CN115907280A - 基于用电特征的用户用电异常识别方法 - Google Patents
基于用电特征的用户用电异常识别方法 Download PDFInfo
- Publication number
- CN115907280A CN115907280A CN202211145605.0A CN202211145605A CN115907280A CN 115907280 A CN115907280 A CN 115907280A CN 202211145605 A CN202211145605 A CN 202211145605A CN 115907280 A CN115907280 A CN 115907280A
- Authority
- CN
- China
- Prior art keywords
- user
- index
- data
- electricity utilization
- deviation
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000011835 investigation Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000013480 data collection Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及用户用电异常识别技术领域,且公开了基于用电特征的用户用电异常识别方法,包括以下步骤:S1、首先,进行收费调研,并对用户用电特征进行分析,基于用户用电特征,设计核心指标体系,导入处理好的数据计算指标值;S2、然后,计算指标和偏离度权重,核算用户指标值与行业总体指标值的偏离程度,换算成嫌疑分数,通过客观赋权法确定各指标偏离度权重,加权得到用户综合嫌疑得分,处理好的数据计算指标值;S3、最后,综合嫌疑分数计算和成果输出。该基于用电特征的用户用电异常识别方法,相比传统的检测手段,可快速进行用户用电异常识别,省时省力,针对性高,成本低,时间维度较短,可满足当前用户用电异常的识别需求。
Description
技术领域
本发明涉及用户用电异常识别技术领域,具体为基于用电特征的用户用电异常识别方法。
背景技术
能源与电力发展事关国计民生,与经济社会存在广泛紧密的联系,推动大数据和实体经济深度融合,挖掘能源电力大数据价值,对于助力新时代能源电力事业数字化转型,更好服务经济社会发展具有重大意义。
电网中的终端用户均通过低压配电台区接入电网,为了保证供电安全,需要对低压配电台区中的用户用电情况进行检测,传统的检测手段主要依靠经验丰富的现场老员工的直觉判断,最后人工现场巡查完成,耗时费力,针对性差,成本高,时间维度长,已经无法满足当前用户用电异常的检测需求,因此,提出一种基于用电特征的用户用电异常识别方法。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了基于用电特征的用户用电异常识别方法,具备可快速对异常用电进行识别等优点,解决了传统的检测手段主要依靠经验丰富的现场老员工的直觉判断,最后人工现场巡查完成,耗时费力,针对性差,成本高,时间维度长,已经无法满足当前用户用电异常的检测需求的问题。
(二)技术方案
为实现上述可快速对异常用电进行识别的目的,本发明提供如下技术方案:基于用电特征的用户用电异常识别方法,包括以下步骤:
S1、首先,进行收费调研,并对用户用电特征进行分析,基于用户用电特征,设计核心指标体系,导入处理好的数据计算指标值;
S2、然后,计算指标和偏离度权重,核算用户指标值与行业总体指标值的偏离程度,换算成嫌疑分数,通过客观赋权法确定各指标偏离度权重,加权得到用户综合嫌疑得分,处理好的数据计算指标值;
S3、最后,综合嫌疑分数计算和成果输出,根据综合嫌疑得分高低识别潜在的异常用户。
优选的,所述指标和偏离度权重计算,采用客观赋权法根据指标的变化程度分配权重,并采用信息熵计算各指标的权重:
同时,当给定了K个指标X1,X2,……,Xk,其中Xi={x1,x2,……,xn},对各指标数据标准化后的值为Y1,Y2,……,Yk,Ej则表示信息熵。
优选的,所述指标的变化信息通过变异系数模型反映,其标准差与平均数的比值为变异系数,极为CV,其计算公式为:
优选的,所述收费调研包括政策文件收集、技术资料收集、电力大数据现状、基础数据收集,其中,基础数据收集包括用户的月电量、日电量和负荷数据。
优选的,所述用户用电特征分析包括以下步骤:
S101、根据电价类型定义确定目标用户;
S102、基于资料调研分析目标用电特征;
S103、基于数据观测分析目标用户用电特征。
优选的,所述综合嫌疑分数计算和成果输出包括输出各典型行业总体水平指标值,根据偏离度和权重计算用户综合嫌疑分数,然后输出用电异常的嫌疑用户清单。
优选的,还包括数据获取与数据预处理,从营销业务应用***、用电信息采集***中抽取用户基础用电特征数据,包括有实时电流、电压、日电量,并形成用户特征原始数据表,且为保证特征轨迹接近实际情况,可对原始数据表进行缺失值填充、去重、归一化处理操作,确保数据整齐可靠。
优选的,所述计算指标和偏离度权重还包括灰色关联分析,采用灰色关联模型进行组合赋权,运用用熵权法和变异系数法分别对各指标计算客观权重,并将两组客观权重通过乘法集成法进行组合,最终确定各指标的权重。
(三)有益效果
与现有技术相比,本发明提供了基于用电特征的用户用电异常识别方法,具备以下有益效果:
1、该基于用电特征的用户用电异常识别方法,通过进行收费调研,并对用户用电特征进行分析,基于用户用电特征,设计核心指标体系,导入处理好的数据计算指标值,然后,计算指标和偏离度权重,核算用户指标值与行业总体指标值的偏离程度,换算成嫌疑分数,通过客观赋权法确定各指标偏离度权重,加权得到用户综合嫌疑得分,处理好的数据计算指标值,最后,综合嫌疑分数计算和成果输出,根据综合嫌疑得分高低识别潜在的异常用户,相比传统的检测手段,可快速进行用户用电异常识别,省时省力,针对性高,成本低,时间维度较短,可满足当前用户用电异常的识别需求。
2、该基于用电特征的用户用电异常识别方法,通过采用客观赋权法计算各指标偏离度权重,其中方法包括熵权法、变异系数计算和灰色关联度分析,从而对用户特征数据进行分析处理,并得到最终的异常用电用户,可有效提高准确地,提高用户用电异常识别效率。
附图说明
图1为本发明提出的基于用电特征的用户用电异常识别方法流程图;
图2为本发明提出的基于用电特征的用户用电异常识别方法模型图。
具体实施方式
下面将结合本发明的实施例,对本发明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,都属于本发明保护的范围。
请参阅图1-2,本实施例中的基于用电特征的用户用电异常识别方法,包括以下步骤:
S1、首先,进行收费调研,并对用户用电特征进行分析,基于用户用电特征,设计核心指标体系,导入处理好的数据计算指标值,用户用电特征分析包括根据电价类型定义确定目标用户,基于资料调研分析目标用电特征,基于数据观测分析目标用户用电特征,收费调研包括政策文件收集、技术资料收集、电力大数据现状、基础数据收集,其中,基础数据收集包括用户的月电量、日电量和负荷数据;
S2、然后,计算指标和偏离度权重,核算用户指标值与行业总体指标值的偏离程度,换算成嫌疑分数,通过客观赋权法确定各指标偏离度权重,加权得到用户综合嫌疑得分,处理好的数据计算指标值,计算指标和偏离度权重还包括灰色关联分析,采用灰色关联模型进行组合赋权,运用用熵权法和变异系数法分别对各指标计算客观权重,并将两组客观权重通过乘法集成法进行组合,最终确定各指标的权重;
S3、最后,综合嫌疑分数计算和成果输出,根据综合嫌疑得分高低识别潜在的异常用户,综合嫌疑分数计算和成果输出包括输出各典型行业总体水平指标值,根据偏离度和权重计算用户综合嫌疑分数,然后输出用电异常的嫌疑用户清单。
另外,还包括数据获取与数据预处理,从营销业务应用***、用电信息采集***中抽取用户基础用电特征数据,包括有实时电流、电压、日电量,并形成用户特征原始数据表,且为保证特征轨迹接近实际情况,可对原始数据表进行缺失值填充、去重、归一化处理操作,确保数据整齐可靠。
其中,指标和偏离度权重计算,采用客观赋权法根据指标的变化程度分配权重,并采用信息熵计算各指标的权重:
同时,当给定了K个指标X1,X2,……,Xk,其中Xi={x1,x2,……,xn},对各指标数据标准化后的值为Y1,Y2,……,Yk,Ej则表示信息熵。
同时,指标的变化信息通过变异系数模型反映,其标准差与平均数的比值为变异系数,极为CV,其计算公式为:
判断标准:
本发明的有益效果是:通过进行收费调研,并对用户用电特征进行分析,基于用户用电特征,设计核心指标体系,导入处理好的数据计算指标值,然后,计算指标和偏离度权重,核算用户指标值与行业总体指标值的偏离程度,换算成嫌疑分数,通过客观赋权法确定各指标偏离度权重,加权得到用户综合嫌疑得分,处理好的数据计算指标值,最后,综合嫌疑分数计算和成果输出,根据综合嫌疑得分高低识别潜在的异常用户,相比传统的检测手段,可快速进行用户用电异常识别,省时省力,针对性高,成本低,时间维度较短,可满足当前用户用电异常的识别需求。
且,通过采用客观赋权法计算各指标偏离度权重,其中方法包括熵权法、变异系数计算和灰色关联度分析,从而对用户特征数据进行分析处理,并得到最终的异常用电用户,可有效提高准确地,提高用户用电异常识别效率。
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 (8)
1.基于用电特征的用户用电异常识别方法,其特征在于,包括以下步骤:
S1、首先,进行收费调研,并对用户用电特征进行分析,基于用户用电特征,设计核心指标体系,导入处理好的数据计算指标值;
S2、然后,计算指标和偏离度权重,核算用户指标值与行业总体指标值的偏离程度,换算成嫌疑分数,通过客观赋权法确定各指标偏离度权重,加权得到用户综合嫌疑得分,处理好的数据计算指标值;
S3、最后,综合嫌疑分数计算和成果输出,根据综合嫌疑得分高低识别潜在的异常用户。
4.根据权利要求1所述的基于用电特征的用户用电异常识别方法,其特征在于,所述收费调研包括政策文件收集、技术资料收集、电力大数据现状、基础数据收集,其中,基础数据收集包括用户的月电量、日电量和负荷数据。
5.根据权利要求1所述的基于用电特征的用户用电异常识别方法,其特征在于,所述用户用电特征分析包括以下步骤:
S101、根据电价类型定义确定目标用户;
S102、基于资料调研分析目标用电特征;
S103、基于数据观测分析目标用户用电特征。
6.根据权利要求1所述的基于用电特征的用户用电异常识别方法,其特征在于,所述综合嫌疑分数计算和成果输出包括输出各典型行业总体水平指标值,根据偏离度和权重计算用户综合嫌疑分数,然后输出用电异常的嫌疑用户清单。
7.根据权利要求1所述的基于用电特征的用户用电异常识别方法,其特征在于,还包括数据获取与数据预处理,从营销业务应用***、用电信息采集***中抽取用户基础用电特征数据,包括有实时电流、电压、日电量,并形成用户特征原始数据表,且为保证特征轨迹接近实际情况,可对原始数据表进行缺失值填充、去重、归一化处理操作,确保数据整齐可靠。
8.根据权利要求1所述的基于用电特征的用户用电异常识别方法,其特征在于,所述计算指标和偏离度权重还包括灰色关联分析,采用灰色关联模型进行组合赋权,运用用熵权法和变异系数法分别对各指标计算客观权重,并将两组客观权重通过乘法集成法进行组合,最终确定各指标的权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211145605.0A CN115907280A (zh) | 2022-09-20 | 2022-09-20 | 基于用电特征的用户用电异常识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211145605.0A CN115907280A (zh) | 2022-09-20 | 2022-09-20 | 基于用电特征的用户用电异常识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115907280A true CN115907280A (zh) | 2023-04-04 |
Family
ID=86488630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211145605.0A Pending CN115907280A (zh) | 2022-09-20 | 2022-09-20 | 基于用电特征的用户用电异常识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115907280A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391261A (zh) * | 2023-12-11 | 2024-01-12 | 深圳鼎智达表计信息科技有限公司 | 一种基于低功耗超声波测量的物联网ai智慧水务*** |
-
2022
- 2022-09-20 CN CN202211145605.0A patent/CN115907280A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391261A (zh) * | 2023-12-11 | 2024-01-12 | 深圳鼎智达表计信息科技有限公司 | 一种基于低功耗超声波测量的物联网ai智慧水务*** |
CN117391261B (zh) * | 2023-12-11 | 2024-03-22 | 深圳鼎智达表计信息科技有限公司 | 一种基于低功耗超声波测量的物联网ai智慧水务*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022518887A (ja) | 大規模・中規模企業の技術標準体系化実施の利益評価方法 | |
CN106022509B (zh) | 考虑地域和负荷性质双重差异的配电网空间负荷预测方法 | |
CN110555782B (zh) | 一种基于大数据的科学用电模型构建***及方法 | |
US6988092B1 (en) | Method for evaluation of energy utilities | |
CN107145966A (zh) | 基于逻辑回归概率分析优化模型的反窃电分析预警方法 | |
CN111080101A (zh) | 一种基于ahp对供电渠道服务效能多维度评价的方法 | |
CN111079941B (zh) | 信用信息处理方法、***、终端和存储介质 | |
CN111177208A (zh) | 基于大数据分析的用电异常检测方法 | |
CN110675020A (zh) | 一种基于大数据的高价低接用户识别方法 | |
CN112418687B (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN109934469A (zh) | 基于异源交叉回归分析的停电敏感度预警方法及装置 | |
CN112950067A (zh) | 基于模糊综合评价的电力用户用电能效评估方法 | |
CN115907280A (zh) | 基于用电特征的用户用电异常识别方法 | |
CN111626559A (zh) | 一种基于主因子分析法的中压配电网线损关键特征指标提取方法及*** | |
CN115600933A (zh) | 一种基于物联网的电表电能质量检测方法及*** | |
CN111639850A (zh) | 多源异构数据的质量评估方法与*** | |
CN111798333A (zh) | 一种用能评估与用电安全分析方法和*** | |
CN113450031B (zh) | 居民智慧用能服务潜在台区选取方法及装置 | |
CN112990730B (zh) | 一种利用人为采集失败增强电量相关性特征的方法 | |
CN112614007B (zh) | 充电潜力小区的识别方法和装置 | |
CN112258067A (zh) | 基于高斯混合模型聚类算法的低压用户缴费行为分类方法 | |
CN112348281A (zh) | 电力数据的处理方法和装置 | |
CN114219245B (zh) | 基于大数据的乡村电力指数评价方法、装置及存储介质 | |
CN111275337A (zh) | 一种电力市场发展状态评价方法及*** | |
CN106816871B (zh) | 一种电力***状态相似性分析方法 |
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 |