数据为过去几天中所述目标用电设备在所述目标时刻对应的多个历史电力数据;
根据所述目标用电设备对应的第二历史电力数据,获得所述目标用电设备对应的预测调整量;其中,所述第二历史电力数据为当天所述目标用电设备在所述目标时刻的前一时刻的电力数据;
利用设定的目标预测数据以及所述预测调整量更新所述第一预测数据,得到更新后的第二预测数据;
当所述目标电力数据与所述第二预测数据两者的差值超出设定的阈值时,确定所述目标用电设备发生用电异常。
2.如权利要求1所述的方法,其特征在于,利用设定的目标预测数据以及所述预测调整量更新所述第一预测数据,得到更新后的第二预测数据的步骤,包括:
利用所述预测调整量对所述第一预测数据进行处理,得到中间预测数据;
当所述中间预测数据小于所述目标预测数据时,将所述中间预测数据确定为所述第二预测数据;
当所述中间预测数据大于或等于所述目标预测数据时,将所述目标预测数据确定为所述第二预测数据。
3.如权利要求2所述的方法,其特征在于,利用所述预测调整量对所述第一预测数据进行处理,得到中间预测数据的步骤,包括:
根据设定的时刻调整策略,获得所述目标时刻对应的目标调节比例系数;其中,所述时刻调整策略记录有多个时刻与多个调节比例系数的对应关系;
利用所述目标调节比例系数对所述预测调整量进行调节,并将调整后的预测调整量与所述第一预测数据进行加权求和,得到所述中间预测数据。
4.如权利要求1所述的方法,其特征在于,根据所述目标用电设备对应的第一历史电力数据,获得所述目标用电设备对应的第一预测数据的步骤,包括:
利用所述第一历史电力数据包括的多个历史电力数据进行数值拟合,以获得所述第一预测数据。
5.如权利要求1所述的方法,其特征在于,所述第二历史电力数据包括当天所述目标用电设备在所述目标时刻的前一时刻的历史实际电力数据以及历史预测电力数据;
根据所述目标用电设备对应的第二历史电力数据,获得所述目标用电设备对应的预测调整量的步骤,包括:
求取所述历史实际电力数据以及所述历史预测电力数据之差,得到初始调整量;
对所述初始调整量及设定的调整量阈值进行加权求和,以得到所述预测调整量。
6.如权利要求5所述的方法,其特征在于,对所述初始调整量及设定的调整量阈值进行加权求和,以得到所述预测调整量的步骤,包括:
当所述初始调整量小于所述调整量阈值时,利用第一加权参数对所述初始调整量及所述调整量阈值进行加权求和,以得到所述预测调整量;
当所述初始调整量大于或等于所述调整量阈值时,利用第二加权参数对所述初始调整量及所述调整量阈值进行加权求和,以得到所述预测调整量;其中,所述第二加权参数中所述初始调整量的比重大于所述第一加权参数中所述初始调整量的比重。
7.如权利要求5所述的方法,其特征在于,所述方法还包括:
当所述初始调整量大于或等于所述调整量阈值时,根据所述预测调整量,更新所述调整量阈值。
8.一种电力设备异常检测装置,其特征在于,应用于电力运营***中的控制设备,所述电力运营***还包括分别与所述控制设备均建立通信的多个用电设备;所述装置包括:
接收模块,用于接收目标用电设备在目标时刻发送的目标电力数据;其中,所述目标用电设备为所述多个用电设备中的任意一个;
处理模块,用于根据所述目标用电设备对应的第一历史电力数据,获得所述目标用电设备对应的第一预测数据;其中,所述第一历史电力数据为过去几天中所述目标用电设备在所述目标时刻对应的多个历史电力数据;
所述处理模块还用于,根据所述目标用电设备对应的第二历史电力数据,获得所述目标用电设备对应的预测调整量;其中,所述第二历史电力数据为当天所述目标用电设备在所述目标时刻的前一时刻的电力数据;
所述处理模块还用于,利用设定的目标预测数据以及所述预测调整量更新所述第一预测数据,得到更新后的第二预测数据;
检测模块,用于当所述目标电力数据与所述第二预测数据两者的差值超出设定的阈值时,确定所述目标用电设备发生用电异常。
9.一种控制设备,其特征在于,包括:
存储器,用于存储一个或多个程序;
处理器;
当所述一个或多个程序被所述处理器执行时,实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010288404.0A CN111178645B (zh) | 2020-04-14 | 2020-04-14 | 电力设备异常检测方法、装置、控制设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010288404.0A CN111178645B (zh) | 2020-04-14 | 2020-04-14 | 电力设备异常检测方法、装置、控制设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111178645A true CN111178645A (zh) | 2020-05-19 |
CN111178645B CN111178645B (zh) | 2020-12-08 |
Family
ID=70658444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010288404.0A Active CN111178645B (zh) | 2020-04-14 | 2020-04-14 | 电力设备异常检测方法、装置、控制设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111178645B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111901344A (zh) * | 2020-07-28 | 2020-11-06 | 北京天融信网络安全技术有限公司 | 一种can总线异常帧的检测方法及装置 |
CN112697306A (zh) * | 2020-12-09 | 2021-04-23 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池包内部温度异常的检测方法、装置及相关产品 |
CN112732983A (zh) * | 2020-12-31 | 2021-04-30 | 平安科技(深圳)有限公司 | 基于人工智能的数据检测方法、装置、服务器及存储介质 |
CN113284002A (zh) * | 2021-04-09 | 2021-08-20 | 南方电网数字电网研究院有限公司 | 用电数据异常检测方法、装置、计算机设备和存储介质 |
CN114069803A (zh) * | 2022-01-14 | 2022-02-18 | 深圳市贝视特科技有限公司 | 便携式应急储能电源检测方法、装置、设备及存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070198679A1 (en) * | 2006-02-06 | 2007-08-23 | International Business Machines Corporation | System and method for recording behavior history for abnormality detection |
CN101457264A (zh) * | 2008-12-29 | 2009-06-17 | 杭州电子科技大学 | 高炉炉温优化控制方法 |
CN103020487A (zh) * | 2013-01-20 | 2013-04-03 | 华北电力大学(保定) | 一种光伏电站辐照度预测值修正方法 |
CN103901305A (zh) * | 2014-03-31 | 2014-07-02 | 广东电网公司电力科学研究院 | 电力设备的在线预警方法 |
CN104202765A (zh) * | 2014-08-26 | 2014-12-10 | 北京邮电大学 | 基于分布式网络的传感器故障检测方法及装置 |
CN105203962A (zh) * | 2015-08-31 | 2015-12-30 | 北汽福田汽车股份有限公司 | 一种车载电池过流诊断方法和装置 |
CN105718715A (zh) * | 2015-12-23 | 2016-06-29 | 华为技术有限公司 | 异常检测方法和设备 |
CN106124835A (zh) * | 2016-06-13 | 2016-11-16 | 郑万林 | 一种配电电源电压与预定电压比较的方法 |
CN106557401A (zh) * | 2016-10-13 | 2017-04-05 | 中国铁道科学研究院电子计算技术研究所 | 一种it设备监控指标的动态阈值设定方法及*** |
CN106557407A (zh) * | 2016-11-14 | 2017-04-05 | 腾讯科技(深圳)有限公司 | 一种设备负载的监控方法和装置 |
CN108089962A (zh) * | 2017-11-13 | 2018-05-29 | 北京奇艺世纪科技有限公司 | 一种异常检测方法、装置及电子设备 |
CN109146236A (zh) * | 2018-07-06 | 2019-01-04 | 东软集团股份有限公司 | 指标异常检测方法、装置、可读存储介质及电子设备 |
US20190187677A1 (en) * | 2016-10-11 | 2019-06-20 | International Business Machines Corporation | System, method and computer program product for fault detection and location in power grid |
CN110874674A (zh) * | 2018-08-29 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 一种异常检测方法、装置及设备 |
CN110888788A (zh) * | 2019-10-16 | 2020-03-17 | 平安科技(深圳)有限公司 | 异常检测方法、装置、计算机设备及存储介质 |
-
2020
- 2020-04-14 CN CN202010288404.0A patent/CN111178645B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070198679A1 (en) * | 2006-02-06 | 2007-08-23 | International Business Machines Corporation | System and method for recording behavior history for abnormality detection |
CN101457264A (zh) * | 2008-12-29 | 2009-06-17 | 杭州电子科技大学 | 高炉炉温优化控制方法 |
CN103020487A (zh) * | 2013-01-20 | 2013-04-03 | 华北电力大学(保定) | 一种光伏电站辐照度预测值修正方法 |
CN103901305A (zh) * | 2014-03-31 | 2014-07-02 | 广东电网公司电力科学研究院 | 电力设备的在线预警方法 |
CN104202765A (zh) * | 2014-08-26 | 2014-12-10 | 北京邮电大学 | 基于分布式网络的传感器故障检测方法及装置 |
CN105203962A (zh) * | 2015-08-31 | 2015-12-30 | 北汽福田汽车股份有限公司 | 一种车载电池过流诊断方法和装置 |
CN105718715A (zh) * | 2015-12-23 | 2016-06-29 | 华为技术有限公司 | 异常检测方法和设备 |
CN106124835A (zh) * | 2016-06-13 | 2016-11-16 | 郑万林 | 一种配电电源电压与预定电压比较的方法 |
US20190187677A1 (en) * | 2016-10-11 | 2019-06-20 | International Business Machines Corporation | System, method and computer program product for fault detection and location in power grid |
CN106557401A (zh) * | 2016-10-13 | 2017-04-05 | 中国铁道科学研究院电子计算技术研究所 | 一种it设备监控指标的动态阈值设定方法及*** |
CN106557407A (zh) * | 2016-11-14 | 2017-04-05 | 腾讯科技(深圳)有限公司 | 一种设备负载的监控方法和装置 |
CN108089962A (zh) * | 2017-11-13 | 2018-05-29 | 北京奇艺世纪科技有限公司 | 一种异常检测方法、装置及电子设备 |
CN109146236A (zh) * | 2018-07-06 | 2019-01-04 | 东软集团股份有限公司 | 指标异常检测方法、装置、可读存储介质及电子设备 |
CN110874674A (zh) * | 2018-08-29 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 一种异常检测方法、装置及设备 |
CN110888788A (zh) * | 2019-10-16 | 2020-03-17 | 平安科技(深圳)有限公司 | 异常检测方法、装置、计算机设备及存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111901344A (zh) * | 2020-07-28 | 2020-11-06 | 北京天融信网络安全技术有限公司 | 一种can总线异常帧的检测方法及装置 |
CN111901344B (zh) * | 2020-07-28 | 2022-05-17 | 北京天融信网络安全技术有限公司 | 一种can总线异常帧的检测方法及装置 |
CN112697306A (zh) * | 2020-12-09 | 2021-04-23 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池包内部温度异常的检测方法、装置及相关产品 |
CN112732983A (zh) * | 2020-12-31 | 2021-04-30 | 平安科技(深圳)有限公司 | 基于人工智能的数据检测方法、装置、服务器及存储介质 |
CN112732983B (zh) * | 2020-12-31 | 2023-09-12 | 平安科技(深圳)有限公司 | 基于人工智能的数据检测方法、装置、服务器及存储介质 |
CN113284002A (zh) * | 2021-04-09 | 2021-08-20 | 南方电网数字电网研究院有限公司 | 用电数据异常检测方法、装置、计算机设备和存储介质 |
CN114069803A (zh) * | 2022-01-14 | 2022-02-18 | 深圳市贝视特科技有限公司 | 便携式应急储能电源检测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111178645B (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111178645B (zh) | 电力设备异常检测方法、装置、控制设备及存储介质 | |
CN112101662A (zh) | 设备健康状况和生命周期检测方法、存储介质及电子设备 | |
US11442941B2 (en) | Auto tuning data anomaly detection | |
CN110213068B (zh) | 一种消息中间件的监控方法及相关设备 | |
US9864350B2 (en) | Events management | |
CN109088775B (zh) | 异常监控方法、装置以及服务器 | |
CN111626780B (zh) | 信息推送方法、装置、服务端及存储介质 | |
CN111914516B (zh) | 一种网络数据预测序列生成方法、装置、设备及存储介质 | |
CN105429300A (zh) | 用电监控方法及*** | |
WO2022095381A1 (zh) | 性能监测评价方法、装置、计算机设备及可读存储介质 | |
CN106913313B (zh) | 一种睡眠监测方法及*** | |
CN112652351A (zh) | 硬件状态检测方法、装置、计算机设备及存储介质 | |
Xiang et al. | A new nonparametric monitoring of data streams for changes in location and scale via Cucconi statistic | |
CN112152833B (zh) | 一种网络异常报警方法、装置及电子设备 | |
Niaki et al. | The economic design of multivariate binomial EWMA VSSI control charts | |
CN108595685B (zh) | 一种数据处理方法及装置 | |
CN108804574B (zh) | 告警提示方法、装置、计算机可读存储介质及电子设备 | |
CN112131274B (zh) | 时间序列异常点的检测方法、装置、设备及可读存储介质 | |
CN116756522B (zh) | 概率预报方法、装置、存储介质及电子设备 | |
CN114341873A (zh) | 用于电气设备用户社区的人工智能/机器学习驱动型评估*** | |
CN117170894A (zh) | 基于实时计算的事件中心管理方法和装置 | |
JP6381498B2 (ja) | 計量メータの状態変化検出装置及びプログラム | |
CN113835961B (zh) | 告警信息监控方法、装置、服务器及存储介质 | |
JP2016093098A (ja) | 電力使用量管理装置およびプログラム | |
CN116187510A (zh) | 电表箱故障预测方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: No. 26 Xinnan Aijian Road, Fenghuang Community, Pinghu Street, Longgang District, Shenzhen City, Guangdong Province, 518100 Patentee after: Shenzhen Chaoyang Hui Technology Co.,Ltd. Address before: 518100 Xinnan Aijian Road, Fenghuang Community, Pinghu Street, Longgang District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN ZHAOYANGHUI ELECTRICAL EQUIPMENT CO.,LTD. |
|
CP03 | Change of name, title or address |