CN112560940A - 一种用电异常检测方法、装置、设备和存储介质 - Google Patents
一种用电异常检测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN112560940A CN112560940A CN202011465945.2A CN202011465945A CN112560940A CN 112560940 A CN112560940 A CN 112560940A CN 202011465945 A CN202011465945 A CN 202011465945A CN 112560940 A CN112560940 A CN 112560940A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- data
- power utilization
- terminal
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 202
- 230000005611 electricity Effects 0.000 claims abstract description 79
- 238000004458 analytical method Methods 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000007689 inspection Methods 0.000 claims abstract description 9
- 230000005856 abnormality Effects 0.000 claims description 54
- 230000006399 behavior Effects 0.000 claims description 47
- 238000001914 filtration Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000011835 investigation Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013024 troubleshooting Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000013642 negative control Substances 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种用电异常检测方法、装置、设备和存储介质,涉及多个用电终端,方法包括:从多个用电终端分别获取预定周期内的用电行为数据;采用预设分群模型对用电行为数据进行分类,得到多种聚类数据;将每种聚类数据分别输入到对应的用电异常分析模型,分别输出与用电终端对应的异常等级;用电异常分析模型通过预置的异常分析模型生成过程得到的;基于异常等级与预设的用户优先级,从多个用电终端中确定待排查用电终端;根据对待排查用电终端的排查结果,确定待排查用电终端是否为用电异常状态。通过上述方法能够更为准确高效地对用电终端的用电异常情况进行诊断。
Description
技术领域
本发明涉及用电异常检测技术领域,尤其涉及一种用电异常检测方法、装置、设备和存储介质。
背景技术
随着电力体制改革持续推进,电力行业面临市场开放化、主体多元化等新形势。电网公司必须积极开展管理模式创新,进一步“提质、增效、降本”,才能满足多变的市场需求,更好地为各类市场主体和广大客户服务,而大数据分析在推动管理模式创新、新技术应用等方面的成功经验值得学习借鉴。
因此,电网新技术的发展推动,可以通过借助大数据、移动互联网等新技术的创新驱动作用支撑智能电网建设,提升管理创新能力。
但随着用电业务的多样化发展,窃电手法也越发复杂化,原有的用电异常分析模型并不能适应新形势的需要,无法准确地对用电异常情况进行诊断。
发明内容
本发明提供了一种用电异常检测方法、装置、设备和存储介质,解决了现有技术中的用电异常分析模型无法准确地对用电异常情况进行诊断的技术问题。
本发明提供的一种用电异常检测方法,涉及多个用电终端,所述方法包括:
从多个所述用电终端分别获取预定周期内的用电行为数据;
采用预设分群模型对所述用电行为数据进行分类,得到多种聚类数据;
将每种所述聚类数据分别输入到对应的用电异常分析模型,分别输出与所述用电终端对应的异常等级;所述用电异常分析模型通过预置的异常分析模型生成过程得到的;
基于所述异常等级与预设的用户优先级,从多个所述用电终端中确定待排查用电终端;
根据对所述待排查用电终端的排查结果,确定所述待排查用电终端是否为用电异常状态。
可选地,所述用电异常分析模型包括异常过滤规则,所述异常过滤规则设有异常规则分数,所述将每种所述聚类数据分别输入到对应的用电异常分析模型,分别输出与所述用电终端对应的异常等级的步骤,包括:
按照所述异常过滤规则分别对每种所述聚类数据进行筛选;
将每种所述聚类数据中满足所述异常过滤规则的数据确定为异常数据;
统计每类所述异常数据在所述预设周期内的出现次数;
采用每类所述异常数据的出现次数、所述异常规则分数和每个所述异常数据对应的用电终端所对应的预设风险系数,计算每类所述异常数据对应的用电终端的异常总分;
采用每类所述异常总分和每类所述异常数据的出现次数,确定每类所述异常数据对应的用电终端对应的异常平均分;
基于每类所述异常平均分占所述异常总分的比例,输出与所述用电终端对应的异常等级。
可选地,所述异常分析模型生成过程包括:
从所述多个用电终端分别获取预定周期内的历史用电行为数据;
采用所述预设分群模型对所述历史用电行为数据进行分类,生成多种历史分类数据;
采用多种所述历史分类数据分别训练多个预置的初始用电异常分析模型,得到所述用电异常分析模型。
可选地,所述根据对所述待排查用电终端的排查结果,确定所述待排查用电终端是否为用电异常状态的步骤,包括:
若所述排查结果为异常,则确定所述待排查用电终端为用电异常状态;
若所述排查结果为正常,则确定所述待排查用电终端不为用电异常状态。
本发明还提供了一种用电异常检测装置,涉及多个用电终端,所述装置包括:
用电行为数据获取模块,用于从多个所述用电终端分别获取预定周期内的用电行为数据;
聚类模块,用于采用预设分群模型对所述用电行为数据进行分类,得到多种聚类数据;
异常等级输出模块,用于将每种所述聚类数据分别输入到对应的用电异常分析模型,分别输出与所述用电终端对应的异常等级;所述用电异常分析模型通过调用预置的异常分析模型生成模块得到的;
待排查用电终端确定模块,用于基于所述异常等级与预设的用户优先级,从多个所述用电终端中确定待排查用电终端;
用电异常状态判断模块,用于根据对所述待排查用电终端的排查结果,确定所述待排查用电终端是否为用电异常状态。
可选地,所述用电异常分析模型包括异常过滤规则,所述异常等级输出模块包括:
筛选子模块,用于按照所述异常过滤规则分别对每种所述聚类数据进行筛选;
异常数据确定子模块,用于将每种所述聚类数据中满足所述异常过滤规则的数据确定为异常数据;
出现次数统计子模块,用于统计每类所述异常数据在所述预设周期内的出现次数;
异常总分计算子模块,用于采用每类所述异常数据的出现次数、所述异常规则分数和每个所述异常数据对应的用电终端所对应的预设风险系数,计算每类所述异常数据对应的用电终端的异常总分;
异常平均分计算子模块,用于采用每类所述异常总分和每类所述异常数据的出现次数,确定每类所述异常数据对应的用电终端对应的异常平均分;
异常等级确定子模块,用于基于每类所述异常平均分占所述异常总分的比例,输出与所述用电终端对应的异常等级。
可选地,所述异常分析模型生成模块包括:
历史用电行为数据获取子模块,用于从所述多个用电终端分别获取预定周期内的历史用电行为数据;
历史分类数据生成子模块,用于采用所述预设分群模型对所述历史用电行为数据进行分类,生成多种历史分类数据;
训练子模块,用于采用多种所述历史分类数据分别训练多个预置的初始用电异常分析模型,得到所述用电异常分析模型。
可选地,所述用电异常状态判断模块包括:
异常状态确定子模块,用于若所述排查结果为异常,则确定所述待排查用电终端为用电异常状态;
正常状态确定子模块,用于若所述排查结果为正常,则确定所述待排查用电终端不为用电异常状态。
本发明还提供了一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上述任一项所述的用电异常检测方法的步骤。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被所述处理器执行时实现如上述任一项所述的用电异常检测方法。
从以上技术方案可以看出,本发明具有以下优点:
本发明通过从多个用电终端分别获取预定周期内的用电行为数据,采用分群模型对用电行为数据进行聚类,以得到多种聚类数据;再将每种聚类数据分别输入到对应类型的用电异常分析模型中,得到每个用电终端的异常等级,并结合用户优先级,确定待排查用电终端;在接收到对待排查用电终端的排查结果之后,确定待排查用电终端是否为用电异常状态。该方法解决了现有技术中的用电异常分析模型无法准确地对用电异常情况进行诊断的技术问题,更为准确高效地对用电终端的用电异常情况进行诊断。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种用电异常检测方法的步骤流程图;
图2为本发明可选实施例提供的一种用电异常检测方法的步骤流程图;
图3为本发明实施例提供的一种用电异常检测装置的结构框图。
具体实施方式
现有的用电异常分析模型通常仅是基于统一标准对多个用户用电终端的特征进行检测,从而确定用电异常。但上述方法由于不同地区,不同行业或不同用户的用电习惯等不同,若是采用统一标准进行用电异常的衡量,可能会造成用电异常确定准确率的降低。为此,本发明实施例提供了一种用电异常检测方法、装置、设备和存储介质,用于解决现有技术中的用电异常分析模型无法准确地对用电异常情况进行诊断的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,图1为本发明实施例提供的一种用电异常检测方法的步骤流程图。
本发明提供的一种用电异常检测方法,涉及多个用电终端,所述方法包括:
步骤101,从多个所述用电终端分别获取预定周期内的用电行为数据;
在本发明实施例中,从多个用电终端分别获取预定周期内的用电行为数据,其中预定周期可以以分钟、小时、天、月或年为单位的时间长度,用电行为数据包括电流、电压、功率和相位角数据等数据。
步骤102,采用预设分群模型对所述用电行为数据进行分类,得到多种聚类数据;
在获取到用电行为数据后,采用预设分群模型对每个用电终端的用电行为数据进行分类,以便于后续用电异常分析模型的独立处理。
具体可以通过以电流、电压、功率和相位角为标准将用电行为数据划分为多种聚类数据。
步骤103,将每种所述聚类数据分别输入到对应的用电异常分析模型,分别输出与所述用电终端对应的异常等级;所述用电异常分析模型通过预置的异常分析模型生成过程得到的;
在具体实现中,可以在本方法首次实施时,采用异常分析模型生成过程生成多个类型的用电异常分析模型,再将每种聚类数据分别输入到对应类型的用电异常分析模型,以得到与用电终端对应的异常等级。
步骤104,基于所述异常等级与预设的用户优先级,从多个所述用电终端中确定待排查用电终端;
在得知每个用电终端的异常等级后,由于用户的优先级可能存在不同,例如不同用电终端的用电紧急程度不同,为能够高效率地验证用电终端是否真的存在用电异常,此时可以基于异常等级和预设的用户优先级,从多个用电终端中确定待排查用电终端。
步骤105,根据对所述待排查用电终端的排查结果,确定所述待排查用电终端是否为用电异常状态。
在具体实现中,在确定待排查用电终端之后,可以通过对待排查用电终端进行排查,以得到验证待排查用电终端是否用电异常的排查结果,最后基于排查结果确定待排查用电终端是否为用电异常状态。
在本发明实施例中,通过从多个用电终端分别获取预定周期内的用电行为数据,采用分群模型对用电行为数据进行聚类,以得到多种聚类数据;再将每种聚类数据分别输入到对应类型的用电异常分析模型中,得到每个用电终端的异常等级,并结合用户优先级,确定待排查用电终端;在接收到对待排查用电终端的排查结果之后,确定待排查用电终端是否为用电异常状态。该方法解决了现有技术中的用电异常分析模型无法准确地对用电异常情况进行诊断的技术问题,更为准确高效地对用电终端的用电异常情况进行诊断。
请参阅图2,图2为本发明实施例提供的一种用电异常检测方法的步骤流程图。
本发明提供的一种用电异常检测方法,涉及多个用电终端,所述方法包括:
步骤201,从多个所述用电终端分别获取预定周期内的用电行为数据;
步骤202,采用预设分群模型对所述用电行为数据进行分类,得到多种聚类数据;
在本发明实施例中,所述步骤201-202的具体实施过程与上述步骤101-102类似,在此不再赘述。
在本发明实施例中,通过采用大数据及移动互联技术,以用户需求感知为导向、用电异常数据资产为能源、用电异常识别和原因标签化分析为驱动,围绕用电异常发现、修正,推动源***、大后台、小前端间的无缝衔接,实现电网公司向主动创新型现代用电管理模式转型。
步骤203,将每种所述聚类数据分别输入到对应的用电异常分析模型,分别输出与所述用电终端对应的异常等级;
在具体实现中,所述用电异常分析模型包括异常过滤规则,所述异常过滤规则设有异常规则分数,所述步骤203可以包括以下子步骤:
按照所述异常过滤规则分别对每种所述聚类数据进行筛选;
将每种所述聚类数据中满足所述异常过滤规则的数据确定为异常数据;
统计每类所述异常数据在所述预设周期内的出现次数;
采用每类所述异常数据的出现次数、所述异常规则分数和每个所述异常数据对应的用电终端所对应的预设风险系数,计算每类所述异常数据对应的用电终端的异常总分;
采用每类所述异常总分和每类所述异常数据的出现次数,确定每类所述异常数据对应的用电终端对应的异常平均分;
基于每类所述异常平均分占所述异常总分的比例,输出与所述用电终端对应的异常等级。
在本发明实施例中,按照异常过滤规则分别对每种聚类数据进行筛选,例如电流是否超过电流异常范围,电压是否超过电压异常范围,功率是否超过功率异常范围,相位角是否超过相位角异常范围等,若是任一个参数超过对应的异常范围,则确定该数据为异常数据。再统计每类异常数据在预设周期内的出现次数,由于每类用电异常所对应的损失可能不同,因此可以为每类用电异常分别配置对应的异常规则分数;再根据用电终端所处的场景和行业,对风险系数进行设定,最后采用每类所述异常数据的出现次数、所述异常规则分数和每个所述异常数据对应的用电终端所对应的预设风险系数,计算每类所述异常数据对应的用电终端的异常总分,具体可以通过以下公式进行计算:
异常总分=∑(异常规则分数*出现次数)*风险系数
其中,求和的时间范围为预设周期。
为便于反映用电终端出现用电异常的频率,可以采用每类所述异常总分和所述异常数据的出现次数的商作为异常平均分。最后基于每类异常平均分占所述异常总分的比例,确定每类异常数据的异常情况,再结合全部用电终端的异常情况,确定所述用电终端对应的异常等级。
针对以往的用电异常用户进行分群分析,可以发现不同区域,不同类型的用户,同一类异常,所呈现出来的数据规律完全不同。例如分流是常见一种用电异常行为,按照峰谷平三个计费时段分别对电流不平衡率的统计,研究发现个别用户高峰时段电流不平衡率大于90%,其中一相电流大于0.3,当三相电流短接时,三相电流都很小,峰谷平三个时段的不平衡率均大于60%,当某一相分流,另外一相电流是该相电流的3倍,峰谷平三个时段的不平衡率均大于60%,当两相分流时,未分流相的电流较高,可以达到5A,而被分流的小于0.1A,这时峰谷平的电流不平衡率也大于90%。另外,除了对电表数据的分析,如果负控有电压电流数据,还是要结合负控的数据分析。用户的安装和用电时间也是一个分析要素,有些用户从新装用电开始,可能某一相电流基本上不使用,用电异常分析除了按通常规则分析之外,采用自身数据比较法也是一个重要的分析手段,研究分析用电行为变化的轨迹,找出用电行为突变的时间点。
可选地,还可以只采集一个用电终端的多个预设周期的用电行为数据,采用预设分群模型对所述用电行为数据进行分类,得到多种聚类数据;通过多种聚类数据和用电异常分析模型确定聚类数据是否异常。
在本发明实施例中,所述用电异常分析模型通过预置的异常分析模型生成过程得到的;
进一步地,所述异常分析模型生成过程包括以下子步骤:
从所述多个用电终端分别获取预定周期内的历史用电行为数据;
采用所述预设分群模型对所述历史用电行为数据进行分类,生成多种历史分类数据;
采用多种所述历史分类数据分别训练多个预置的初始用电异常分析模型,得到所述用电异常分析模型。
在本发明实施例中,由于初始用电异常分析模型并没有多个不同用电终端对应的异常范围,为此可以设定多种数据分别对应的较大的初始异常范围,通过多种历史分类数据对每个初始异常范围进行进一步地调整,以得到用电异常分析模型。
步骤204,基于所述异常等级与预设的用户优先级,从多个所述用电终端中确定待排查用电终端;
在本发明实施例中,所述步骤204的具体实现过程与上述步骤104类似,在此不再赘述。
步骤205,若所述排查结果为异常,则确定所述待排查用电终端为用电异常状态;
步骤206,若所述排查结果为正常,则确定所述待排查用电终端不为用电异常状态。
在具体实现中,以电流异常排查为例,排查过程可以现场核对,用电流钳测接线盒电流进线与电表显示电流值是否一致。对用电量大的用户要定期或不定期进行电表的现场校验,同时检查电表的各项功能是否正常。若是任一个异常则确定所述待排查用电终端为用电异常状态;若结果都属于正常,则确定所述待排查用电终端不为用电异常状态。
在本发明实施例中,通过从多个用电终端分别获取预定周期内的用电行为数据,采用分群模型对用电行为数据进行聚类,以得到多种聚类数据;再将每种聚类数据分别输入到对应类型的用电异常分析模型中,得到每个用电终端的异常等级,并结合用户优先级,确定待排查用电终端;在接收到对待排查用电终端的排查结果之后,确定待排查用电终端是否为用电异常状态。该方法解决了现有技术中的用电异常分析模型无法准确地对用电异常情况进行诊断的技术问题,更为准确高效地对用电终端的用电异常情况进行诊断。
请参阅图3,图3为本发明实施例提供的一种用电异常检测装置的结构框图。
本发明实施例提供的一种用电异常检测装置,涉及多个用电终端,所述装置包括:
用电行为数据获取模块301,用于从多个所述用电终端分别获取预定周期内的用电行为数据;
聚类模块302,用于采用预设分群模型对所述用电行为数据进行分类,得到多种聚类数据;
异常等级输出模块303,用于将每种所述聚类数据分别输入到对应的用电异常分析模型,分别输出与所述用电终端对应的异常等级;所述用电异常分析模型通过调用预置的异常分析模型生成模块得到的;
待排查用电终端确定模块304,用于基于所述异常等级与预设的用户优先级,从多个所述用电终端中确定待排查用电终端;
用电异常状态判断模块305,用于根据对所述待排查用电终端的排查结果,确定所述待排查用电终端是否为用电异常状态。
可选地,所述用电异常分析模型包括异常过滤规则,所述异常等级输出模块303包括:
筛选子模块,用于按照所述异常过滤规则分别对每种所述聚类数据进行筛选;
异常数据确定子模块,用于将每种所述聚类数据中满足所述异常过滤规则的数据确定为异常数据;
出现次数统计子模块,用于统计每类所述异常数据在所述预设周期内的出现次数;
异常总分计算子模块,用于采用每类所述异常数据的出现次数、所述异常规则分数和每个所述异常数据对应的用电终端所对应的预设风险系数,计算每类所述异常数据对应的用电终端的异常总分;
异常平均分计算子模块,用于采用每类所述异常总分和每类所述异常数据的出现次数,确定每类所述异常数据对应的用电终端对应的异常平均分;
异常等级确定子模块,用于基于每类所述异常平均分占所述异常总分的比例,输出与所述用电终端对应的异常等级。
可选地,所述异常分析模型生成模块包括:
历史用电行为数据获取子模块,用于从所述多个用电终端分别获取预定周期内的历史用电行为数据;
历史分类数据生成子模块,用于采用所述预设分群模型对所述历史用电行为数据进行分类,生成多种历史分类数据;
训练子模块,用于采用多种所述历史分类数据分别训练多个预置的初始用电异常分析模型,得到所述用电异常分析模型。
可选地,所述用电异常状态判断模块305包括:
异常状态确定子模块,用于若所述排查结果为异常,则确定所述待排查用电终端为用电异常状态;
正常状态确定子模块,用于若所述排查结果为正常,则确定所述待排查用电终端不为用电异常状态。
本发明还提供了一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上述任一项所述的用电异常检测方法的步骤。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被所述处理器执行时实现如上述任一项所述的用电异常检测方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元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,本发明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全部或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)执行本发明各个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(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种用电异常检测方法,其特征在于,涉及多个用电终端,所述方法包括:
从多个所述用电终端分别获取预定周期内的用电行为数据;
采用预设分群模型对所述用电行为数据进行分类,得到多种聚类数据;
将每种所述聚类数据分别输入到对应的用电异常分析模型,分别输出与所述用电终端对应的异常等级;所述用电异常分析模型通过预置的异常分析模型生成过程得到的;
基于所述异常等级与预设的用户优先级,从多个所述用电终端中确定待排查用电终端;
根据对所述待排查用电终端的排查结果,确定所述待排查用电终端是否为用电异常状态。
2.根据权利要求1所述的方法,其特征在于,所述用电异常分析模型包括异常过滤规则,所述异常过滤规则设有异常规则分数,所述将每种所述聚类数据分别输入到对应的用电异常分析模型,分别输出与所述用电终端对应的异常等级的步骤,包括:
按照所述异常过滤规则分别对每种所述聚类数据进行筛选;
将每种所述聚类数据中满足所述异常过滤规则的数据确定为异常数据;
统计每类所述异常数据在所述预设周期内的出现次数;
采用每类所述异常数据的出现次数、所述异常规则分数和每个所述异常数据对应的用电终端所对应的预设风险系数,计算每类所述异常数据对应的用电终端的异常总分;
采用每类所述异常总分和每类所述异常数据的出现次数,确定每类所述异常数据对应的用电终端对应的异常平均分;
基于每类所述异常平均分占所述异常总分的比例,输出与所述用电终端对应的异常等级。
3.根据权利要求1所述的方法,其特征在于,所述异常分析模型生成过程包括:
从所述多个用电终端分别获取预定周期内的历史用电行为数据;
采用所述预设分群模型对所述历史用电行为数据进行分类,生成多种历史分类数据;
采用多种所述历史分类数据分别训练多个预置的初始用电异常分析模型,得到所述用电异常分析模型。
4.根据权利要求1所述的方法,其特征在于,所述根据对所述待排查用电终端的排查结果,确定所述待排查用电终端是否为用电异常状态的步骤,包括:
若所述排查结果为异常,则确定所述待排查用电终端为用电异常状态;
若所述排查结果为正常,则确定所述待排查用电终端不为用电异常状态。
5.一种用电异常检测装置,其特征在于,涉及多个用电终端,所述装置包括:
用电行为数据获取模块,用于从多个所述用电终端分别获取预定周期内的用电行为数据;
聚类模块,用于采用预设分群模型对所述用电行为数据进行分类,得到多种聚类数据;
异常等级输出模块,用于将每种所述聚类数据分别输入到对应的用电异常分析模型,分别输出与所述用电终端对应的异常等级;所述用电异常分析模型通过调用预置的异常分析模型生成模块得到的;
待排查用电终端确定模块,用于基于所述异常等级与预设的用户优先级,从多个所述用电终端中确定待排查用电终端;
用电异常状态判断模块,用于根据对所述待排查用电终端的排查结果,确定所述待排查用电终端是否为用电异常状态。
6.根据权利要求5所述的装置,其特征在于,所述用电异常分析模型包括异常过滤规则,所述异常等级输出模块包括:
筛选子模块,用于按照所述异常过滤规则分别对每种所述聚类数据进行筛选;
异常数据确定子模块,用于将每种所述聚类数据中满足所述异常过滤规则的数据确定为异常数据;
出现次数统计子模块,用于统计每类所述异常数据在所述预设周期内的出现次数;
异常总分计算子模块,用于采用每类所述异常数据的出现次数、所述异常规则分数和每个所述异常数据对应的用电终端所对应的预设风险系数,计算每类所述异常数据对应的用电终端的异常总分;
异常平均分计算子模块,用于采用每类所述异常总分和每类所述异常数据的出现次数,确定每类所述异常数据对应的用电终端对应的异常平均分;
异常等级确定子模块,用于基于每类所述异常平均分占所述异常总分的比例,输出与所述用电终端对应的异常等级。
7.根据权利要求7所述的装置,其特征在于,所述异常分析模型生成模块包括:
历史用电行为数据获取子模块,用于从所述多个用电终端分别获取预定周期内的历史用电行为数据;
历史分类数据生成子模块,用于采用所述预设分群模型对所述历史用电行为数据进行分类,生成多种历史分类数据;
训练子模块,用于采用多种所述历史分类数据分别训练多个预置的初始用电异常分析模型,得到所述用电异常分析模型。
8.根据权利要求7所述的装置,其特征在于,所述用电异常状态判断模块包括:
异常状态确定子模块,用于若所述排查结果为异常,则确定所述待排查用电终端为用电异常状态;
正常状态确定子模块,用于若所述排查结果为正常,则确定所述待排查用电终端不为用电异常状态。
9.一种电子设备,其特征在于,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1-4中任一项所述的用电异常检测方法的步骤。
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,所述计算机程序被所述处理器执行时实现如权利要求1-4任一项所述的用电异常检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011465945.2A CN112560940A (zh) | 2020-12-14 | 2020-12-14 | 一种用电异常检测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011465945.2A CN112560940A (zh) | 2020-12-14 | 2020-12-14 | 一种用电异常检测方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112560940A true CN112560940A (zh) | 2021-03-26 |
Family
ID=75064381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011465945.2A Pending CN112560940A (zh) | 2020-12-14 | 2020-12-14 | 一种用电异常检测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112560940A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114363082A (zh) * | 2022-01-12 | 2022-04-15 | 平安普惠企业管理有限公司 | 网络攻击检测方法、装置、设备及计算机可读存储介质 |
CN115587221A (zh) * | 2022-11-10 | 2023-01-10 | 北京志翔科技股份有限公司 | 用电数据图谱的生成方法、装置和电子设备 |
CN117200461A (zh) * | 2023-11-07 | 2023-12-08 | 东方电子股份有限公司 | 一种基于历史数据的全要素调节电网调度方法 |
CN117709717A (zh) * | 2023-12-13 | 2024-03-15 | 北京浩然五洲软件技术有限公司 | 一种电力计量数据的安全风险评估方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019237492A1 (zh) * | 2018-06-13 | 2019-12-19 | 山东科技大学 | 一种基于半监督学习的异常用电用户检测方法 |
CN110634080A (zh) * | 2018-06-25 | 2019-12-31 | 中兴通讯股份有限公司 | 异常用电检测方法、装置、设备及计算机可读存储介质 |
CN111178396A (zh) * | 2019-12-12 | 2020-05-19 | 国网北京市电力公司 | 用电异常用户的识别方法及装置 |
CN111738348A (zh) * | 2020-06-29 | 2020-10-02 | 南方电网科学研究院有限责任公司 | 一种电力数据异常检测方法和装置 |
-
2020
- 2020-12-14 CN CN202011465945.2A patent/CN112560940A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019237492A1 (zh) * | 2018-06-13 | 2019-12-19 | 山东科技大学 | 一种基于半监督学习的异常用电用户检测方法 |
CN110634080A (zh) * | 2018-06-25 | 2019-12-31 | 中兴通讯股份有限公司 | 异常用电检测方法、装置、设备及计算机可读存储介质 |
CN111178396A (zh) * | 2019-12-12 | 2020-05-19 | 国网北京市电力公司 | 用电异常用户的识别方法及装置 |
CN111738348A (zh) * | 2020-06-29 | 2020-10-02 | 南方电网科学研究院有限责任公司 | 一种电力数据异常检测方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114363082A (zh) * | 2022-01-12 | 2022-04-15 | 平安普惠企业管理有限公司 | 网络攻击检测方法、装置、设备及计算机可读存储介质 |
CN114363082B (zh) * | 2022-01-12 | 2024-05-03 | 南昌首页科技股份有限公司 | 网络攻击检测方法、装置、设备及计算机可读存储介质 |
CN115587221A (zh) * | 2022-11-10 | 2023-01-10 | 北京志翔科技股份有限公司 | 用电数据图谱的生成方法、装置和电子设备 |
CN117200461A (zh) * | 2023-11-07 | 2023-12-08 | 东方电子股份有限公司 | 一种基于历史数据的全要素调节电网调度方法 |
CN117200461B (zh) * | 2023-11-07 | 2024-03-01 | 东方电子股份有限公司 | 一种基于历史数据的全要素调节电网调度方法 |
CN117709717A (zh) * | 2023-12-13 | 2024-03-15 | 北京浩然五洲软件技术有限公司 | 一种电力计量数据的安全风险评估方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112560940A (zh) | 一种用电异常检测方法、装置、设备和存储介质 | |
CN114298863B (zh) | 一种智能抄表终端的数据采集方法及*** | |
CN111199018B (zh) | 异常数据检测方法、装置、存储介质及电子设备 | |
CN109447496B (zh) | 窃电行为判定方法及终端设备 | |
CN109374063B (zh) | 一种基于集群管理的变压器异常检测方法、装置和设备 | |
CN113032454A (zh) | 基于云计算的交互式用户用电异常监测预警管理云平台 | |
CN116125361B (zh) | 电压互感器误差评估方法、***、电子设备及存储介质 | |
CN106612216A (zh) | 网站访问异常的检测方法及装置 | |
CN106327230B (zh) | 一种异常用户检测方法及设备 | |
CN112650608B (zh) | 异常根因定位方法以及相关装置、设备 | |
CN114252694A (zh) | 用于监测电气***中的能量相关数据的***和方法 | |
CN107944721A (zh) | 一种通用的基于数据挖掘的机器学习方法、装置以及*** | |
CN116882804A (zh) | 一种智能电力监控方法及*** | |
CN108009063A (zh) | 一种电子设备故障阈值检测的方法 | |
CN114996258A (zh) | 一种基于数据仓库的接触网故障诊断方法 | |
CN110826859A (zh) | 一种基于日电量远程识别用户用电性质的方法及*** | |
CN117076894B (zh) | 供应链风险全过程监测防控管理方法及管理*** | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的***和方法 | |
CN108009582A (zh) | 一种电子设备标准工作指标设置的方法 | |
CN116714469A (zh) | 充电桩健康监测方法、装置、终端及存储介质 | |
CN115358336A (zh) | 用电异常检测方法、装置及电子设备 | |
CN113269478B (zh) | 一种基于多模型的集中器异常数据提醒方法及*** | |
CN112986884B (zh) | 用户计量倍率档案校验方法及*** | |
CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
CN114757482A (zh) | 用户组电量使用趋势的分析方法、***、设备和介质 |
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 |