CN115577836A - 基于mcu进行信息采集的方法及装置 - Google Patents

基于mcu进行信息采集的方法及装置 Download PDF

Info

Publication number
CN115577836A
CN115577836A CN202211204428.9A CN202211204428A CN115577836A CN 115577836 A CN115577836 A CN 115577836A CN 202211204428 A CN202211204428 A CN 202211204428A CN 115577836 A CN115577836 A CN 115577836A
Authority
CN
China
Prior art keywords
power consumption
electricity
data information
power
consumption
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
Application number
CN202211204428.9A
Other languages
English (en)
Other versions
CN115577836B (zh
Inventor
陈燕虹
陈汉坤
郭亚楠
柯炜佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Sanzheng Electronics Co ltd
Original Assignee
Shenzhen Sanzheng Electronics Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Sanzheng Electronics Co ltd filed Critical Shenzhen Sanzheng Electronics Co ltd
Priority to CN202211204428.9A priority Critical patent/CN115577836B/zh
Publication of CN115577836A publication Critical patent/CN115577836A/zh
Application granted granted Critical
Publication of CN115577836B publication Critical patent/CN115577836B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了基于MCU进行信息采集的方法及装置，运用于信息采集处理领域；采集用电量的数据信息，判断所述数据信息是否存在预置的用电信息；获取所述第一数据信息对应的用电类别，判断所述用电类别是否符合预设的安全用电活动；若是，则获取所述用电行为产生的具体用电量，并将所述具体用电量与预测用电量进行比对，采集得到比对结果；本发明通过采用MCU对用电量数据进行处理，得到正常有效的用电数据和异常无效的用电数据后，将对应的用电行为进行管控，根据具体用电量对未来的用电量进行预测，并与当前的用电量生成比对结果，有效提高了用电数据据的质量以及电网需求侧管理的有效性。

Description

基于MCU进行信息采集的方法及装置
技术领域
本发明涉及数据采集处理领域，特别涉及为基于MCU进行信息采集的方法及装置。
背景技术
电力大数据是一场变革，它不仅改变了电网、厂商的发展，还改变了电力***今后的运作方式，很多人认为，大数据的主要作用就是帮助电力厂商更准确地了解企业动向，事实上，大数据的功用远不止这些，大数据将在很大程度上影响电力行业的决策和解决方案，与其相辅相成的是，电力行业对大数据的需求，其迫切性也大大超越其他基础能源。
目前全国电网公司大力推广用电信息采集***的覆盖，通过主站与现场终端之间的数据通信，实现了数据采集、费控管理、线损分析、远程抄表和负荷监控管理等功能。
但是当前简单的用电信息采集***缺乏数据识别的功能，对电网需求侧的智能化管理造成一定影响。因此，需要通过对用电量数据进行研究和数据挖掘，从而提取出异常数据，提高用电数据的质量以及电网需求侧管理的有效性。
发明内容
本发明旨在解决当前用电信息采集***缺乏数据识别功能的问题，提供基于MCU进行信息采集的方法及装置。
本发明为解决技术问题采用如下技术手段：
本发明提供基于MCU进行信息采集的方法，包括以下步骤：
采集用电量的数据信息；
判断所述数据信息是否存在预置的用电信息；
若是，则采用决策树算法对所述数据信息进行分类，得到存在所述用电信息的第一数据信息与不存在所述用电信息的第二数据信息；
获取所述第一数据信息对应的用电行为；
判断所述用电行为是否符合预设的安全用电活动；
若是，则获取所述用电行为产生的具体用电量，并将所述具体用电量与预测用电量进行比对，得到比对结果。
进一步地，所述采集用电量的数据信息的步骤前，包括：
获取所述用电量的波动幅度；
判断所述波动幅度是否大于预置的异常阈值；
若是，则判定所述用电量存在异常数据。
进一步地，所述采集用电量的数据信息的步骤中，包括：
获取所述用电量中MAX数值和MIN数值对应出现的时间节点，其中，所述MAX数值为所述用电量的最大峰值，所述MIN数值为所述用电量的最小峰值；
判断所述时间节点是否匹配预置的用电波谷，其中，所述用电波谷包括用电高峰期或用电低峰期；
若是，则提取所述用电量的特征数据集，其中，所述特征数据集包括用电量周期性波动、用电量季节性波动和用电量趋势性波动。
进一步地，所述则采用决策树算法对所述数据信息进行分类，得到存在所述用电信息的第一数据信息与不存在所述用电信息的第二数据信息的步骤中，包括：
将所述决策树算法输入至训练模型中进行训练，得到训练完成的分类模型；
将所述数据信息输入至所述分类模型中进行分类，得到具备特征向量M的部分数据信息与不具备特征向量M的部分数据信息；
将所述具备特征向量M的部分数据信息定义为第一数据信息，将所述不具备特征向量M的部分数据信息定义为第二数据信息。
进一步地，所述将所述决策树算法输入至训练模型中进行训练，得到训练完成的分类模型的步骤中，包括：
将所述用电量标记为决策树的根节点，将所述数据信息标记为决策树的分枝节点；
根据所述根节点和所述分枝节点组合建立，构造得到二叉树或多叉树，其中，所述二叉树包括动力用电或家用电，所述多叉树包括工业用电或非工业用电。
进一步地，所述获取所述第一数据信息对应的用电类别的步骤前，包括：
获取所述第一数据信息对应的用电场所；
判断所述用电场所是否超出预置的用电量；
若是，则捕捉所述用电场所的负荷用电设备类型。
进一步地，所述获取所述第一数据信息对应的用电类别的步骤中，包括：
根据不同的用电量设定对应的用电分类，其中，所述用电分类包括工业用电、商业用电、住宅用电或农业用电；
根据所述用电分类对所述第一数据信息对应的用电场所进行定义；
判断所述用电场所是否匹配所述用电类别；
若是，则采集所述用电场所的用电行为数据信息。
进一步地，所述则获取所述用电行为产生的具体用电量，并将所述具体用电量与预测用电量进行比对，采集得到比对结果的步骤中，包括：
捕捉所述具体用电量对应的用电波值；
根据所述用电波值的平均阈值对用电量进行预测，得到预测的用电量区间；
判断所述用电量区间是否符合预置的正常电量数据；
若是，则得到所述预测用电量。
进一步地，所述则获取所述用电行为产生的具体用电量，并将所述具体用电量与预测用电量进行比对，采集得到比对结果的步骤后，包括：
获取所述具体用电量和所述预测用电量之间存在的误差值；
判断所述误差值是否大于预置的差异数值；
若否，则采集所述比对结果，并将所述比对结果作为用电量管理数据存储至MCU中。
本发明还提供一种基于MCU进行信息采集的装置，包括：
第一采集模块，用于采集用电量的数据信息，其中，所述数据信息包括用电行为；
第一判断模块，用于判断所述数据信息是否存在预置的用电信息；
第一执行模块，用于若是，则采用决策树算法对所述数据信息进行分类，得到存在所述用电信息的第一数据信息与不存在所述用电信息的第二数据信息；
第一获取模块，用于获取所述第一数据信息对应的用电类别；
第二判断模块，用于判断所述用电类别是否符合预设的安全用电活动；
第二执行模块，用于若是，则获取所述用电行为产生的具体用电量，并将所述具体用电量与预测用电量进行比对，采集得到比对结果。
本发明提供了基于MCU进行信息采集的方法及装置，具有以下有益效果：
本发明通过采用MCU对用电量数据进行处理，得到正常有效的用电数据和异常无效的用电数据后，将对应的用电行为进行管控，根据具体用电量对未来的用电量进行预测，并与当前的用电量生成比对结果，有效提高了用电数据的质量以及电网需求侧管理的有效性。
附图说明
图1为本发明基于MCU进行信息采集的方法一个实施例的流程示意图；
图2为本发明基于MCU进行信息采集的装置一个实施例的结构框图。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明，本发明为目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
下面将结合本发明的实施例中的附图，对本发明的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。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，都属于本发明保护的范围。
参考附图1，为本发明一实施例中的基于MCU进行信息采集的方法，包括以下步骤：
S1：采集用电量的数据信息，其中，所述数据信息包括用电行为；
S2：判断所述数据信息是否存在预置的用电信息；
S3：若是，则采用决策树算法对所述数据信息进行分类，得到存在所述用电信息的第一数据信息与不存在所述用电信息的第二数据信息；
S4：获取所述第一数据信息对应的用电类别；
S5：判断所述用电类别是否符合预设的安全用电活动；
S6：若是，则获取所述用电行为产生的具体用电量，并将所述具体用电量与预测用电量进行比对，采集得到比对结果。
在本实施例中，MCU装置通过采集某个区域的用电量数据信息，包括该区域的用电行为数据，而后对这些用电量数据信息进行判断是否存在有预先设置好的用电信息，以执行不同的对应步骤；例如，MCU装置判断到这些用电量数据信息中存在有预先设置好的用电信息，如(用电时间、用电费用或用电用户)，则MCU装置会对采用预先设置在装置中的决策树算法对这些用电量数据信息进行分类，分类得出具备用电信息的第一数据信息和不具备用电信息的第二数据信息，即此时MCU装置会分类出具备用电信息的正常数据和不具备用电信息的异常数据，从而对异常数据进行提出，并保留正常数据；例如，MCU装置判断到这些用电量数据信息中不存在预先设置好的用电信息，则MCU装置会对这些用电量数据信息进行排除，由于这些用电量数据信息均为异常数据信息，即MCU装置不会保留这些异常数据信息作为参考数据，而是选择保留正常数据作为用电量数据的研究方向和数据挖掘可参考方向；MCU装置通过获取第一数据信息中对应的用电类别，即正常用电数据对应的用电类别，而后根据这些用电类别是否符合预先设置好的安全用电活动，以执行对应的不同步骤；例如，MCU装置判断到这些用电类别符合预先设置好的安全用电活动，如(不超负荷用电或安装负荷保护器或)，则MCU装置会获取到该用电区域中用电行为所产生的具体用电量，并将该具体用电量与MCU装置对该用电区域的预测用电量进行比对，并采集比对完成后的比对结果，目的在于提高用电数据的质量以及电网需求侧管理的有效性；例如，MCU装置判断到这些用电类别不符合预先设置好的安全用电活动，如(临时用电设备无设置负荷保护器、配电箱没有防御措施等)，则MCU装置会对这些违规的危险用电活动进行数据保留，作为异常数据的可参考方向。
需要说明的是，MCU装置作为单片机对所有数据进行数据处理与存储。
在本实施例中，采集用电量的数据信息的步骤S1前，包括：
S101：获取所述用电量的波动幅度；
S102：判断所述波动幅度是否大于预置的异常阈值；
S103：若是，则判定所述用电量存在异常数据。
在本实施例中，MCU装置通过获取到用电量数据中的用电波动幅度，而后根据预先设置好的异常波动阈值对用电波动幅度进行判断，以执行对应的不同步骤；例如，MCU装置判断到用电波动幅度大于预先设置好的异常波动阈值，则MCU装置此时会判定这些用电量数据中存在有除正常用电数据外的异常用电数据，如(负荷用电)，此时MCU装置会对这些异常数据存在进行记录保留，作为电网需求侧管理的可参考数据；例如，MCU装置判断到用电波动幅度并未大于预先设置好的异常波动预置，则MCU装置此时会判定这些用电量数据中只存在有正常用电数据。
在本实施例中，采集用电量的数据信息的步骤S1中，包括：
S11：获取所述用电量中MAX数值和MIN数值对应出现的时间节点，其中，所述MAX数值为所述用电量的最大峰值，所述MIN数值为所述用电量的最小峰值；
S12：判断所述时间节点是否匹配预置的用电波谷，其中，所述用电波谷包括用电高峰期或用电低峰期；
S13：若是，则提取所述用电量的特征数据集，其中，所述特征数据集包括用电量周期性波动、用电量季节性波动和用电量趋势性波动。
在本实施例中，MCU装置通过获取到用电量数据中的最大峰值MAX值和最小峰值MIN值，而后根据用电量出现最大峰值和最小峰值的时间段是否匹配预先设置好的用电波谷时间段，以执行对应的不同步骤；例如，MCU装置判断到用电量的最大峰值或最小峰值出现的时间段不匹配预先设置好的用电波谷时间段，则此时MCU装置会收集好用电量数据最大峰值和最小峰值出现的时间段，作为该区域用电量数据的参考；例如，MCU装置判断到用电量的最大峰值或最小峰值出现的时间段匹配预先设置好的用电波谷时间段，则此时MCU装置会基于用电量数据对其特征数据集进行提取，如用电量周期性波动、用电量季节性波动和用电量趋势性波动，MCU装置提取到这些特征数据集后，会基于这些特征数据集对用电量数据进行一个时间段的用电预测，如一天的用电量预测、一周的用电量预测或一个月的用电量预测。
在本实施例中，则采用决策树算法对所述数据信息进行分类，得到存在所述用电信息的第一数据信息与不存在所述用电信息的第二数据信息的步骤S3中，包括：
S31：将所述决策树算法输入至训练模型中进行训练，得到训练完成的分类模型；
S32：将所述数据信息输入至所述分类模型中进行分类，得到具备特征向量M的部分数据信息与不具备特征向量M的部分数据信息；
S33：将所述具备特征向量M的部分数据信息定义为第一数据信息，将所述不具备特征向量M的部分数据信息定义为第二数据信息。
在本实施例中，MCU装置通过将预先设置好的决策树算法代入至空白的训练模型中进行训练，使得训练模型完成训练得到分类模型，而后MCU装置将用电数据信息输入至该分类模型中进行预测，以分类得到两种不同的数据信息，一种是具备特征向量M的数据信息，为第一数据信息，另一种是不具备特征向量M的数据信息，为第二数据信息；MCU装置通过分类出第一数据信息和第二数据信息，以区别出用电量的总体数据信息中哪些数据信息出现异常，哪些数据信息并未出现异常，有效提高了用电数据的质量。
在本实施例中，将所述决策树算法输入至训练模型中进行训练，得到训练完成的分类模型的步骤S31中，包括：
S311：将所述用电量标记为决策树的根节点，将所述数据信息标记为决策树的分枝节点；
S312：根据所述根节点和所述分枝节点组合建立，构造得到二叉树或多叉树，其中，所述二叉树包括动力用电或家用电，所述多叉树包括工业用电或非工业用电。
在本实施例中，MCU装置将用电量数据中的日常用电量作为设置决策树算法的根节点，将日常用电量对应的用电行为作为设置决策树算法的分枝节点，而后MCU装置通过将根节点和根节点对应的各个分枝节点进行组合建立，以得到能够分类出用电量数据正常或异常的决策树算法；例如，根节点为总用电量，第一分枝节点为动力用电，第二分枝节点为家用电；第一分枝节点对应下去的第三分枝节点为四线(三火线一零线)，第四分枝节点为非四线，即此时第一分枝节点中的第三分枝节点可以被决策树归类为正常的用电量数据，第四分枝节点可以被决策树归类为异常的用电量数据；第二分枝节点对应下去的第五分类节点为两线(一火线一零线)，第六分类节点为非两线，即此时第二分枝节点中的第五分类节点可以被决策树归类为正常的用电量数据，第六分枝节点可以被决策树归类为异常的用电量数据；例如，根节点为总用电量，第一分枝节点为工业用电，第二分枝节点为非工业用电，第一分枝节点对应下去的第三分枝节点为居民生活用电、第四分枝节点为一般工商业用电、第五分枝节点为大工业用电、第六分枝节点为农业生产用电；第二分枝节点对应下去的第七分枝节点为冷藏用电、第八分枝节点为灌水用电、第九分枝节点为照明用电；即此时第一分支节点和第二分枝节点都可以被决策树归类为正常的用电量数据。
在本实施例中，获取所述第一数据信息对应的用电类别的步骤S4前，包括：
S401：获取所述第一数据信息对应的用电场所；
S402：判断所述用电场所是否超出预置的用电量；
S403：若是，则捕捉所述用电场所的负荷用电设备类型。
在本实施例中，MCU装置通过获取到第一数据信息中对应的用电场所，而后判断这些用电场所是否出现有使用了超出预先设置好的用电量，以执行对应的不同步骤；例如，MCU装置判断到这些用电场所使用了超出预先设置好的用电量200kw/h，则此时MCU装置会捕捉这些用电场所所使用的负荷用电设备类型，如大型用电设备(工厂烘箱或渗析设备)，并将这些负荷用电设备类型的数据(如用电时间段和用电时间长短)收录至***中，作为MCU装置监控这些用电场所时可以参考的数据；例如，MCU装置判断到这些用电场所使用并未超出预先设置好的用电量200kw/h，则此时MCU装置会根据这些用电场所的用电量对应的用电行为进行数据记录，以收集这些用电场所的用电行为类型数据。
在本实施例中，获取所述第一数据信息对应的用电类别的步骤S4中，包括：
S41：根据不同的用电量设定对应的用电分类，其中，所述用电分类包括工业用电、商业用电、住宅用电或农业用电；
S42：根据所述用电分类对所述第一数据信息对应的用电场所进行定义；
S43：判断所述用电场所是否匹配所述用电类别；
S44：若是，则采集所述用电场所的用电行为数据信息。
在本实施例中，MCU装置根据不同的用电量对应设定不同的用电分类，如(工业用电、商业用电、住宅用电或农业用电)，而后将第一数据信息对应出现的用电场所根据设定好的用电分类进行分类定义，进而对用电场所进行判断是否匹配用电类别，以执行对应的不同步骤；例如，MCU装置设定了用电分类为工业用电、商业用电、住宅用电或农业用电后，得知到第一数据信息对应出现的用电场所存在有：工厂，即此时MCU装置会将该工厂定义为工业用电，而此时该工厂的用电类别为工业用电(大范畴的工业用电类型)，即MCU装置判断到该工厂能够匹配用电类别，此时MCU装置需要采集该工厂的用电行为数据信息，对用电量数据进行研究和数据挖掘；例如，MCU装置得知第一数据信息对应出现的用电场所存在有：农业加工厂，即此时MCU装置会将该农业加工厂定义为农业用电，而此时该农业工厂的用电类别为非工业用电，即MCU装置判断到该农业加工厂无法匹配用电类别，此时MCU装置需要记录该农业加工厂所属的用电分类和用电类别，以作为提高电网需求侧管理的可参考数据。
在本实施例中，则获取所述用电行为产生的具体用电量，并将所述具体用电量与预测用电量进行比对，采集得到比对结果的步骤S6中，包括：
S61：捕捉所述具体用电量对应的用电波值；
S62：根据所述用电波值的平均阈值对用电量进行预测，得到预测的用电量区间；
S63：判断所述用电量区间是否符合预置的正常电量数据；
S64：若是，则得到所述预测用电量。
在本实施例中，MCU装置通过捕捉某区域的具体用电量中的用电波值，如(某个时间段的最大用电值和最小用电值)，而后MCU装置根据最大用电值和最小用电值的平均阈值，对该区域的用电量进行对应时间段的用电量预测，如(捕捉的是一周的最大用电值和最小用电值，就对应预测下一周的最大用电值和最小用电值)，基于该平均阈值进行线性预测，会得到一个基于平均阈值的波澜用电量区间，即可预测得到某个时间段的用电量区间，而后MCU装置对该用电量区间进行判断是否符合预先设置的正常电量数据，以执行对应的不同步骤；例如，MCU装置判断到该预测的用电量区间符合预先设置的正常电量数据，如(用电量区间在100-200kw/h，预先设置的正常电量数据在50-300kw/h)，此时MCU装置会收录该预测的用电量数据，保留作为对用电量数据进行研究和数据挖掘的可参考数据；例如，MCU装置判断到该预测的用电量区间不符合预先设置的正常电量数据，如(用电量区间在1-50kw/h，预先设置的正常电量数据在50-300kw/h)，此时MCU装置会摒弃该预测的用电量数据，对该用电量区间重新进行预测。
在本实施例中，则获取所述用电行为产生的具体用电量，并将所述具体用电量与预测用电量进行比对，采集得到比对结果的步骤S6后，包括：
S601：获取所述具体用电量和所述预测用电量之间存在的误差值；
S602：判断所述误差值是否大于预置的差异数值；
S603：若否，则采集所述比对结果，并将所述比对结果作为用电量管理数据存储至MCU中。
在本实施例中，MCU装置通过获取某区域的具体用电量和预测得到的用电量区间存在的误差值，根据该误差值判断是否大于预先设置好的差异数值，以执行对应的不同步骤；例如，MCU装置获取到某区域的具体用电量为300kw/h，预测的用电量区间为250-350kw/h，而MCU装置预先设置好的差异数值仅在50kw/h内，即此时误差值并未大于差异数值，即MCU装置可以采集该误差值较小的比对结果，作为可参考数据收录至MCU装置中，有效提高了用电数据的质量以及电网需求侧管理的有效性；例如，MCU装置获取到某区域的具体用电量为350kw/h，预测的用电量区间为500-700kw/h，在已知MCU装置预先设置好的差异数值仅在50kw/h内的情况下，两者之间的误差值达到了150-350kw/h，即此时误差值大于了差异数值，得到的比对结果并不准确，即MCU装置无需对该比对结果进行收录。
参考附图2，为本发明一实施例中基于MCU进行信息采集的装置，包括：
第一采集模块10，用于采集用电量的数据信息，其中，所述数据信息包括用电行为；
第一判断模块20，用于判断所述数据信息是否存在预置的用电信息；
第一执行模块30，用于若是，则采用决策树算法对所述数据信息进行分类，得到存在所述用电信息的第一数据信息与不存在所述用电信息的第二数据信息；
第一获取模块40，用于获取所述第一数据信息对应的用电类别；
第二判断模块50，用于判断所述用电类别是否符合预设的安全用电活动；
第二执行模块60，用于若是，则获取所述用电行为产生的具体用电量，并将所述具体用电量与预测用电量进行比对，采集得到比对结果。
在本实施例中，第一采集模块10通过采集某个区域的用电量数据信息，包括该区域的用电行为数据，而后第一判断模块20对这些用电量数据信息进行判断是否存在有预先设置好的用电信息，以执行不同的对应步骤；例如，MCU装置判断到这些用电量数据信息中存在有预先设置好的用电信息，如(用电时间、用电费用或用电用户)，则第一执行模块30会对采用预先设置在装置中的决策树算法对这些用电量数据信息进行分类，分类得出具备用电信息的第一数据信息和不具备用电信息的第二数据信息，即此时MCU装置会分类出具备用电信息的正常数据和不具备用电信息的异常数据，从而对异常数据进行提出，并保留正常数据；例如，MCU装置判断到这些用电量数据信息中不存在预先设置好的用电信息，则MCU装置会对这些用电量数据信息进行排除，由于这些用电量数据信息均为异常数据信息，即MCU装置不会保留这些异常数据信息作为参考数据，而是选择保留正常数据作为用电量数据的研究方向和数据挖掘可参考方向；第一获取模块40通过获取第一数据信息中对应的用电类别，即正常用电数据对应的用电类别，而后第二判断模块50根据这些用电类别是否符合预先设置好的安全用电活动，以执行对应的不同步骤；例如，MCU装置判断到这些用电类别符合预先设置好的安全用电活动，如(不超负荷用电或安装负荷保护器或)，则第二执行模块60会获取到该用电区域中用电行为所产生的具体用电量，并将该具体用电量与MCU装置对该用电区域的预测用电量进行比对，并采集比对完成后的比对结果，目的在于提高用电数据的质量以及电网需求侧管理的有效性；例如，MCU装置判断到这些用电类别不符合预先设置好的安全用电活动，如(临时用电设备无设置负荷保护器、配电箱没有防御措施等)，则MCU装置会对这些违规的危险用电活动进行数据保留，作为异常数据的可参考方向。
在本实施例中，还包括：
第二获取模块，用于获取所述用电量的波动幅度；
第三判断模块，用于判断所述波动幅度是否大于预置的异常阈值；
第三执行模块，用于若是，则判定所述用电量存在异常数据。
在本实施例中，MCU装置通过获取到用电量数据中的用电波动幅度，而后根据预先设置好的异常波动阈值对用电波动幅度进行判断，以执行对应的不同步骤；例如，MCU装置判断到用电波动幅度大于预先设置好的异常波动阈值，则MCU装置此时会判定这些用电量数据中存在有除正常用电数据外的异常用电数据，如(负荷用电)，此时MCU装置会对这些异常数据存在进行记录保留，作为电网需求侧管理的可参考数据；例如，MCU装置判断到用电波动幅度并未大于预先设置好的异常波动预置，则MCU装置此时会判定这些用电量数据中只存在有正常用电数据。
在本实施例中，第一采集模块还包括：
第一获取单元，用于获取所述用电量中MAX数值和MIN数值对应出现的时间节点，其中，所述MAX数值为所述用电量的最大峰值，所述MIN数值为所述用电量的最小峰值；
第一判断单元，用于判断所述时间节点是否匹配预置的用电波谷，其中，所述用电波谷包括用电高峰期或用电低峰期；
第一执行单元，用于若是，则提取所述用电量的特征数据集，其中，所述特征数据集包括用电量周期性波动、用电量季节性波动和用电量趋势性波动。
在本实施例中，MCU装置通过获取到用电量数据中的最大峰值MAX值和最小峰值MIN值，而后根据用电量出现最大峰值和最小峰值的时间段是否匹配预先设置好的用电波谷时间段，以执行对应的不同步骤；例如，MCU装置判断到用电量的最大峰值或最小峰值出现的时间段不匹配预先设置好的用电波谷时间段，则此时MCU装置会收集好用电量数据最大峰值和最小峰值出现的时间段，作为该区域用电量数据的参考；例如，MCU装置判断到用电量的最大峰值或最小峰值出现的时间段匹配预先设置好的用电波谷时间段，则此时MCU装置会基于用电量数据对其特征数据集进行提取，如用电量周期性波动、用电量季节性波动和用电量趋势性波动，MCU装置提取到这些特征数据集后，会基于这些特征数据集对用电量数据进行一个时间段的用电预测，如一天的用电量预测、一周的用电量预测或一个月的用电量预测。
在本实施例中，第一执行模块还包括：
第一输入单元，用于将所述决策树算法输入至训练模型中进行训练，得到训练完成的分类模型；
第一分类单元，用于将所述数据信息输入至所述分类模型中进行分类，得到具备特征向量M的部分数据信息与不具备特征向量M的部分数据信息；
第一定义单元，用于将所述具备特征向量M的部分数据信息定义为第一数据信息，将所述不具备特征向量M的部分数据信息定义为第二数据信息。
在本实施例中，MCU装置通过将预先设置好的决策树算法代入至空白的训练模型中进行训练，使得训练模型完成训练得到分类模型，而后MCU装置将用电数据信息输入至该分类模型中进行预测，以分类得到两种不同的数据信息，一种是具备特征向量M的数据信息，为第一数据信息，另一种是不具备特征向量M的数据信息，为第二数据信息；MCU装置通过分类出第一数据信息和第二数据信息，以区别出用电量的总体数据信息中哪些数据信息出现异常，哪些数据信息并未出现异常，有效提高了用电数据的质量。
在本实施例中，第一输入单元还包括：
第一标记子单元，用于将所述用电量标记为决策树的根节点，将所述数据信息标记为决策树的分枝节点；
第一构造子单元，用于根据所述根节点和所述分枝节点组合建立，构造得到二叉树或多叉树，其中，所述二叉树包括动力用电或家用电，所述多叉树包括工业用电或非工业用电。
在本实施例中，MCU装置将用电量数据中的日常用电量作为设置决策树算法的根节点，将日常用电量对应的用电行为作为设置决策树算法的分枝节点，而后MCU装置通过将根节点和根节点对应的各个分枝节点进行组合建立，以得到能够分类出用电量数据正常或异常的决策树算法；例如，根节点为总用电量，第一分枝节点为动力用电，第二分枝节点为家用电；第一分枝节点对应下去的第三分枝节点为四线(三火线一零线)，第四分枝节点为非四线，即此时第一分枝节点中的第三分枝节点可以被决策树归类为正常的用电量数据，第四分枝节点可以被决策树归类为异常的用电量数据；第二分枝节点对应下去的第五分类节点为两线(一火线一零线)，第六分类节点为非两线，即此时第二分枝节点中的第五分类节点可以被决策树归类为正常的用电量数据，第六分枝节点可以被决策树归类为异常的用电量数据；例如，根节点为总用电量，第一分枝节点为工业用电，第二分枝节点为非工业用电，第一分枝节点对应下去的第三分枝节点为居民生活用电、第四分枝节点为一般工商业用电、第五分枝节点为大工业用电、第六分枝节点为农业生产用电；第二分枝节点对应下去的第七分枝节点为冷藏用电、第八分枝节点为灌水用电、第九分枝节点为照明用电；即此时第一分支节点和第二分枝节点都可以被决策树归类为正常的用电量数据。
在本实施例中，还包括：
第三获取模块，用于获取所述第一数据信息对应的用电场所；
第四判断模块，用于判断所述用电场所是否超出预置的用电量；
第四执行模块，用于若是，则捕捉所述用电场所的负荷用电设备类型。
在本实施例中，MCU装置通过获取到第一数据信息中对应的用电场所，而后判断这些用电场所是否出现有使用了超出预先设置好的用电量，以执行对应的不同步骤；例如，MCU装置判断到这些用电场所使用了超出预先设置好的用电量200kw/h，则此时MCU装置会捕捉这些用电场所所使用的负荷用电设备类型，如大型用电设备(工厂烘箱或渗析设备)，并将这些负荷用电设备类型的数据(如用电时间段和用电时间长短)收录至***中，作为MCU装置监控这些用电场所时可以参考的数据；例如，MCU装置判断到这些用电场所使用并未超出预先设置好的用电量200kw/h，则此时MCU装置会根据这些用电场所的用电量对应的用电行为进行数据记录，以收集这些用电场所的用电行为类型数据。
在本实施例中，第一获取模块还包括：
第一分类单元，用于根据不同的用电量设定对应的用电分类，其中，所述用电分类包括工业用电、商业用电、住宅用电或农业用电；
第二定义单元，用于根据所述用电分类对所述第一数据信息对应的用电场所进行定义；
第二判断单元，用于判断所述用电场所是否匹配所述用电类别；
第二执行单元，用于若是，则采集所述用电场所的用电行为数据信息。
在本实施例中，MCU装置根据不同的用电量对应设定不同的用电分类，如(工业用电、商业用电、住宅用电或农业用电)，而后将第一数据信息对应出现的用电场所根据设定好的用电分类进行分类定义，进而对用电场所进行判断是否匹配用电类别，以执行对应的不同步骤；例如，MCU装置设定了用电分类为工业用电、商业用电、住宅用电或农业用电后，得知到第一数据信息对应出现的用电场所存在有：工厂，即此时MCU装置会将该工厂定义为工业用电，而此时该工厂的用电类别为工业用电(大范畴的工业用电类型)，即MCU装置判断到该工厂能够匹配用电类别，此时MCU装置需要采集该工厂的用电行为数据信息，对用电量数据进行研究和数据挖掘；例如，MCU装置得知第一数据信息对应出现的用电场所存在有：农业加工厂，即此时MCU装置会将该农业加工厂定义为农业用电，而此时该农业工厂的用电类别为非工业用电，即MCU装置判断到该农业加工厂无法匹配用电类别，此时MCU装置需要记录该农业加工厂所属的用电分类和用电类别，以作为提高电网需求侧管理的可参考数据。
在本实施例中，第二执行模块还包括：
第一捕捉单元，用于捕捉所述具体用电量对应的用电波值；
第一预测单元，用于根据所述用电波值的平均阈值对用电量进行预测，得到预测的用电量区间；
第三判断单元，用于判断所述用电量区间是否符合预置的正常电量数据；
第三执行单元，用于若是，则得到所述预测用电量。
在本实施例中，MCU装置通过捕捉某区域的具体用电量中的用电波值，如(某个时间段的最大用电值和最小用电值)，而后MCU装置根据最大用电值和最小用电值的平均阈值，对该区域的用电量进行对应时间段的用电量预测，如(捕捉的是一周的最大用电值和最小用电值，就对应预测下一周的最大用电值和最小用电值)，基于该平均阈值进行线性预测，会得到一个基于平均阈值的波澜用电量区间，即可预测得到某个时间段的用电量区间，而后MCU装置对该用电量区间进行判断是否符合预先设置的正常电量数据，以执行对应的不同步骤；例如，MCU装置判断到该预测的用电量区间符合预先设置的正常电量数据，如(用电量区间在100-200kw/h，预先设置的正常电量数据在50-300kw/h)，此时MCU装置会收录该预测的用电量数据，保留作为对用电量数据进行研究和数据挖掘的可参考数据；例如，MCU装置判断到该预测的用电量区间不符合预先设置的正常电量数据，如(用电量区间在1-50kw/h，预先设置的正常电量数据在50-300kw/h)，此时MCU装置会摒弃该预测的用电量数据，对该用电量区间重新进行预测。
在本实施例中，还包括：
第四获取模块，用于获取所述具体用电量和所述预测用电量之间存在的误差值；
第五判断模块，用于判断所述误差值是否大于预置的差异数值；
第五执行模块，用于若否，则采集所述比对结果，并将所述比对结果作为用电量管理数据存储至MCU中。
在本实施例中，MCU装置通过获取某区域的具体用电量和预测得到的用电量区间存在的误差值，根据该误差值判断是否大于预先设置好的差异数值，以执行对应的不同步骤；例如，MCU装置获取到某区域的具体用电量为300kw/h，预测的用电量区间为250-350kw/h，而MCU装置预先设置好的差异数值仅在50kw/h内，即此时误差值并未大于差异数值，即MCU装置可以采集该误差值较小的比对结果，作为可参考数据收录至MCU装置中，有效提高了用电数据的质量以及电网需求侧管理的有效性；例如，MCU装置获取到某区域的具体用电量为350kw/h，预测的用电量区间为500-700kw/h，在已知MCU装置预先设置好的差异数值仅在50kw/h内的情况下，两者之间的误差值达到了150-350kw/h，即此时误差值大于了差异数值，得到的比对结果并不准确，即MCU装置无需对该比对结果进行收录。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.基于MCU进行信息采集的方法，其特征在于，包括以下步骤：
采集用电量的数据信息，其中，所述数据信息包括用电行为；
判断所述数据信息是否存在预置的用电信息；
若是，则采用决策树算法对所述数据信息进行分类，得到存在所述用电信息的第一数据信息与不存在所述用电信息的第二数据信息；
获取所述第一数据信息对应的用电类别，其中，所述用电类别包括工业用电和非工业用电；
判断所述用电类别是否符合预设的安全用电活动；
若是，则获取所述用电行为产生的具体用电量，并将所述具体用电量与预测用电量进行比对，采集得到比对结果。
2.根据权利要求1所述的基于MCU进行信息采集的方法，其特征在于，所述采集用电量的数据信息的步骤前，包括：
获取所述用电量的波动幅度；
判断所述波动幅度是否大于预置的异常阈值；
若是，则判定所述用电量存在异常数据。
3.根据权利要求1所述的基于MCU进行信息采集的方法，其特征在于，所述采集用电量的数据信息的步骤中，包括：
获取所述用电量中MAX数值和MIN数值对应出现的时间节点，其中，所述MAX数值为所述用电量的最大峰值，所述MIN数值为所述用电量的最小峰值；
判断所述时间节点是否匹配预置的用电波谷，其中，所述用电波谷包括用电高峰期或用电低峰期；
若是，则提取所述用电量的特征数据集，其中，所述特征数据集包括用电量周期性波动、用电量季节性波动和用电量趋势性波动。
4.根据权利要求1所述的基于MCU进行信息采集的方法，其特征在于，所述则采用决策树算法对所述数据信息进行分类，得到存在所述用电信息的第一数据信息与不存在所述用电信息的第二数据信息的步骤中，包括：
将所述决策树算法输入至训练模型中进行训练，得到训练完成的分类模型；
将所述数据信息输入至所述分类模型中进行分类，得到具备特征向量M的部分数据信息与不具备特征向量M的部分数据信息；
将所述具备特征向量M的部分数据信息定义为第一数据信息，将所述不具备特征向量M的部分数据信息定义为第二数据信息。
5.根据权利要求4所述的基于MCU进行信息采集的方法，其特征在于，所述将所述决策树算法输入至训练模型中进行训练，得到训练完成的分类模型的步骤中，包括：
将所述用电量标记为决策树的根节点，将所述数据信息标记为决策树的分枝节点；
根据所述根节点和所述分枝节点组合建立，构造得到二叉树或多叉树，其中，所述二叉树包括动力用电或家用电，所述多叉树包括工业用电或非工业用电。
6.根据权利要求1所述的基于MCU进行信息采集的方法，其特征在于，所述获取所述第一数据信息对应的用电类别的步骤前，包括：
获取所述第一数据信息对应的用电场所；
判断所述用电场所是否超出预置的用电量；
若是，则捕捉所述用电场所的负荷用电设备类型。
7.根据权利要求1所述的基于MCU进行信息采集的方法，其特征在于，所述获取所述第一数据信息对应的用电类别的步骤中，包括：
根据不同的用电量设定对应的用电分类，其中，所述用电分类包括工业用电、商业用电、住宅用电或农业用电；
根据所述用电分类对所述第一数据信息对应的用电场所进行定义；
判断所述用电场所是否匹配所述用电类别；
若是，则采集所述用电场所的用电行为数据信息。
8.根据权利要求1所述的基于MCU进行信息采集的方法，其特征在于，所述则获取所述用电行为产生的具体用电量，并将所述具体用电量与预测用电量进行比对，采集得到比对结果的步骤中，包括：
捕捉所述具体用电量对应的用电波值；
根据所述用电波值的平均阈值对用电量进行预测，得到预测的用电量区间；
判断所述用电量区间是否符合预置的正常电量数据；
若是，则得到所述预测用电量。
9.根据权利要求1所述的基于MCU进行信息采集的方法，其特征在于，所述则获取所述用电行为产生的具体用电量，并将所述具体用电量与预测用电量进行比对，采集得到比对结果的步骤后，包括：
获取所述具体用电量和所述预测用电量之间存在的误差值；
判断所述误差值是否大于预置的差异数值；
若否，则采集所述比对结果，并将所述比对结果作为用电量管理数据存储至MCU中。
10.基于MCU进行信息采集的装置，其特征在于，包括：
第一采集模块，用于采集用电量的数据信息，其中，所述数据信息包括用电行为；
第一判断模块，用于判断所述数据信息是否存在预置的用电信息；
第一执行模块，用于若是，则采用决策树算法对所述数据信息进行分类，得到存在所述用电信息的第一数据信息与不存在所述用电信息的第二数据信息；
第一获取模块，用于获取所述第一数据信息对应的用电类别；
第二判断模块，用于判断所述用电类别是否符合预设的安全用电活动；
第二执行模块，用于若是，则获取所述用电行为产生的具体用电量，并将所述具体用电量与预测用电量进行比对，采集得到比对结果。
CN202211204428.9A 2022-09-29 2022-09-29 基于mcu进行信息采集的方法及装置 Active CN115577836B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211204428.9A CN115577836B (zh) 2022-09-29 2022-09-29 基于mcu进行信息采集的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211204428.9A CN115577836B (zh) 2022-09-29 2022-09-29 基于mcu进行信息采集的方法及装置

Publications (2)

Publication Number Publication Date
CN115577836A true CN115577836A (zh) 2023-01-06
CN115577836B CN115577836B (zh) 2023-06-30

Family

ID=84583794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211204428.9A Active CN115577836B (zh) 2022-09-29 2022-09-29 基于mcu进行信息采集的方法及装置

Country Status (1)

Country Link
CN (1) CN115577836B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105825298A (zh) * 2016-03-14 2016-08-03 梁海东 一种基于负荷特性预估的电网计量预警***及方法
CN109726885A (zh) * 2018-07-17 2019-05-07 平安科技（深圳）有限公司 用电量异常评估方法、装置、设备和计算机存储介质
CN110991555A (zh) * 2019-12-16 2020-04-10 国网上海市电力公司 一种典型行业的用户用电量异常监控方法
CN111222556A (zh) * 2019-12-31 2020-06-02 中国南方电网有限责任公司 一种基于决策树算法识别用电类别的方法及***
CN111489073A (zh) * 2020-03-31 2020-08-04 深圳市康拓普信息技术有限公司 一种基于分类算法的用户用电廉情预警方法
WO2021042843A1 (zh) * 2019-09-06 2021-03-11 平安科技（深圳）有限公司 告警信息的决策方法、装置、计算机设备及存储介质
CN113627821A (zh) * 2021-08-25 2021-11-09 深圳供电局有限公司 一种基于用电行为特征进行异常用电识别的方法及***
US20210372667A1 (en) * 2020-05-26 2021-12-02 Grid4C Ltd. Method and system for detecting inefficient electric water heater using smart meter reads

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105825298A (zh) * 2016-03-14 2016-08-03 梁海东 一种基于负荷特性预估的电网计量预警***及方法
CN109726885A (zh) * 2018-07-17 2019-05-07 平安科技（深圳）有限公司 用电量异常评估方法、装置、设备和计算机存储介质
WO2021042843A1 (zh) * 2019-09-06 2021-03-11 平安科技（深圳）有限公司 告警信息的决策方法、装置、计算机设备及存储介质
CN110991555A (zh) * 2019-12-16 2020-04-10 国网上海市电力公司 一种典型行业的用户用电量异常监控方法
CN111222556A (zh) * 2019-12-31 2020-06-02 中国南方电网有限责任公司 一种基于决策树算法识别用电类别的方法及***
CN111489073A (zh) * 2020-03-31 2020-08-04 深圳市康拓普信息技术有限公司 一种基于分类算法的用户用电廉情预警方法
US20210372667A1 (en) * 2020-05-26 2021-12-02 Grid4C Ltd. Method and system for detecting inefficient electric water heater using smart meter reads
CN113627821A (zh) * 2021-08-25 2021-11-09 深圳供电局有限公司 一种基于用电行为特征进行异常用电识别的方法及***

Also Published As

Publication number Publication date
CN115577836B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN110888913B (zh) 一种基于物联网技术用电信息智能分析***
CN110350528B (zh) 一种低压台区拓扑自动辨识方法
CN116646933A (zh) 一种基于大数据的电力负荷调度方法及***
US20200349484A1 (en) System and methods for power system forecasting using deep neural networks
CN112307003B (zh) 电网数据多维辅助分析方法、***、终端及可读存储介质
CN110346661B (zh) 一种用户电压异常自动巡检的方法及***
CN111884334B (zh) 一种适于无人值守低压柜的监控方法和***
KR101500057B1 (ko) 자동 검침 및 관리 시스템의 검침정보 제공 방법
EP3427390A1 (en) Optimized smart meter reporting schedule
WO2013169903A1 (en) Methods and systems for managing distributed energy resources
CN111932137A (zh) 一种基于物联网的智慧园区能源管理***
CN103944263B (zh) 具有多样性负载设备的电网的管控方法及***
CN112907929A (zh) 一种基于用电信息的环保监测***和方法
CN115660225A (zh) 一种基于电表通信模块的用电负荷预测管理方法及***
CN113341249A (zh) 一种智慧用电监测报警***及方法
CN106849064B (zh) 一种基于气象数据的区域电网负荷预测管理***
CN111553720A (zh) 基于改进k-means算法的用户用电行为分析方法
CN117410988B (zh) 一种新能源充电站的充电控制方法及装置
CN117477610A (zh) 一种虚拟电厂储能控制***
CN115577836B (zh) 基于mcu进行信息采集的方法及装置
CN113009869A (zh) 智慧电力维护管理***
CN112394222A (zh) 一种线损监测的负荷对比方法及***
CN110867849A (zh) 电网检测及用电负荷识别方法及设备
CN115441452B (zh) 一种基于谐波分离检测的动态补偿方法及***
CN211669289U (zh) 一种基于非侵入式设备智能识别及计量***

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