CN113884734A - 一种非侵入式用电异常诊断方法及装置 - Google Patents
一种非侵入式用电异常诊断方法及装置 Download PDFInfo
- Publication number
- CN113884734A CN113884734A CN202111258089.8A CN202111258089A CN113884734A CN 113884734 A CN113884734 A CN 113884734A CN 202111258089 A CN202111258089 A CN 202111258089A CN 113884734 A CN113884734 A CN 113884734A
- Authority
- CN
- China
- Prior art keywords
- characteristic curve
- load characteristic
- historical
- sub
- user
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000005611 electricity Effects 0.000 title claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims description 41
- 230000005856 abnormality Effects 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000001514 detection method Methods 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000002354 daily effect Effects 0.000 description 36
- 230000006870 function Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000010224 classification analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R11/00—Electromechanical arrangements for measuring time integral of electric power or current, e.g. of consumption
- G01R11/02—Constructional details
- G01R11/24—Arrangements for avoiding or indicating fraudulent use
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本申请公开了一种非侵入式用电异常诊断方法及装置,方法包括:根据获取到的每个用户当天的每类负荷的日负荷数据绘制日负荷特性曲线;将日负荷特性曲线与预设历史负荷特性曲线进行相似性计算,得到相似结果,预设历史负荷特性曲线包括历史月平均负荷特性曲线、历史年平均负荷特性曲线和历史典型日负荷负荷特性曲线;根据相似结果和阈值进行用电异常诊断分析,得到异常诊断结果。本申请能够解决现有的检测技术准确度较低,且无法辨识具体的负荷类型,导致检测结果缺乏可靠性的技术问题。
Description
技术领域
本申请涉及负荷识别技术领域,尤其涉及一种非侵入式用电异常诊断方法及装置。
背景技术
长期以来,电力作为一种标准化的产品进行计量计费,电力公司提供给用户的账单仅能反映用了多少电,无法做到及时监控用户各类设备用电情况的分类分析并主动提醒客户,随着客户的需求越来越高,电力公司迫切需要掌握用户用电情况,及时主动为用户发现用电异常。
现有的非侵入式用电异常的检测技术可以直接通过用电量进行笼统筛选,然后进行异常提醒,但是这种方法的可靠性较差,筛选精度较低,且无法判别具体的异常负荷类型;另外还有一种智能插座,能够发现***的设备是否用电异常,例如未关的灯,但是该插座不仅成本高,而且仅能提示,并不能给予准确的负荷类型辨识,无法提供可靠的理论支撑。
发明内容
本申请提供了一种非侵入式用电异常诊断方法及装置,用于解决现有的检测技术准确度较低,且无法辨识具体的负荷类型,导致检测结果缺乏可靠性的技术问题。
有鉴于此,本申请第一方面提供了一种非侵入式用电异常诊断方法,包括:
根据获取到的每个用户当天的每类负荷的日负荷数据绘制日负荷特性曲线;
将所述日负荷特性曲线与预设历史负荷特性曲线进行相似性计算,得到相似结果,所述预设历史负荷特性曲线包括历史月平均负荷特性曲线、历史年平均负荷特性曲线和历史典型日负荷负荷特性曲线;
根据所述相似结果和阈值进行用电异常诊断分析,得到异常诊断结果。
优选地,所述根据获取到的每个用户当天的每类负荷的日负荷数据绘制日负荷特性曲线,之前还包括:
根据用户类型和用户用电量将所有用户进行类别划分,得到用户分类分布矩阵。
优选地,所述将所述日负荷特性曲线与预设历史负荷特性曲线进行相似性计算,得到相似结果,包括:
将所述日负荷特性曲线分别与历史月平均负荷特性曲线、历史年平均负荷特性曲线和历史典型日负荷负荷特性曲线进行相似性计算,得到多个子相似结果,所述相似结果包括多个所述子相似结果。
优选地,所述根据所述相似结果和阈值进行用电异常诊断分析,得到异常诊断结果,包括:
将所述子相似结果分别与对应的子阈值一一进行比对;
若存在两个或者两个以上的所述子相似结果小于对应的所述子阈值,则判定异常诊断结果为异常用电状态,否则,所述异常诊断结果为正常用电状态,所述阈值包括多个所述子阈值。
优选地,所述根据所述相似结果和阈值进行用电异常诊断分析,得到异常诊断结果,之后还包括:
在所述异常诊断结果为异常用电状态时,向用户推送异常用电提示,所述推送的形式包括APP、小程序和短信。
本申请第二方面提供了一种非侵入式用电异常诊断装置,包括:
曲线绘制模块,用于根据获取到的每个用户当天的每类负荷的日负荷数据绘制日负荷特性曲线;
相似计算模块,用于将所述日负荷特性曲线与预设历史负荷特性曲线进行相似性计算,得到相似结果,所述预设历史负荷特性曲线包括历史月平均负荷特性曲线、历史年平均负荷特性曲线和历史典型日负荷负荷特性曲线;
诊断分析模块,用于根据所述相似结果和阈值进行用电异常诊断分析,得到异常诊断结果。
优选地,还包括:
用户分类模块,用于根据用户类型和用户用电量将所有用户进行类别划分,得到用户分类分布矩阵。
优选地,所述相似计算模块,具体用于:
将所述日负荷特性曲线分别与历史月平均负荷特性曲线、历史年平均负荷特性曲线和历史典型日负荷负荷特性曲线进行相似性计算,得到多个不同的子相似结果,所述相似结果包括多个所述子相似结果。
优选地,所述诊断分析模块,具体用于:
将所述子相似结果分别与对应的子阈值一一进行比对;
若存在两个或者两个以上的所述子相似结果小于对应的所述子阈值,则判定异常诊断结果为异常用电状态,否则,所述异常诊断结果为正常用电状态,所述阈值包括多个所述子阈值。
优选地,还包括:
异常提示模块,用于在所述异常诊断结果为异常用电状态时,向用户推送异常用电提示,所述推送的形式包括APP、小程序和短信。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请中,提供了一种非侵入式用电异常诊断方法,包括:根据获取到的每个用户当天的每类负荷的日负荷数据绘制日负荷特性曲线;将日负荷特性曲线与预设历史负荷特性曲线进行相似性计算,得到相似结果,预设历史负荷特性曲线包括历史月平均负荷特性曲线、历史年平均负荷特性曲线和历史典型日负荷负荷特性曲线;根据相似结果和阈值进行用电异常诊断分析,得到异常诊断结果。
本申请提供的非侵入式用电异常诊断方法,针对不同类型的负荷进行异常检测分析,能够辨识每类负荷的用电情况,作出更具有针对性的检测;通过将当天的负荷特性与历史负荷特性进行比对的方式确定每类负荷当天的用电情况;为了确保相似结果的准确性,预设历史负荷特性曲线选取了多种不同的代表曲线;根据此方法得到的相似结果进行用电异常分析,使得异常诊断结果更加可靠。因此,本申请能够解决现有的检测技术准确度较低,且无法辨识具体的负荷类型,导致检测结果缺乏可靠性的技术问题。
附图说明
图1为本申请实施例提供的一种非侵入式用电异常诊断方法的流程示意图;
图2为本申请实施例提供的一种非侵入式用电异常诊断装置的结构示意图;
图3为本申请应用例提供的一种非侵入式用电异常诊断***结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
非侵入式负荷识别技术属于客户侧泛在电力物联网重要技术之一,它是一种在电力负荷输入线路端获取负荷数据(电压、电流),采用模式识别算法,通过解析稳态和暂态下的负荷特征量,分解用户用电负荷成分并识别电网末端的用电状况,从而实现客户侧用电负荷的类型识别及用能分解。
为了便于理解,请参阅图1,本申请提供的一种非侵入式用电异常诊断方法的实施例,包括:
步骤101、根据获取到的每个用户当天的每类负荷的日负荷数据绘制日负荷特性曲线。
每个用户的每种类别的负荷,即电器都可以获取到对应的日负荷数据,绘制曲线需要多个数据点,因此,可以按照每天每15分钟一个点进行数据采集,进而根据这些数据点绘制日负荷特性曲线;也可以设置其他时间间隔,合理即可。一般负荷数据指的是电流、电压或者功率等数据;不同的电器在用电时的负荷数据呈现不同的变化。
进一步地,步骤101,之前还包括:
根据用户类型和用户用电量将所有用户进行类别划分,得到用户分类分布矩阵。
对用户进行分类能够把握负荷特性曲线的类别,关于管理各个用户的负荷数据。用户类型一般可以包括上班族用户、居家用户和度假用户等,而用电量则可以直接通过计量表统计得到。用户分类分布矩阵中可以确定每个用户的占位。
步骤102、将日负荷特性曲线与预设历史负荷特性曲线进行相似性计算,得到相似结果,预设历史负荷特性曲线包括历史月平均负荷特性曲线、历史年平均负荷特性曲线和历史典型日负荷负荷特性曲线。
进一步地,步骤102,包括:
将日负荷特性曲线分别与历史月平均负荷特性曲线、历史年平均负荷特性曲线和历史典型日负荷负荷特性曲线进行相似性计算,得到多个子相似结果,相似结果包括多个子相似结果。
若日负荷特性曲线通过(x1,x2,......,xi)数据点表示,而其他的预设历史负荷特性曲线采用(θ1,θ2,......,θi)数据点表示,那么相似性计算可以采用如下公式:
其中,ε为相似结果。日负荷特性曲线与每一个特性曲线均可计算得到一个相似值,即子相似结果,共同构成相似结果。
步骤103、根据相似结果和阈值进行用电异常诊断分析,得到异常诊断结果。
进一步地,步骤103,包括:
将子相似结果分别与对应的子阈值一一进行比对;
若存在两个或者两个以上的子相似结果小于对应的子阈值,则判定异常诊断结果为异常用电状态,否则,异常诊断结果为正常用电状态,阈值包括多个子阈值。
由于存在多个子相似结果,所以相似值与对应子阈值比较后就存在多个比较结果,所以设置了比对机制,只要存在两个或者两个以上的小于子阈值的情况,就判定当天的日负荷特性曲线变动较大,说明出现用电异常的可能性较大,得到对应的异常诊断结果;若是只有一个比对结果低于子阈值,则有可能是正常用电的波动,为了避免误判,则不归入用电异常中。子阈值可以根据不同的曲线性质进行设定,要符合实际情况。
进一步地,步骤103,之后还包括:
在异常诊断结果为异常用电状态时,向用户推送异常用电提示,推送的形式包括APP、小程序和短信。
将用电异常通知用户,可以帮助用户对家用电器进行监测,避免因用电异常导致更大的财产人身损失,一般是大功率用电器未及时断电,或者其他类型的负荷加入,影响正常用电。推送的消息可以通过APP、小程序和短信通知外,具体可以由用户选择定制,或者还可以通过其他形式推送,在此不作限定。
为了便于理解,本申请提供一种非侵入式用电异常诊断***的应用例,该***包括具有非侵入式负荷识别功能的智能电表、带边缘计算功能的计量终端、计量自动化***和用户互动终端,请参阅图3。具有非侵入式负荷识别功能的智能电表可以通过不同电器的谐波电流、电压、功率等负荷数据对电器种类进行识别,即负荷识别,电器识别类型有空调、短时电热、电热水器、微波炉、洗衣机和电冰箱等主要的家用电器。带边缘计算功能的计量终端则是对各个带非侵入式负荷识别功能的智能电表采集的用电数据进行汇集,按照数据规约转换数据形式后,上传至计量自动化主站。计量自动化主站指的是智能电表数据采集处理的大数据平台,其特征是对用户用电数据进行存储和大数据处理。用户互动终端通过获取计量自动化***数据,向用户直接进行信息交互,交互方式主要有手机专用APP、小程序、短信等形式等。而用户互动终端还可以将用户对不准确负荷数据的反馈发送回计量自动化主站,便于计量自动化主站更新调整数据。此外,带边缘计算的计量功能终端还负责训练负荷识别框架的维护工作,接收计量自动化主站下发的负荷识别框架,并负责存储及下发至具有非侵入式负荷识别功能的智能电表,通常一个带边缘计算的计量终端最多可以接入2000个。
本申请实施例提供的非侵入式用电异常诊断方法,针对不同类型的负荷进行异常检测分析,能够辨识每类负荷的用电情况,作出更具有针对性的检测;通过将当天的负荷特性与历史负荷特性进行比对的方式确定每类负荷当天的用电情况;为了确保相似结果的准确性,预设历史负荷特性曲线选取了多种不同的代表曲线;根据此方法得到的相似结果进行用电异常分析,使得异常诊断结果更加可靠。因此,本申请实施例能够解决现有的检测技术准确度较低,且无法辨识具体的负荷类型,导致检测结果缺乏可靠性的技术问题。
为了便于理解,请参阅图2,本申请提供了一种非侵入式用电异常诊断装置的实施例,包括:
曲线绘制模块201,用于根据获取到的每个用户当天的每类负荷的日负荷数据绘制日负荷特性曲线;
相似计算模块202,用于将日负荷特性曲线与预设历史负荷特性曲线进行相似性计算,得到相似结果,预设历史负荷特性曲线包括历史月平均负荷特性曲线、历史年平均负荷特性曲线和历史典型日负荷负荷特性曲线;
诊断分析模块203,用于根据相似结果和阈值进行用电异常诊断分析,得到异常诊断结果。
进一步地,还包括:
用户分类模块204,用于根据用户类型和用户用电量将所有用户进行类别划分,得到用户分类分布矩阵。
进一步地,相似计算模块202,具体用于:
将日负荷特性曲线分别与历史月平均负荷特性曲线、历史年平均负荷特性曲线和历史典型日负荷负荷特性曲线进行相似性计算,得到多个不同的子相似结果,相似结果包括多个子相似结果。
进一步地,诊断分析模块203,具体用于:
将子相似结果分别与对应的子阈值一一进行比对;
若存在两个或者两个以上的子相似结果小于对应的子阈值,则判定异常诊断结果为异常用电状态,否则,异常诊断结果为正常用电状态,阈值包括多个子阈值。
进一步地,还包括:
异常提示模块205,用于在异常诊断结果为异常用电状态时,向用户推送异常用电提示,推送的形式包括APP、小程序和短信。
在本申请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,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,在本申请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,包括若干指令用以通过一台计算机设备(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(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:RandomAccess Memory,英文缩写:RAM)、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申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种非侵入式用电异常诊断方法,其特征在于,包括:
根据获取到的每个用户当天的每类负荷的日负荷数据绘制日负荷特性曲线;
将所述日负荷特性曲线与预设历史负荷特性曲线进行相似性计算,得到相似结果,所述预设历史负荷特性曲线包括历史月平均负荷特性曲线、历史年平均负荷特性曲线和历史典型日负荷负荷特性曲线;
根据所述相似结果和阈值进行用电异常诊断分析,得到异常诊断结果。
2.根据权利要求1所述的非侵入式用电异常诊断方法,其特征在于,所述根据获取到的每个用户当天的每类负荷的日负荷数据绘制日负荷特性曲线,之前还包括:
根据用户类型和用户用电量将所有用户进行类别划分,得到用户分类分布矩阵。
3.根据权利要求1所述的非侵入式用电异常诊断方法,其特征在于,所述将所述日负荷特性曲线与预设历史负荷特性曲线进行相似性计算,得到相似结果,包括:
将所述日负荷特性曲线分别与历史月平均负荷特性曲线、历史年平均负荷特性曲线和历史典型日负荷负荷特性曲线进行相似性计算,得到多个子相似结果,所述相似结果包括多个所述子相似结果。
4.根据权利要求3所述的非侵入式用电异常诊断方法,其特征在于,所述根据所述相似结果和阈值进行用电异常诊断分析,得到异常诊断结果,包括:
将所述子相似结果分别与对应的子阈值一一进行比对;
若存在两个或者两个以上的所述子相似结果小于对应的所述子阈值,则判定异常诊断结果为异常用电状态,否则,所述异常诊断结果为正常用电状态,所述阈值包括多个所述子阈值。
5.根据权利要求1所述的非侵入式用电异常诊断方法,其特征在于,所述根据所述相似结果和阈值进行用电异常诊断分析,得到异常诊断结果,之后还包括:
在所述异常诊断结果为异常用电状态时,向用户推送异常用电提示,所述推送的形式包括APP、小程序和短信。
6.一种非侵入式用电异常诊断装置,其特征在于,包括:
曲线绘制模块,用于根据获取到的每个用户当天的每类负荷的日负荷数据绘制日负荷特性曲线;
相似计算模块,用于将所述日负荷特性曲线与预设历史负荷特性曲线进行相似性计算,得到相似结果,所述预设历史负荷特性曲线包括历史月平均负荷特性曲线、历史年平均负荷特性曲线和历史典型日负荷负荷特性曲线;
诊断分析模块,用于根据所述相似结果和阈值进行用电异常诊断分析,得到异常诊断结果。
7.根据权利要求6所述的非侵入式用电异常诊断装置,其特征在于,还包括:
用户分类模块,用于根据用户类型和用户用电量将所有用户进行类别划分,得到用户分类分布矩阵。
8.根据权利要求6所述的非侵入式用电异常诊断装置,其特征在于,所述相似计算模块,具体用于:
将所述日负荷特性曲线分别与历史月平均负荷特性曲线、历史年平均负荷特性曲线和历史典型日负荷负荷特性曲线进行相似性计算,得到多个不同的子相似结果,所述相似结果包括多个所述子相似结果。
9.根据权利要求8所述的非侵入式用电异常诊断装置,其特征在于,所述诊断分析模块,具体用于:
将所述子相似结果分别与对应的子阈值一一进行比对;
若存在两个或者两个以上的所述子相似结果小于对应的所述子阈值,则判定异常诊断结果为异常用电状态,否则,所述异常诊断结果为正常用电状态,所述阈值包括多个所述子阈值。
10.根据权利要求6所述的非侵入式用电异常诊断装置,其特征在于,还包括:
异常提示模块,用于在所述异常诊断结果为异常用电状态时,向用户推送异常用电提示,所述推送的形式包括APP、小程序和短信。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111258089.8A CN113884734B (zh) | 2021-10-27 | 2021-10-27 | 一种非侵入式用电异常诊断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111258089.8A CN113884734B (zh) | 2021-10-27 | 2021-10-27 | 一种非侵入式用电异常诊断方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113884734A true CN113884734A (zh) | 2022-01-04 |
CN113884734B CN113884734B (zh) | 2024-04-19 |
Family
ID=79014848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111258089.8A Active CN113884734B (zh) | 2021-10-27 | 2021-10-27 | 一种非侵入式用电异常诊断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113884734B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114118302A (zh) * | 2022-01-25 | 2022-03-01 | 全球能源互联网研究院有限公司 | 一种电能表串表识别方法、装置及电子设备 |
CN116660621A (zh) * | 2023-07-27 | 2023-08-29 | 江西琰圭技术服务有限公司 | 一种本地采样分析的防窃电智能管理*** |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030028350A1 (en) * | 2001-06-21 | 2003-02-06 | Seem John E. | Method of intelligent data analysis to detect abnormal use of utilities in buildings |
CN103678766A (zh) * | 2013-11-08 | 2014-03-26 | 国家电网公司 | 一种基于pso算法的异常用电客户检测方法 |
CN107220906A (zh) * | 2017-05-31 | 2017-09-29 | 国网上海市电力公司 | 基于用电采集***的多时间尺度用电异常分析方法 |
CN109726461A (zh) * | 2018-12-21 | 2019-05-07 | 国网山西省电力公司长治供电公司 | 一种基于用户用电数据的用电异常判断方法 |
KR20190050682A (ko) * | 2017-11-03 | 2019-05-13 | 한국과학기술원 | 패턴 태깅 기술 기반 전력 데이터 저장 관리 방법 및 시스템 |
CN110097297A (zh) * | 2019-05-21 | 2019-08-06 | 国网湖南省电力有限公司 | 一种多维度窃电态势智能感知方法、***、设备及介质 |
CN110223196A (zh) * | 2019-06-04 | 2019-09-10 | 国网浙江省电力有限公司电力科学研究院 | 基于典型行业特征库和反窃电样本库的反窃电分析方法 |
CN110988422A (zh) * | 2019-12-19 | 2020-04-10 | 北京中电普华信息技术有限公司 | 一种窃电识别方法、装置及电子设备 |
CN112131441A (zh) * | 2020-09-27 | 2020-12-25 | 国网内蒙古东部电力有限公司 | 一种快速识别用电异常行为的方法及*** |
CN112711616A (zh) * | 2019-10-25 | 2021-04-27 | 广东电网有限责任公司 | 一种基于聚类算法的用户用电特性分析方法 |
CN113033598A (zh) * | 2021-01-20 | 2021-06-25 | 昆明理工大学 | 一种基于曲线相似度和集成学习算法的窃电识别方法 |
CN113112374A (zh) * | 2020-12-21 | 2021-07-13 | 中国计量大学 | 一种基于机器学习算法的空巢用户用电异常检测方法 |
CN113128596A (zh) * | 2021-04-21 | 2021-07-16 | 广东电网有限责任公司汕尾供电局 | 一种窃电检测方法、装置及计算机可读存储介质 |
-
2021
- 2021-10-27 CN CN202111258089.8A patent/CN113884734B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030028350A1 (en) * | 2001-06-21 | 2003-02-06 | Seem John E. | Method of intelligent data analysis to detect abnormal use of utilities in buildings |
CN103678766A (zh) * | 2013-11-08 | 2014-03-26 | 国家电网公司 | 一种基于pso算法的异常用电客户检测方法 |
CN107220906A (zh) * | 2017-05-31 | 2017-09-29 | 国网上海市电力公司 | 基于用电采集***的多时间尺度用电异常分析方法 |
KR20190050682A (ko) * | 2017-11-03 | 2019-05-13 | 한국과학기술원 | 패턴 태깅 기술 기반 전력 데이터 저장 관리 방법 및 시스템 |
CN109726461A (zh) * | 2018-12-21 | 2019-05-07 | 国网山西省电力公司长治供电公司 | 一种基于用户用电数据的用电异常判断方法 |
CN110097297A (zh) * | 2019-05-21 | 2019-08-06 | 国网湖南省电力有限公司 | 一种多维度窃电态势智能感知方法、***、设备及介质 |
CN110223196A (zh) * | 2019-06-04 | 2019-09-10 | 国网浙江省电力有限公司电力科学研究院 | 基于典型行业特征库和反窃电样本库的反窃电分析方法 |
CN112711616A (zh) * | 2019-10-25 | 2021-04-27 | 广东电网有限责任公司 | 一种基于聚类算法的用户用电特性分析方法 |
CN110988422A (zh) * | 2019-12-19 | 2020-04-10 | 北京中电普华信息技术有限公司 | 一种窃电识别方法、装置及电子设备 |
CN112131441A (zh) * | 2020-09-27 | 2020-12-25 | 国网内蒙古东部电力有限公司 | 一种快速识别用电异常行为的方法及*** |
CN113112374A (zh) * | 2020-12-21 | 2021-07-13 | 中国计量大学 | 一种基于机器学习算法的空巢用户用电异常检测方法 |
CN113033598A (zh) * | 2021-01-20 | 2021-06-25 | 昆明理工大学 | 一种基于曲线相似度和集成学习算法的窃电识别方法 |
CN113128596A (zh) * | 2021-04-21 | 2021-07-16 | 广东电网有限责任公司汕尾供电局 | 一种窃电检测方法、装置及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
彭显刚;郑伟钦;林利祥;刘艺;林幕群;: "基于密度聚类和Fréchet判别分析的电价执行稽查方法", 电网技术, vol. 39, no. 11, 5 November 2015 (2015-11-05), pages 3195 - 3201 * |
彭显刚等: "基于密度聚类和Fréchet判别分析的电价执行稽查方法", 电网技术, vol. 39, no. 11, pages 3195 - 3201 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114118302A (zh) * | 2022-01-25 | 2022-03-01 | 全球能源互联网研究院有限公司 | 一种电能表串表识别方法、装置及电子设备 |
CN116660621A (zh) * | 2023-07-27 | 2023-08-29 | 江西琰圭技术服务有限公司 | 一种本地采样分析的防窃电智能管理*** |
CN116660621B (zh) * | 2023-07-27 | 2023-09-26 | 江西琰圭技术服务有限公司 | 一种本地采样分析的防窃电智能管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN113884734B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20120016608A1 (en) | Method and system for monitoring residential appliances | |
CN113884734B (zh) | 一种非侵入式用电异常诊断方法及装置 | |
CN110376429B (zh) | 一种识别家用电器使用状态的方法 | |
TWI386652B (zh) | 辨識電器狀態之方法、系統及電腦程式產品 | |
Hamid et al. | Automatic recognition of electric loads analyzing the characteristic parameters of the consumed electric power through a Non-Intrusive Monitoring methodology | |
CN103853131B (zh) | 电力监控装置及其电力分析方法 | |
CN108964276A (zh) | 支持自动需求响应的用电管控终端和***及负荷辨识方法 | |
Al-Oudat et al. | Iot-based home and community energy management system in Jordan | |
CN103853138B (zh) | 一种基于rfid的无线智能插座的电源管理*** | |
CN114528951A (zh) | 一种配网线路单线图异常诊断分析方法、***及装置 | |
TW201206114A (en) | Method and system for monitoring residential appliances | |
CN110929115B (zh) | 一种基于用电特性的用电安全监测方法及*** | |
CN103353727A (zh) | 基于合金电阻和射频识别的就地综合智能插座 | |
CN102072976B (zh) | 辨识电器状态的方法及*** | |
US10527658B2 (en) | Power monitoring system and method for monitoring power thereof | |
CN113206547A (zh) | 基于非侵入式电力负荷监测的变电站电力分配*** | |
US20170059634A1 (en) | Power monitoring system and method for monitoring power thereof | |
CN112946559A (zh) | 一种基于功率检测的智能电表检测方法 | |
CN108923426B (zh) | 一种负荷识别方法、装置、设备及计算机可读存储介质 | |
CN109389522B (zh) | 一种柔性负荷的能量区块化方法及*** | |
CN115456034A (zh) | 一种电动自行车充电自动识别监测方法及*** | |
CN113269478A (zh) | 一种基于多模型的集中器异常数据提醒方法及*** | |
CN112650788A (zh) | 一种基于非侵入式电表的用电行为监测*** | |
CN102819310B (zh) | 输出端电源管理方法及其装置 | |
CN117590067B (zh) | 节能智能电表及数据分析*** |
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 |