CN112925827B - 一种基于电力采集物联数据的用户性质异常分析方法 - Google Patents
一种基于电力采集物联数据的用户性质异常分析方法 Download PDFInfo
- Publication number
- CN112925827B CN112925827B CN202110238552.6A CN202110238552A CN112925827B CN 112925827 B CN112925827 B CN 112925827B CN 202110238552 A CN202110238552 A CN 202110238552A CN 112925827 B CN112925827 B CN 112925827B
- Authority
- CN
- China
- Prior art keywords
- electricity consumption
- user
- stage
- electricity
- electric 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 10
- 230000005611 electricity Effects 0.000 claims abstract description 51
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 238000005065 mining Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 18
- 230000005856 abnormality Effects 0.000 claims description 8
- 230000006399 behavior Effects 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于电力采集物联数据的用户性质异常分析方法,属于互联网技术领域。包括步骤1:选取某地区用户分钟级用采信息;步骤2:以m小时作为一个阶段,将一日划分为z个阶段,z=24/m;步骤3:各阶段中每k分钟用电量作为一个数值样,各阶段中60m/k个数值样的平均值作为该阶段的阶段值;步骤4:计算各用户用电的纯粹度Purity和用电电量曲线的波动度Volatility;步骤5:通过各用户用电的纯粹度和用电电量曲线的波动度筛选出用电性质异常的用户;步骤6:通过实际走访确认用电性质异常的用户。本发明可以很容易识别出一些用户性质异常,如民电商用、群租用电等违规行为。
Description
技术领域
本发明涉及一种基于电力采集物联数据的用户性质异常分析方法,属于互联网技术领域。
背景技术
物联网被称为继互联网和移动通信网之后的第三次信息产业浪潮,它能够实现物与物、人与物的广泛连接。近些年物联网发展迅猛,正加速渗透到生产、消费和社会管理等各领域,设备规模呈现爆发性增长趋势,已经逐步渗透到人们生产生活的方方面面,为人们及时了解自己周围环境以及辅助日常工作带来便利。
在电力物联传感采集设备的数据应用中,现在亟待解决数据应用的问题,电力行业中海量数据采集、存储、展示已经逐步开展,但数据如何用,如何从数据本身发现数据的价值,是物联数据采集之后的一个关键性问题。解决了数据采集与价值兑现的闭环才可以进一步推动业务数字化、服务化、产业化,打造能源数字新生态。
目前各地省网公司逐步开展了分钟级电力物联数据采集,希望通过提高采集频率与采集内容来提升电网***对用户用电行为的感知能力,特别用户性质异常的分析能力。现在确实缺少分钟级数据与用户性质异常的行为分析能力,亟待解决。
发明内容
本发明的目的在于,克服现有技术中存在的问题,提供一种基于电力采集物联数据的用户性质异常分析方法,可以很容易识别出一些用户性质异常,如民电商用、群租用电等违规行为。
本发明的一种基于电力采集物联数据的用户性质异常分析方法,包括如下步骤:
步骤1:选取某地区用户分钟级用采信息;
步骤2:以m小时作为一个阶段,将一日划分为z个阶段,z=24/m;
步骤3:各阶段中每k分钟用电量作为一个数值样,各阶段中60m/k个数值样的平均值作为该阶段的阶段值;
步骤4:计算各用户用电的纯粹度Purity和用电电量曲线的波动度Volatility;
步骤5:通过各用户用电的纯粹度Purity和用电电量曲线的波动度Volatility筛选出用电性质异常的用户;
步骤6:通过实际走访确认用电性质异常的用户。
进一步的,所述用户用电的纯粹度式中:E为一段采集周期内的平均每日用电量,N为平均每日使用电器数量。
进一步的,N>10时,开始计算Purity。
进一步的,平均每日使用电器数量N的计算方式如下:N的初始值设为0,当分钟级功率差ΔP>Pt时,则表示有其他电器开启,此时用N+1迭代原来的N,Pt为设置的电器功率识别阈值。
进一步的,所述用电电量曲线的波动度Volatility表示用户用电电量在每天24×60/k个时段中的波动情况,计算方式如下:
式中,Xi为第i个阶段的阶段值与日平均阶段值的差值,i为1至z的正整数,αi为第i个阶段的重要性参考系数。
进一步的,所述日平均阶段值的计算方法为:日平均阶段值=整日用电总量/z。
进一步的,步骤1中,用户分钟级用采信息包括分钟级采集的功率和k分钟电量信息。
进一步的,m=2,k=15。
进一步的,第i个阶段的重要性参考系数αi设置为(1,1,1.5,2,1.5,2,0.5,0.5,0.5,0.5,0.5,1),第一个时段指0:00-2:00时,以此顺延。
进一步的,电器功率识别阈值Pt设定为200W,当用户用电的纯粹度Purity超过0.03,并且用电电量曲线的波动度Volatility低于0.6时认定为用电性质异常的用户。
本发明的有益效果是:1、只需要知道分钟级采集的功率和15分钟电量信息就可以进行数据挖掘;无异常复杂的计算过程,简单快捷;政府、电力相关单位,无需上门入户调研就能发现用户属性类违规用电行为;只需上门确认即可,极大的节省了人力成本和时间成本;
2、识别准确率高,通用性强;
3、可以对违规用户进行高效精准识别,将海量电力用户聚焦到少数异常用户范围,大幅度降低现场网格员的现场排查工作强度;
4、可以依据区域性用电行为进行差异化加权,通用性强。
附图说明
图1为本发明的流程图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
如图1所示,本发明的一种基于电力采集物联数据的用户性质异常分析方法,包括如下步骤:
步骤1:选取某地区用户分钟级用采信息;
步骤2:以2小时作为一个阶段,将一日划分为12个阶段;
步骤3:各阶段中每15分钟用电量作为一个数值样,各阶段中8个数值样的平均值作为该阶段的阶段值;
步骤4:计算各用户用电的纯粹度Purity和用电电量曲线的波动度Volatility;用户用电的纯粹度式中:E为一段采集周期内的平均每日用电量,N为平均每日使用电器数量。N>10时,开始计算Purity;平均每日使用电器数量N的计算方式如下:N的初始值设为0,当分钟级功率差ΔP>Pt时,则表示有其他电器开启,此时用N+1迭代原来的N,Pt为设置的电器功率识别阈值。用电电量曲线的波动度Volatility表示用户用电电量在每天96个时段中的波动情况,计算方式如下:/>式中,Xi为第i个阶段的阶段值与日平均阶段值的差值,i为1至12的正整数,αi为第i个阶段的重要性参考系数,αi设置为(1,1,1.5,2,1.5,2,0.5,0.5,0.5,0.5,0.5,1),第一个时段指0:00-2:00时,以此顺延;日平均阶段值=整日用电总量/12。
步骤5:通过各用户用电的纯粹度Purity和用电电量曲线的波动度Volatility筛选出用电性质异常的用户,电器功率识别阈值Pt设定为200W,当用户用电的纯粹度Purity超过0.03,并且用电电量曲线的波动度Volatility低于0.6时认定为用电性质异常的用户;
步骤6:通过实际走访确认用电性质异常的用户。结果如下表所示:
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (7)
1.一种基于电力采集物联数据的用户性质异常分析方法,其特征在于,包括如下步骤:
步骤1:选取某地区用户分钟级用采信息;
步骤2:以m小时作为一个阶段,将一日划分为z个阶段,z=24/m;
步骤3:各阶段中每k分钟用电量作为一个数值样,各阶段中60m/k个数值样的平均值作为该阶段的阶段值;
步骤4:计算各用户用电的纯粹度Purity和用电电量曲线的波动度Volatility;
步骤5:通过各用户用电的纯粹度Purity和用电电量曲线的波动度Volatility筛选出用电性质异常的用户;
步骤6:通过实际走访确认用电性质异常的用户;
所述用户用电的纯粹度式中:E为一段采集周期内的平均每日用电量,N为平均每日使用电器数量;
所述用电电量曲线的波动度Volatility表示用户用电电量在每天24×60/k个时段中的波动情况,波动度计算方式如下:
式中,Xi为第i个阶段的阶段值与日平均阶段值的差值,i为1至z的正整数,αi为第i个阶段的重要性参考系数;所述日平均阶段值的计算方法为:日平均阶段值=整日用电总量/z。
2.根据权利要求1所述的一种基于电力采集物联数据的用户性质异常分析方法,其特征在于:N>10时,开始计算Purity。
3.根据权利要求2述的一种基于电力采集物联数据的用户性质异常分析方法,其特征在于:平均每日使用电器数量N的计算方式如下:N的初始值设为0,当分钟级功率差ΔP>Pt时,则表示有其他电器开启,此时用N+1迭代原来的N,Pt为设置的电器功率识别阈值。
4.根据权利要求1所述的一种基于电力采集物联数据的用户性质异常分析方法,其特征在于:步骤1中,用户分钟级用采信息包括分钟级采集的功率和k分钟电量信息。
5.根据权利要求3所述的一种基于电力采集物联数据的用户性质异常分析方法,其特征在于:m=2,k=15。
6.根据权利要求5的一种基于电力采集物联数据的用户性质异常分析方法,其特征在于:第i个阶段的重要性参考系数αi设置为
(1,1,1.5,2,1.5,2,0.5,0.5,0.5,0.5,0.5,1),第一个时段指0:00-2:00时,以此顺延。
7.根据权利要求3所述的一种基于电力采集物联数据的用户性质异常分析方法,其特征在于:电器功率识别阈值Pt设定为200W,当用户用电的纯粹度Purity超过0.03,并且用电电量曲线的波动度Volatility低于0.6时认定为用电性质异常的用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110238552.6A CN112925827B (zh) | 2021-03-04 | 2021-03-04 | 一种基于电力采集物联数据的用户性质异常分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110238552.6A CN112925827B (zh) | 2021-03-04 | 2021-03-04 | 一种基于电力采集物联数据的用户性质异常分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112925827A CN112925827A (zh) | 2021-06-08 |
CN112925827B true CN112925827B (zh) | 2024-05-10 |
Family
ID=76173251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110238552.6A Active CN112925827B (zh) | 2021-03-04 | 2021-03-04 | 一种基于电力采集物联数据的用户性质异常分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112925827B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115563193B (zh) * | 2022-12-08 | 2023-03-10 | 陕西通信规划设计研究院有限公司 | 一种用于数字信息的大数据分析处理方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130092199A (ko) * | 2012-02-10 | 2013-08-20 | 한국전력공사 | 비정상 전력사용 검출 장치 및 방법 |
CN109636667A (zh) * | 2018-12-07 | 2019-04-16 | 国网江苏省电力有限公司扬州供电分公司 | 一种基于用户周用电特征的低压用户用电异常检测方法 |
CN110309884A (zh) * | 2019-07-05 | 2019-10-08 | 国网四川省电力公司经济技术研究院 | 基于泛在电力物联网体系的用电数据异常识别*** |
CN110412347A (zh) * | 2019-08-12 | 2019-11-05 | 贵州电网有限责任公司 | 一种基于非侵入式负荷监测的窃电行为识别方法与装置 |
CN111177208A (zh) * | 2019-10-18 | 2020-05-19 | 姚长征 | 基于大数据分析的用电异常检测方法 |
CN111310120A (zh) * | 2020-02-14 | 2020-06-19 | 广东电网有限责任公司 | 基于大数据的异常用电用户识别方法、装置、终端和介质 |
CN112381433A (zh) * | 2020-11-20 | 2021-02-19 | 昆明电力交易中心有限责任公司 | 一种实用的面向现货市场结算的电量数据处理方法 |
CN112396275A (zh) * | 2019-08-19 | 2021-02-23 | 中移物联网有限公司 | 用电监控方法、***以及计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180231603A1 (en) * | 2017-02-15 | 2018-08-16 | Abhay Gupta | Systems and Methods for Detecting Occurence of an Event in a Household Environment |
-
2021
- 2021-03-04 CN CN202110238552.6A patent/CN112925827B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130092199A (ko) * | 2012-02-10 | 2013-08-20 | 한국전력공사 | 비정상 전력사용 검출 장치 및 방법 |
CN109636667A (zh) * | 2018-12-07 | 2019-04-16 | 国网江苏省电力有限公司扬州供电分公司 | 一种基于用户周用电特征的低压用户用电异常检测方法 |
CN110309884A (zh) * | 2019-07-05 | 2019-10-08 | 国网四川省电力公司经济技术研究院 | 基于泛在电力物联网体系的用电数据异常识别*** |
CN110412347A (zh) * | 2019-08-12 | 2019-11-05 | 贵州电网有限责任公司 | 一种基于非侵入式负荷监测的窃电行为识别方法与装置 |
CN112396275A (zh) * | 2019-08-19 | 2021-02-23 | 中移物联网有限公司 | 用电监控方法、***以及计算机可读存储介质 |
CN111177208A (zh) * | 2019-10-18 | 2020-05-19 | 姚长征 | 基于大数据分析的用电异常检测方法 |
CN111310120A (zh) * | 2020-02-14 | 2020-06-19 | 广东电网有限责任公司 | 基于大数据的异常用电用户识别方法、装置、终端和介质 |
CN112381433A (zh) * | 2020-11-20 | 2021-02-19 | 昆明电力交易中心有限责任公司 | 一种实用的面向现货市场结算的电量数据处理方法 |
Non-Patent Citations (2)
Title |
---|
"基于大数据的用电异常分析";陈石东 等;《电力仪器仪表》;20170505(第5期);第44-45页 * |
"基于密度聚类技术的电力***用电量异常分析算法";田力 等;《电力***自动化》;20170310;第41卷(第5期);第64-70页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112925827A (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111506618B (zh) | 一种结合lightgbm-stacking算法的异常用电行为分析方法 | |
CN108898248B (zh) | 电力负荷影响因素量化分析方法、装置、设备及介质 | |
CN111582568A (zh) | 基于电力数据的春节期间企业复工预测方法 | |
CN114004296A (zh) | 一种基于电力负荷特征反向提取监测点的方法及*** | |
CN112925827B (zh) | 一种基于电力采集物联数据的用户性质异常分析方法 | |
CN116796403A (zh) | 一种基于商业建筑综合能耗预测的建筑节能方法 | |
CN109142830A (zh) | 基于用电信息采集***大数据的窃电检测方法 | |
CN116402187A (zh) | 一种基于电力大数据的企业排污预测方法 | |
CN110750760A (zh) | 一种基于态势感知和控制图的异常理论线损检测方法 | |
Lin et al. | The data mining application in the power quality monitoring data analysis | |
CN111199014B (zh) | 一种基于时间序列的seq2point的NILM方法及装置 | |
Lin et al. | Voltage sag severity analysis based on improved FP-Growth algorithm and AHP algorithm | |
CN111861121A (zh) | 基于用户电量波动与线损波动分析的异常用电判定方法 | |
CN115936482A (zh) | 一种基于用电数据的低压配电网电能质量分析方法 | |
CN114355004A (zh) | 一种基于编码相关性的中压反窃电分析方法 | |
CN110277835B (zh) | 一种基于用电信息采集***的低压用户过电压风险监测方法 | |
CN114066219A (zh) | 一种关联矩阵下用电异常点智能识别的窃电分析方法 | |
CN109615558B (zh) | 一种基于用电参数大数据统计的用户用电习惯分析方法 | |
Yanhui et al. | Forecasting hourly electricity demand with nonparametric functional data analysis | |
CN112816774B (zh) | 一种基于大数据的窃电排查方法 | |
CN104809584A (zh) | 变电站巡维方法和*** | |
Shi et al. | The Load Portrait Method for Urban Substation Based on Clustering | |
Drechny | The method of consumers identification based on compressed power load profiles | |
Lin et al. | Estimating the Cooling-induced Electricity Demand at Industry and City-level | |
CN113723775B (zh) | 一种基于电力大数据的企业及行业运营风险的评估方法 |
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 |