CN116388112A - 异常供应端断电方法、装置、电子设备和计算机可读介质 - Google Patents

异常供应端断电方法、装置、电子设备和计算机可读介质 Download PDF

Info

Publication number
CN116388112A
CN116388112A CN202310605958.2A CN202310605958A CN116388112A CN 116388112 A CN116388112 A CN 116388112A CN 202310605958 A CN202310605958 A CN 202310605958A CN 116388112 A CN116388112 A CN 116388112A
Authority
CN
China
Prior art keywords
power
information
sequence
average value
determining
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
CN202310605958.2A
Other languages
English (en)
Other versions
CN116388112B (zh
Inventor
孙兴达
卢彩霞
何嘉
唐志涛
刘明明
赵园园
高天
郑凤柱
杜晔
李泽盼
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.)
State Grid Information and Telecommunication Co Ltd
Beijing Guodiantong Network Technology Co Ltd
Original Assignee
State Grid Information and Telecommunication Co Ltd
Beijing Guodiantong Network Technology 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 State Grid Information and Telecommunication Co Ltd, Beijing Guodiantong Network Technology Co Ltd filed Critical State Grid Information and Telecommunication Co Ltd
Priority to CN202310605958.2A priority Critical patent/CN116388112B/zh
Publication of CN116388112A publication Critical patent/CN116388112A/zh
Application granted granted Critical
Publication of CN116388112B publication Critical patent/CN116388112B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H1/00—Details of emergency protective circuit arrangements
    • H02H1/0092—Details of emergency protective circuit arrangements concerning the data processing means, e.g. expert systems, neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/54—Testing for continuity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0499—Feedforward networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
    • H02H7/22—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions for distribution gear, e.g. bus-bar systems; for switching devices
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
    • H02H7/26—Sectionalised protection of cable or line systems, e.g. for disconnecting a section on which a short-circuit, earth fault, or arc discharge has occured

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Power Sources (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开的实施例公开了异常供应端断电方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：将电力容量序列中各个电力容量的平均值确定为电力容量均值；将第一用电量序列中各个第一用电量的平均值确定为用电量均值；将第一用电量序列中大于用电量均值的各个第一用电量的平均值确定为用电量上均值；将电力容量均值和用电量上均值添加至电力初始信息中；对电力初始信息进行数据清洗处理，以生成电力信息；将电力信息输入至预先训练的目标电力信息生成模型中，得到目标电力信息；将目标电力信息输入至预先训练的电力结果信息生成模型中，得到电力结果信息；对供应端进行断电处理。该实施方式可以及时对部分异常供应端进行断电。

Description

异常供应端断电方法、装置、电子设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及异常供应端断电方法、装置、电子设备和计算机可读介质。
背景技术
对异常供应端进行断电，可以减少异常供应端对电力的浪费。目前，对异常供应端进行断电，通常采用的方式为：根据供应端提供的电力基本信息，按照预先设定的规则识别出供应端是否是异常供应端，然后对异常供应端进行断电。
然而，采用上述方式通常存在以下技术问题：
第一，供应端提供的电力基本信息的准确度和时效性无法保证，造成通过供应端提供的电力基本信息识别出的异常供应端的准确度较低，导致难以及时对部分异常供应端进行断电；
第二，由于电力基本信息包括的用电属性值序列中的用电属性值可能会存在异常（例如，缺失、数值过大、数值过小等），通过存在异常的电力基本信息识别出的异常供应端的准确度较低，导致难以对部分异常供应端进行断电；
第三，由于电力基本信息包括大量与预先设定的规则无关的信息，使得在识别异常供应端时，需要从大量无关的信息中筛选出与预先设定的规则有关的信息，导致浪费了计算资源；
第四，预先设定的规则考虑到异常供应端对应的情况较少，识别出的异常供应端的准确度较低，难以对部分异常供应端进行断电。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了异常供应端断电方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种异常供应端断电方法，该方法包括：获取供应端的电力基本信息，其中，上述电力基本信息包括：电力容量序列、第一用电量序列，上述电力容量序列中的电力容量对应第一预设时间段内的一时间粒度，上述第一用电量序列中的第一用电量对应第一预设时间段内的一时间粒度；将上述电力容量序列中各个电力容量的平均值确定为电力容量均值；将上述第一用电量序列中各个第一用电量的平均值确定为用电量均值；将上述第一用电量序列中大于上述用电量均值的各个第一用电量的平均值确定为用电量上均值；将上述电力容量均值和上述用电量上均值添加至电力初始信息中，其中，上述电力初始信息初始为空；对上述电力初始信息进行数据清洗处理，以生成电力信息；将上述电力信息输入至预先训练的目标电力信息生成模型中，得到目标电力信息；将上述目标电力信息输入至预先训练的电力结果信息生成模型中，得到电力结果信息；响应于确定上述电力结果信息满足预设异常条件，对上述供应端进行断电处理。
第二方面，本公开的一些实施例提供了一种异常供应端断电装置，装置包括：获取单元，被配置成获取供应端的电力基本信息，其中，上述电力基本信息包括：电力容量序列、第一用电量序列，上述电力容量序列中的电力容量对应第一预设时间段内的一时间粒度，上述第一用电量序列中的第一用电量对应第一预设时间段内的一时间粒度；第一确定单元，被配置成将上述电力容量序列中各个电力容量的平均值确定为电力容量均值；第二确定单元，被配置成将上述第一用电量序列中各个第一用电量的平均值确定为用电量均值；第三确定单元，被配置成将上述第一用电量序列中大于上述用电量均值的各个第一用电量的平均值确定为用电量上均值；添加单元，被配置成将上述电力容量均值和上述用电量上均值添加至电力初始信息中，其中，上述电力初始信息初始为空；数据清洗单元，被配置成对上述电力初始信息进行数据清洗处理，以生成电力信息；第一输入单元，被配置成将上述电力信息输入至预先训练的目标电力信息生成模型中，得到目标电力信息；第二输入单元，被配置成将上述目标电力信息输入至预先训练的电力结果信息生成模型中，得到电力结果信息；断电单元，被配置成响应于确定上述电力结果信息满足预设异常条件，对上述供应端进行断电处理。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的异常供应端断电方法，可以及时对部分异常供应端进行断电。具体来说，导致难以及时对部分异常供应端进行断电的原因在于：供应端提供的电力基本信息的准确度和时效性无法保证，造成通过供应端提供的电力基本信息识别出的异常供应端的准确度较低。基于此，本公开的一些实施例的异常供应端断电方法，首先，获取供应端的电力基本信息。其中，上述电力基本信息包括：电力容量序列、第一用电量序列，上述电力容量序列中的电力容量对应第一预设时间段内的一时间粒度，上述第一用电量序列中的第一用电量对应第一预设时间段内的一时间粒度。由此，电网终端可以直接获取到时间粒度较小（一天、半个月、一个月等）且准确度较高的电力基本信息。其次，将上述电力容量序列中各个电力容量的平均值确定为电力容量均值。接着，将上述第一用电量序列中各个第一用电量的平均值确定为用电量均值。紧接着，将上述第一用电量序列中大于上述用电量均值的各个第一用电量的平均值确定为用电量上均值。然后，将上述电力容量均值和上述用电量上均值添加至电力初始信息中。其中，上述电力初始信息初始为空。由此，可以根据时间粒度较小且准确度较高的电力基本信息，得到时效性以及准确度较高的电力初始信息，以便后续根据电力初始信息识别出异常供应端。再然后，对上述电力初始信息进行数据清洗处理，以生成电力信息。由此，可以得到数据清洗后的电力信息，以便减低后续目标电力信息生成模型的复杂度。之后，将上述电力信息输入至预先训练的目标电力信息生成模型中，得到目标电力信息。由此，可以得到目标电力信息，以便后续电力结果信息生成模型以目标电力信息代替电力信息为输入，可以降低电力结果信息生成模型的复杂度。再之后，将上述目标电力信息输入至预先训练的电力结果信息生成模型中，得到电力结果信息。由此，可以得到电力结果信息，以便后续通过电力结果信息识别出异常供应端。最后，响应于确定上述电力结果信息满足预设异常条件，对上述供应端进行断电处理。由此，可以对异常供应端进行断电处理。从而，可以根据时间粒度较小的电力基本信息，得到时效性较高的电力初始信息。因此，可以识别出较为准确的异常供应端，可以及时对部分异常供应端进行断电。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是根据本公开的异常供应端断电方法的一些实施例的流程图；
图2是根据本公开的异常供应端断电装置的一些实施例的结构示意图；
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参考图1，示出了根据本公开的异常供应端断电方法的一些实施例的流程100。该异常供应端断电方法，包括以下步骤：
步骤101，获取供应端的电力基本信息。
在一些实施例中，异常供应端断电方法的执行主体（例如电网终端）可以通过有线连接或无线连接的方式从终端设备中获取供应端的电力基本信息。其中，上述电力基本信息可以包括但不限于以下至少一项：电力容量序列、第一用电量序列、第二用电量序列、第一用电属性值序列、减容容量序列、目标电力容量、第二用电属性值序列、区域用电量序列、区域用电属性值序列。这里，电网终端可以是向供应端供电的终端。供应端可以是运行受电设备的终端。上述电力容量序列中的电力容量对应第一预设时间段内的一时间粒度。上述第一用电量序列中的第一用电量对应第一预设时间段内的一时间粒度。电力容量序列中的电力容量可以是供应端运行的受电设备时的运行容量。运行容量可以是受电设备实际运行的容量。第一用电量序列中的第一用电量可以是供应端运行受电设备时所需要的电量。第二用电量序列中的第二用电量可以是第二预设时间段内的一时间粒度对应的供应端运行受电设备时所需要的电量。第一用电属性值序列中的第一用电属性值可以是第一预设时间段内的一时间粒度对应的供应端运行受电设备时所需要的用电属性值（电费）。减容容量序列中的减容容量可以是第一预设时间段内的一时间粒度对应的供应端运行受电设备时所减少的运行容量。目标电力容量可以是当前供应端运行受电设备时的运行容量。第二用电属性值序列中的第二用电属性值可以是第二预设时间段内的一时间粒度对应的供应端运行受电设备时所需要的用电属性值（电费）。区域用电量序列中的区域用电量可以是第一预设时间段内的一时间粒度对应的与上述供应端类型相同的供应端运行受电设备时所需要的电量。区域用电属性值序列中的区域用电属性值可以是第一预设时间段内的一时间粒度对应的与上述供应端类型相同的供应端运行受电设备时所需要的用电属性值（电费）。例如，上述时间粒度可以是但不限于：一天、一周、半个月。上述第一预设时间段可以是2022.5.1-2022.6.1。上述第一预设时间段还可以是2022.7.1-2023.1.1。上述第一预设时间段可以是2022.1.1-22023.1.1。上述第二预设时间段可以是2022.4.1-2022.5.1。上述第二预设时间段还可以是2022.1.1-2022.7.1。上述第二时间段还可以是2021.1.1-2022.1.1。受电设备可以包括但不限于以下至少一项：移动手机、平板电脑、移动互联网设备(Mobile Internet Device，MID)、风扇等。
步骤102，将电力容量序列中各个电力容量的平均值确定为电力容量均值。
在一些实施例中，上述执行主体可以将上述电力容量序列中各个电力容量的平均值确定为电力容量均值。
步骤103，将第一用电量序列中各个第一用电量的平均值确定为用电量均值。
在一些实施例中，上述执行主体可以将上述第一用电量序列中各个第一用电量的平均值确定为用电量均值。
步骤104，将第一用电量序列中大于用电量均值的各个第一用电量的平均值确定为用电量上均值。
在一些实施例中，上述执行主体可以将上述第一用电量序列中大于上述用电量均值的各个第一用电量的平均值确定为用电量上均值。
步骤105，将电力容量均值和用电量上均值添加至电力初始信息中。
在一些实施例中，上述执行主体可以将上述电力容量均值和上述用电量上均值添加至电力初始信息中。其中，上述电力初始信息初始为空。上述电力初始信息可以是上述电力基本信息经过数据预处理之后的信息。
可选地，在步骤106之前，上述方法还包括：
第一步，对上述第一用电属性值序列进行更新处理，以生成第一更新用电属性值序列。
在一些实施例中，上述执行主体可以对上述第一用电属性值序列进行更新处理，以生成第一更新用电属性值序列。
实践中，上述执行主体可以通过以下子步骤对上述第一用电属性值序列进行更新处理，以生成第一更新用电属性值序列：
第一子步骤，对于上述第一用电属性值序列中的每个第一用电属性值，执行如下确定步骤：
第一确定步骤，将去除了上述第一用电属性值的第一用电属性值序列确定为第一目标用电属性值序列。
第二确定步骤，对于上述第一目标用电属性值序列中的每个第一目标用电属性值，将上述第一目标用电属性值与上述第一用电属性值的差值确定为第一用电属性差值。
第三确定步骤，响应于确定满足预设差值条件的各个第一用电属性差值的数量大于预设差值数量，将上述第一用电属性值确定为第一中心用电属性值。其中，上述预设差值条件可以是第一用电属性差值小于预设差值。例如，上述预设差值可以是20。上述预设差值数量可以是10。
第二子步骤，将所确定的各个第一中心用电属性值确定为第一中心用电属性值组。
第三子步骤，对于上述第一用电属性值序列中的每个第一用电属性值，执行如下处理步骤：
第一处理步骤，对于上述第一中心用电属性值组中的每个第一中心用电属性值，将上述第一中心用电属性值与上述第一用电属性值的差值确定为第一中心属性差值。
第二处理步骤，响应于确定所确定的各个第一中心属性差值满足预设距离条件，将上述第一用电属性值确定为第一异常用电属性值。其中，上述预设距离条件可以是所确定的各个第一中心属性差值均大于预设最大差值。例如，预设最大差值可以是100。
第四子步骤，将所确定的各个第一异常用电属性值从上述第一用电属性值序列中去除，得到第一更新用电属性值序列。
步骤105中的相关技术内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“导致难以对部分异常供应端进行断电”。导致难以对部分异常供应端进行断电的因素往往如下：由于电力基本信息包括的用电属性值序列中的用电属性值可能会存在异常（例如，缺失、数值过大、数值过小等），通过存在异常的电力基本信息识别出的异常供应端的准确度较低。如果解决了上述因素，就能达到可以对部分异常供应端进行断电的效果。为了达到这一效果，首先，可以确定第一用电属性值序列中的各个第一中心用电属性值，以便对第一用电属性值序列中的第一用电属性值进行分类，第一中心用电属性值组中的每个第一中心用电属性值的每一类的中心。然后，可以根据第一用电属性值序列中第一用电属性值到每个中心用电属性值的距离大于预设最大差值，确定出第一用电属性值序列中异常的第一用电属性值。最后，可以各个异常的第一用电属性值从第一用电属性值序列中去除，以便去除第一用电属性值序列中的异常数据。因此，可以得到较为准确的第一用电属性值序列，以便后续根据包括了较为准确的第一用电属性值序列的电力基本信息，识别出较为准确的异常供应端。从而，可以对部分异常供应端进行断电。
第二步，将上述第一用电量序列中的各个第一用电量的和确定为第一总用电量。
在一些实施例中，上述执行主体可以将上述第一用电量序列中的各个第一用电量的和确定为第一总用电量。
第三步，将上述第二用电量序列中的各个第二用电量的和确定为第二总用电量。
在一些实施例中，上述执行主体可以将上述第二用电量序列中的各个第二用电量的和确定为第二总用电量。
第四步，将上述第一总用电量和上述第二总用电量的比值确定为总用电量同比。
在一些实施例中，上述执行主体可以将上述第一总用电量和上述第二总用电量的比值确定为总用电量同比。
第五步，将上述第一更新用电属性值序列中的各个第一更新用电属性值的平均值确定为用电属性均值。
在一些实施例中，上述执行主体可以将上述第一更新用电属性值序列中的各个第一更新用电属性值的平均值确定为用电属性均值。
第六步，将上述第一更新用电属性值序列中大于上述用电属性均值的各个第一更新用电属性值的平均值确定为用电属性上均值。
在一些实施例中，上述执行主体可以将上述第一更新用电属性值序列中大于上述用电属性均值的各个第一更新用电属性值的平均值确定为用电属性上均值。
第七步，将上述第一更新用电属性值序列中最大的第一更新用电属性值与上述第一更新用电属性值序列中最小的第一更新用电属性值的比值确定为用电属性比值。
在一些实施例中，上述执行主体可以将上述第一更新用电属性值序列中最大的第一更新用电属性值与上述第一更新用电属性值序列中最小的第一更新用电属性值的比值确定为用电属性比值。
第八步，将上述总用电量同比、上述用电属性上均值和上述用电属性比值添加至上述电力初始信息中。
在一些实施例中，上述执行主体可以将上述总用电量同比、上述用电属性上均值和上述用电属性比值添加至上述电力初始信息中。
可选地，上述方法还包括：
第一步，对上述第二用电属性值序列进行更新处理，以生成第二更新用电属性值序列。
在一些实施例中，上述执行主任可以对上述第二用电属性值序列进行更新处理，以生成第二更新用电属性值序列。实践中，对上述第二用电属性值序列进行更新处理的具体实现方式及所带来的技术效果可以参考上述实施例中的步骤105，在此不再赘述。
第二步，将上述减容容量序列中的减容容量的数量确定为减容次数。
在一些实施例中，上述执行主体可以将上述减容容量序列中的减容容量的数量确定为减容次数。
第三步，将上述减容容量序列中的各个减容容量的和确定为减容总容量。
在一些实施例中，上述执行主体可以将上述减容容量序列中的各个减容容量的和确定为减容总容量。
第四步，将上述减容总容量与上述目标电力容量的比值确定为减容占比。
在一些实施例中，上述执行主体可以将上述减容总容量与上述目标电力容量的比值确定为减容占比。
第五步，将上述第一更新用电属性值序列中的各个第一更新用电属性值的和确定为第一总用电属性值。
在一些实施例中，上述执行主体可以将上述第一更新用电属性值序列中的各个第一更新用电属性值的和确定为第一总用电属性值。
第六步，将上述第二更新用电属性值序列中的各个第二更新用电属性值的和确定为第二总用电属性值。
在一些实施例中，上述执行主体可以将上述第二更新用电属性值序列中的各个第二更新用电属性值的和确定为第二总用电属性值。
第七步，将上述第一总用电属性值和上述第二总用电属性值的比值确定为总用电属性同比。
在一些实施例中，上述执行主体可以将上述第一总用电属性值和上述第二总用电属性值的比值确定为总用电属性同比。
第八步，对于上述第一用电量序列中的每个第一用电量，将上述第一用电量与上述第一用电量的上一个第一用电量的比值确定为第一用电量比值。
在一些实施例中，上述执行主体可以对于上述第一用电量序列中的每个第一用电量，将上述第一用电量与上述第一用电量的上一个第一用电量的比值确定为第一用电量比值。
第九步，将所确定的各个第一用电量比值的平均值确定为用电量变化率。
在一些实施例中，上述执行主体可以将所确定的各个第一用电量比值的平均值确定为用电量变化率。
第十步，将上述减容次数、上述减容占比、上述总用电属性同比和上述用电量变化率添加至上述电力初始信息中。
在一些实施例中，上述执行主体可以将上述减容次数、上述减容占比、上述总用电属性同比和上述用电量变化率添加至上述电力初始信息中。
可选地，上述方法还包括：
第一步，将上述区域用电量序列中的各个区域用电量的平均值确定为区域用电量均值。
在一些实施例中，上述执行主体可以将上述区域用电量序列中的各个区域用电量的平均值确定为区域用电量均值。
第二步，将上述区域用电量序列中每个区域用电量的平方确定为区域用电量平方值，得到区域用电量平方值序列。
在一些实施例中，上述执行主体可以将上述区域用电量序列中每个区域用电量的平方确定为区域用电量平方值，得到区域用电量平方值序列。
第三步，将上述区域用电量平方值序列中的各个区域用电量平方值的和确定为区域用电量平方和值。
在一些实施例中，上述执行主体可以将上述区域用电量平方值序列中的各个区域用电量平方值的和确定为区域用电量平方和值。
第四步，将上述区域用电量序列中各个区域用电量的和确定为区域用电量和值。
在一些实施例中，上述执行主体可以将上述区域用电量序列中各个区域用电量的和确定为区域用电量和值。
第五步，将上述区域用电量和值的平方确定为区域用电量和平方值。
在一些实施例中，上述执行主体可以将上述区域用电量和值的平方确定为区域用电量和平方值。
第六步，将上述区域用电量平方和值与上述区域用电量和平方值的比值确定为区域用电量集中度。
在一些实施例中，上述执行主体可以将上述区域用电量平方和值与上述区域用电量和平方值的比值确定为区域用电量集中度。
第七步，将上述区域用电属性值序列中的各个区域用电属性值的平均值确定为区域用电属性均值。
在一些实施例中，上述执行主体可以将上述区域用电属性值序列中的各个区域用电属性值的平均值确定为区域用电属性均值。
第八步，基于上述区域用电属性值序列，生成区域用电属性值集中度。
在一些实施例中，上述执行主体可以基于上述区域用电属性值序列，生成区域用电属性值集中度。实践中，首先，上述执行主体可以将上述区域用电属性值序列中每个区域用电属性值的平方确定为区域用电属性平方值，得到区域用电属性平方值序列。其次，上述执行主体可以将上述区域用电属性平方值序列中的各个区域用电属性平方值的和确定为区域用电属性平方和值。接着，上述执行主体可以将上述区域用电属性值序列中各个区域用电属性值的和确定为区域用电属性和值。然后，上述执行主体可以将上述区域用电属性和值的平方确定为区域用电属性和平方值。最后，上述执行主体可以将上述区域用电属性平方和值与上述区域用电属性和平方值的比值确定为区域用电属性值集中度。
第九步，将上述区域用电量均值、上述区域用电量集中度、上述区域用电属性均值和上述区域用电属性值集中度添加至上述电力初始信息中。
在一些实施例中，上述执行主体可以将上述区域用电量均值、上述区域用电量集中度、上述区域用电属性均值和上述区域用电属性值集中度添加至上述电力初始信息中。其中，上述电力初始信息还可以包括但不限于以下至少一项：第一用户占比、第一用电数、第二用电数。这里，第一用户占比可以是上述第一预设时间段内的第一用户总数量（供应端销户的总户数）与第二用户数量（当前供应端用电的总户数）的比值。第一用电数可以是第三预设时间段内的第一用电（偷窃用电）的次数。第二用电数可以是第三预设时间段内的第二用电（违约用电）的次数。第三预设时间段可以是上述第一预设时间段和上述第二预设时间段之和。
步骤106，对电力初始信息进行数据清洗处理，以生成电力信息。
在一些实施例中，上述执行主体可以对上述电力初始信息进行数据清洗处理，以生成电力信息。实践中，首先，上述执行主体可以从上述电力初始信息中去除上述总用电属性同比和上述用电量变化率，以生成电力更新信息。然后，上述执行主体可以去除上述电力更新信息中为空的信息，以生成电力信息。由此，可以去除总用电属性同比、用电量变化率以及为空的信息，以减低目标电力信息生成模型的复杂度。
步骤107，将电力信息输入至预先训练的目标电力信息生成模型中，得到目标电力信息。
在一些实施例中，上述执行主体可以将上述电力信息输入至预先训练的目标电力信息生成模型中，得到目标电力信息。上述目标电力信息生成模型可以是以电力信息为输入，以目标电力信息为输出的神经网络模型。上述目标电力信息可以包括：电力信息包括的满足预设数量条件的信息。上述预设数量条件可以是电力信息对应的权重序列中的前预设数量的权重对应的各个信息。上述权重序列中的权重可以表征电力信息包括的信息的重要程度。上述权重序列可以是电力信息包括的各个信息按照权重从大到小排序后的序列。例如，预设数量可以是15。
可选地，预先训练的目标电力信息生成模型可以是通过以下步骤训练得到的：
第一步，获取训练样本集。
在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取训练样本集。其中，上述训练样本集中的训练样本包括：样本电力信息和样本目标电力信息。这里，样本目标电力信息可以是样本电力信息对应的样本标签。
第二步，确定初始目标电力信息生成模型。
在一些实施例中，上述执行主体可以确定初始目标电力信息生成模型。其中，上述初始目标电力信息生成模型可以是以样本电力信息为输入，以初始目标电力信息为输出的神经网络模型。上述初始目标电力信息生成模型可以包括：初始权重生成模型、初始选择模型。
上述初始权重生成模型可以是以样本电力信息为输入，以初始权重信息为输出的第一自定义模型。这里，初始权重信息可以表征样本电力信息包括的各个信息对应的各个权重。第一自定义模型可以分为三层：
第一层：输入层，用于接收样本电力信息，以及将样本电力信息输入至第二层。
第二层：处理层，包括：第一子模型和第二子模型。第一子模型可以是以样本电力信息为输入，以第一权重信息为输出的梯度提升模型。第二子模型可以是以样本电力信息为输入，以第二权重信息为输出的分类器模型。其中，第一权重信息可以包括但不限于：第一权重集。第一权重集中的第一权重可以是通过第一子模型，生成的对应样本电力信息包括的信息的权重。第二权重信息可以包括但不限于：第二权重集。第二权重集中的第二权重可以是通过第二子模型，生成的对应样本电力信息包括的信息的权重。这里，第一权重信息包括的第一权重可以对应第二权重信息包括的第二权重。第一权重信息包括的第一权重可以对应样本电力信息包括的信息。例如，第一子模型可以是XGBoost（eXtreme GradientBoosting，极度梯度提升）模型。第二子模型可以是RF（Random Forest，随机森林）模型。
第三层，输出层，用于：首先，接收第二层输出的第一权重信息和第二权重信息。接着，对于上述第一权重信息包括的每个第一权重，将上述第一权重和对应上述第一权重的第二权重的平均值确定为平均权重。然后，将所确定的各个平均权重确定为初始权重信息。最后，将初始权重信息作为整个第一自定义模型的输出。
上述初始选择模型可以是以初始权重信息和样本电力信息为输入，以初始目标电力信息为输出的模型。上述初始选择模型可以用于：首先，对初始权重信息包括的各个权重按照从大到小的顺序进行排序处理，得到中转权重序列。然后，将上述中转权重序列中前预设数量的各个权重确定为中转权重组。之后，对于上述中转权重组中的每个中转权重，将样本电力信息包括的对应上述中转权重的信息确定为目标信息。最后，将所确定的各个目标信息确定为初始目标电力信息。
第三步，从上述训练样本集中选取训练样本。
在一些实施例中，上述执行主体可以从上述训练样本集中选取训练样本。实践中，上述执行主体可以随机从上述训练样本集中选取训练样本。
第四步，将上述训练样本包括的样本电力信息输入至上述初始权重信息生成模型中，得到初始权重信息。
在一些实施例中，上述执行主体可以将上述训练样本包括的样本电力信息输入至上述初始权重信息生成模型中，得到初始权重信息。
第五步，将上述初始权重信息和上述训练样本包括的样本电力信息输入至上述初始选择模型中，得到初始目标电力信息。
在一些实施例中，上述执行主体可以将上述初始权重信息和上述训练样本包括的样本电力信息输入至上述初始选择模型中，得到初始目标电力信息。
第六步，基于预设的第一损失函数，确定上述初始目标电力信息与上述训练样本包括的样本目标电力信息之间的第一差异值。
在一些实施例中，上述执行主体可以基于预设的第一损失函数，确定上述初始目标电力信息与上述训练样本包括的样本目标电力信息之间的第一差异值。其中，预设的第一损失函数可以是但不限于：均方误差损失函数（MSE）、合页损失函数（SVM）、交叉熵损失函数（CrossEntropy）、0-1损失函数、绝对值损失函数、log对数损失函数、平方损失函数、指数损失函数等。
第七步，响应于确定上述第一差异值满足第一预设条件，调整上述初始目标电力信息生成模型的网络参数。
在一些实施例中，上述执行主体可以响应于确定上述第一差异值满足第一预设条件，调整上述初始目标电力信息生成模型的网络参数。其中，上述第一预设条件可以是上述第一差异值大于第一预设差异值。例如，可以对上述第一差异值和第一预设差异值求差值。在此基础上，利用反向传播、梯度下降等方法对上述初始目标电力信息生成模型的网络参数进行调整。需要说明的是，反向传播算法和梯度下降法是目前广泛研究和应用的公知技术，在此不再赘述。其中，对于第一预设差异值的设定，不作限定，例如，第一预设差异值可以是0.1。
步骤107中的可选的技术内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题三“导致浪费了计算资源”。导致浪费了计算资源的因素往往如下：由于电力基本信息包括大量与预先设定的规则无关的信息，使得在识别异常供应端时，需要从大量无关的信息中筛选出与预先设定的规则有关的信息。如果解决了上述因素，就能达到可以减少浪费计算资源的效果。为了达到这一效果，首先，可以通过第一预定义模型包括的第一子模型和第二子模型分别得到电力信息包括的各个信息对应的权重。然后，可以通过第一预定义模型的第三层输出考虑到通过第一子模型和第二子模型两种模型输出的权重，可以得到较为准确的初始权重信息。之后，可以通过初始选择模型从电力信息包括的各个信息中选择出目标电力信息。最后，可以通过训练初始目标电力信息生成模型包括的初始权重生成模型和初始选择模型，得到目标电力信息生成模型。由此，本公开可以通过训练后的目标电力信息生成模型，得到电力信息中重要程度较高的各个信息。因此，只考虑较为重要的电力信息，可以减少浪费计算资源。
可选地，响应于确定上述第一差异值不满足上述第一预设条件，将上述初始目标电力信息生成模型确定为训练后的目标电力信息生成模型。
在一些实施例中，上述执行主体可以响应于确定上述第一差异值不满足上述第一预设条件，将上述初始目标电力信息生成模型确定为训练后的目标电力信息生成模型。
步骤108，将目标电力信息输入至预先训练的电力结果信息生成模型中，得到电力结果信息。
在一些实施例中，上述执行主体可以将上述目标电力信息输入至预先训练的电力结果信息生成模型中，得到电力结果信息。其中，上述电力结果信息生成模型可以是以目标电力信息为输入，以电力结果信息为输出的神经网络模型。上述电力结果信息可以是但不限于：第一结果信息、第二结果信息。这里，第一结果信息可以表征供应端是异常供应端。第二结果信息可以表征供应端不是异常供应端。异常供应端可以是用电异常的供应端。
可选地，预先训练的电力结果信息生成模型可以是通过以下步骤训练得到的：
第一步，获取训练样本集。
在一些实施例中，上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取训练样本集。其中，上述训练样本集中的训练样本包括：样本目标电力信息和样本电力结果信息。
第二步，确定初始电力结果信息生成模型。
在一些实施例中，上述执行主体可以确定初始电力结果信息生成模型。其中，上述初始电力结果信息生成模型可以是以样本目标电力信息为输入，以初始电力结果信息为输出的神经网络模型。上述初始电力结果信息生成模型可以包括：初始目标权重生成模型、初始融合模型、初始标记模型。
上述初始目标权重生成模型可以是以样本目标电力信息为输入，以初始目标权重信息为输出的第二自定义模型。这里，初始目标权重信息可以表征样本目标电力信息包括的各个信息对应的各个权重。上述第二自定义模型可以分为三层：
第一层：输入层，用于接收样本目标电力信息，以及将样本目标电力信息输入至第二层。
第二层：处理层，包括：第一目标子模型和第二目标子模型。第一目标子模型可以是以样本目标电力信息为输入，以第一目标权重信息为输出的多层前馈神经网络模型。第二目标子模型可以是以样本目标电力信息为输出，以第二目标权重信息为输出的梯度提升模型。第一目标权重信息可以包括但不限于：第一目标权重集。第一目标权重集中的第一目标权重可以是通过第一目标子模型，生成的对应样本目标电力信息包括的信息的权重。第二目标权重信息可以包括但不限于：第二目标权重集。第二目标权重集中的第二目标权重可以是通过第二目标子模型，生成的对应样本目标电力信息包括的信息的权重。这里，第一目标权重信息包括的第一目标权重可以对应第二目标权重信息包括的第二目标权重。第一目标权重信息包括的第一目标权重可以对应样本目标电力信息包括的信息。例如，第一目标子模型可以是BP（back propagation，多层前馈神经网络）模型。第二目标子模型可以是XGBoost（eXtreme Gradient Boosting，极度梯度提升）模型。
第三层，输出层，用于：首先，接收第二层输出的第一目标权重信息和第二目标权重信息。接着，对于上述第一目标权重信息包括的每个第一目标权重，将上述第一目标权重和对应上述第一目标权重的第二目标权重的平均值确定为平均目标权重。然后，将所确定的各个目标权重确定为初始目标权重信息。最后，将初始目标权重信息作为整个第二自定义模型的输出。
上述初始融合模型可以是以样本目标电力信息和初始目标权重信息为输入，以初始融合信息为输出的模型。这里，上述初始融合模型用于：首先，对于上述样本目标电力信息包括的每个信息，将上述信息和上述初始目标权重信息包括的对应上述信息的平均目标权重的乘积确定为电力权重值。然后，所确定的各个电力权重值的和确定为初始融合信息。
上述初始标记模型可以是以初始融合信息为输入，以初始电力结果信息为输出的模型。这里，上述初始标记模型用于：首先，响应于确定上述初始融合信息满足预设标记条件，将第一结果信息确定为初始电力结果信息。然后，响应于确定上述初始融合信息不满足上述预设标记条件，将第二结果信息确定为初始电力结果信息。其中，上述预设标记条件可以是初始融合信息小于预设标记数值。例如，预设标记数值可以是0.5。
第三步，从上述训练样本集中选取训练样本。
在一些实施例中，上述执行主体可以从上述训练样本集中选取训练样本。实践中，上述执行主体可以随机从上述训练样本集中选取训练样本。
第四步，将上述训练样本包括的样本目标电力信息输入至上述初始目标权重生成模型中，得到初始目标权重信息。
在一些实施例中，上述执行主体可以将上述训练样本包括的样本目标电力信息输入至上述初始目标权重生成模型中，得到初始目标权重信息。
第五步，将上述训练样本包括的样本目标电力信息和上述初始目标权重信息输入至上述初始融合模型中，得到初始融合信息。
在一些实施例中，上述执行主体可以将上述训练样本包括的样本目标电力信息和上述初始目标权重信息输入至上述初始融合模型中，得到初始融合信息。
第六步，将上述初始融合信息输入至上述初始标记模型中，得到初始电力结果信息。
在一些实施例中，上述执行主体可以将上述初始融合信息输入至上述初始标记模型中，得到初始电力结果信息。
第七步，基于预设的第二损失函数，确定上述初始电力结果信息与上述训练样本包括的样本电力结果信息之间的第二差异值。
在一些实施例中，上述执行主体可以基于预设的第二损失函数，确定上述初始电力结果信息与上述训练样本包括的样本电力结果信息之间的第二差异值。其中，预设的第二损失函数可以是但不限于：均方误差损失函数（MSE）、合页损失函数（SVM）、交叉熵损失函数（CrossEntropy）、0-1损失函数、绝对值损失函数、log对数损失函数、平方损失函数、指数损失函数等。
第八步，响应于确定上述第二差异值满足第二预设条件，调整上述初始电力结果信息生成模型的网络参数。
在一些实施例中，上述执行主体可以响应于确定上述第二差异值满足第二预设条件，调整上述初始电力结果信息生成模型的网络参数。其中，上述第二预设条件可以是上述第二差异值大于第二预设差异值。例如，可以对上述第二差异值和第二预设差异值求差值。在此基础上，利用反向传播、梯度下降等方法对上述初始电力结果信息生成模型的网络参数进行调整。需要说明的是，反向传播算法和梯度下降法是目前广泛研究和应用的公知技术，在此不再赘述。其中，对于第二预设差异值的设定，不作限定，例如，第二预设差异值可以是0.1。
步骤108中的可选的技术内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题四“难以对部分异常供应端进行断电”。难以对部分异常供应端进行断电的因素往往如下：预先设定的规则考虑到异常供应端对应的情况较少，识别出的异常供应端的准确度较低。如果解决了上述因素，就能达到可以对部分异常供应端进行断电的效果。为了达到这一效果，首先，可以通过第二预定义模型包括的第一目标子模型和第二目标子模型分别得到目标电力信息包括的各个信息对应的权重。然后，可以通过第二预定义模型的第三层输出考虑到通过第一目标子模型和第二目标子模型两种模型输出的权重，可以得到较为准确的初始目标权重信息。之后，可以通过初始融合模型得到表征供应端异常情况的初始融合信息。接着，可以通过初始标记模型标记出异常供应端。最后，可以通过训练初始电力结果信息生成模型包括的初始目标权重生成模型、初始融合模型和初始标记模型，得到电力结果信息生成模型。由此，本公开可以通过训练后的电力结果信息生成模型识别出异常供应端，相较于通过预先设定的规则识别出的异常供应端更为准确。因此，可以对部分异常供应端进行断电。
可选地，响应于确定上述第二差异值满足第二预设条件，将上述初始电力结果信息生成模型确定为训练后的电力结果信息生成模型。
在一些实施例中，上述执行主体可以响应于确定上述第二差异值满足第二预设条件，将上述初始电力结果信息生成模型确定为训练后的电力结果信息生成模型。
步骤109，响应于确定电力结果信息满足预设异常条件，对供应端进行断电处理。
在一些实施例中，上述执行主体可以响应于确定上述电力结果信息满足预设异常条件，对上述供应端进行断电处理。其中，上述预设异常条件可以是上述电力结果信息是第一结果信息。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的异常供应端断电方法，可以及时对部分异常供应端进行断电。具体来说，导致难以及时对部分异常供应端进行断电的原因在于：供应端提供的电力基本信息的准确度和时效性无法保证，造成通过供应端提供的电力基本信息识别出的异常供应端的准确度较低。基于此，本公开的一些实施例的异常供应端断电方法，首先，获取供应端的电力基本信息。其中，上述电力基本信息包括：电力容量序列、第一用电量序列，上述电力容量序列中的电力容量对应第一预设时间段内的一时间粒度，上述第一用电量序列中的第一用电量对应第一预设时间段内的一时间粒度。由此，电网终端可以直接获取到时间粒度较小（一天、半个月、一个月等）且准确度较高的电力基本信息。其次，将上述电力容量序列中各个电力容量的平均值确定为电力容量均值。接着，将上述第一用电量序列中各个第一用电量的平均值确定为用电量均值。紧接着，将上述第一用电量序列中大于上述用电量均值的各个第一用电量的平均值确定为用电量上均值。然后，将上述电力容量均值和上述用电量上均值添加至电力初始信息中。其中，上述电力初始信息初始为空。由此，可以根据时间粒度较小且准确度较高的电力基本信息，得到时效性以及准确度较高的电力初始信息，以便后续根据电力初始信息识别出异常供应端。再然后，对上述电力初始信息进行数据清洗处理，以生成电力信息。由此，可以得到数据清洗后的电力信息，以便减低后续目标电力信息生成模型的复杂度。之后，将上述电力信息输入至预先训练的目标电力信息生成模型中，得到目标电力信息。由此，可以得到目标电力信息，以便后续电力结果信息生成模型以目标电力信息代替电力信息为输入，可以降低电力结果信息生成模型的复杂度。再之后，将上述目标电力信息输入至预先训练的电力结果信息生成模型中，得到电力结果信息。由此，可以得到电力结果信息，以便后续通过电力结果信息识别出异常供应端。最后，响应于确定上述电力结果信息满足预设异常条件，对上述供应端进行断电处理。由此，可以对异常供应端进行断电处理。从而，可以根据时间粒度较小的电力基本信息，得到时效性较高的电力初始信息。因此，可以识别出较为准确的异常供应端，可以及时对部分异常供应端进行断电。
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种异常供应端断电装置的一些实施例，这些异常供应端断电装置实施例与图1所示的那些方法实施例相对应，该异常供应端断电装置具体可以应用于各种电子设备中。
如图2所示，一些实施例的异常供应端断电装置200包括：获取单元201、第一确定单元202、第二确定单元203、第三确定单元204、添加单元205、数据清洗单元206、第一输入单元207、第二输入单元208和断电单元209。其中，获取单元201，被配置成获取供应端的电力基本信息，其中，上述电力基本信息包括：电力容量序列、第一用电量序列，上述电力容量序列中的电力容量对应第一预设时间段内的一时间粒度，上述第一用电量序列中的第一用电量对应第一预设时间段内的一时间粒度；第一确定单元202，被配置成将上述电力容量序列中各个电力容量的平均值确定为电力容量均值；第二确定单元203，被配置成将上述第一用电量序列中各个第一用电量的平均值确定为用电量均值；第三确定单元204，被配置成将上述第一用电量序列中大于上述用电量均值的各个第一用电量的平均值确定为用电量上均值；添加单元205，被配置成将上述电力容量均值和上述用电量上均值添加至电力初始信息中，其中，上述电力初始信息初始为空；数据清洗单元206，被配置成对上述电力初始信息进行数据清洗处理，以生成电力信息；第一输入单元207，被配置成将上述电力信息输入至预先训练的目标电力信息生成模型中，得到目标电力信息；第二输入单元208，被配置成将上述目标电力信息输入至预先训练的电力结果信息生成模型中，得到电力结果信息；断电单元209，被配置成响应于确定上述电力结果信息满足预设异常条件，对上述供应端进行断电处理。
可以理解的是，该异常供应端断电装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于异常供应端断电装置200及其中包含的单元，在此不再赘述。
下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备（例如电网终端）300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（ROM）302中的程序或者从存储装置308加载到随机访问存储器（RAM）303中的程序而执行各种适当的动作和处理。在RAM303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM302以及RAM 303通过总线304彼此相连。输入/输出（I/O）接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取供应端的电力基本信息，其中，上述电力基本信息包括：电力容量序列、第一用电量序列，上述电力容量序列中的电力容量对应第一预设时间段内的一时间粒度，上述第一用电量序列中的第一用电量对应第一预设时间段内的一时间粒度；将上述电力容量序列中各个电力容量的平均值确定为电力容量均值；将上述第一用电量序列中各个第一用电量的平均值确定为用电量均值；将上述第一用电量序列中大于上述用电量均值的各个第一用电量的平均值确定为用电量上均值；将上述电力容量均值和上述用电量上均值添加至电力初始信息中，其中，上述电力初始信息初始为空；对上述电力初始信息进行数据清洗处理，以生成电力信息；将上述电力信息输入至预先训练的目标电力信息生成模型中，得到目标电力信息；将上述目标电力信息输入至预先训练的电力结果信息生成模型中，得到电力结果信息；响应于确定上述电力结果信息满足预设异常条件，对上述供应端进行断电处理。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一确定单元、第二确定单元、第三确定单元、添加单元、数据清洗单元、第一输入单元、第二输入单元和断电单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取供应端的电力基本信息”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上***（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (7)

1.一种异常供应端断电方法，包括：
获取供应端的电力基本信息，其中，所述电力基本信息包括：电力容量序列、第一用电量序列，所述电力容量序列中的电力容量对应第一预设时间段内的一时间粒度，所述第一用电量序列中的第一用电量对应第一预设时间段内的一时间粒度；
将所述电力容量序列中各个电力容量的平均值确定为电力容量均值；
将所述第一用电量序列中各个第一用电量的平均值确定为用电量均值；
将所述第一用电量序列中大于所述用电量均值的各个第一用电量的平均值确定为用电量上均值；
将所述电力容量均值和所述用电量上均值添加至电力初始信息中，其中，所述电力初始信息初始为空；
对所述电力初始信息进行数据清洗处理，以生成电力信息；
将所述电力信息输入至预先训练的目标电力信息生成模型中，得到目标电力信息；
将所述目标电力信息输入至预先训练的电力结果信息生成模型中，得到电力结果信息；
响应于确定所述电力结果信息满足预设异常条件，对所述供应端进行断电处理。
2.根据权利要求1所述的方法，其中，所述电力基本信息还包括：第二用电量序列、第一用电属性值序列；以及
在所述对所述电力初始信息进行数据清洗处理，以生成电力信息之前，所述方法还包括：
对所述第一用电属性值序列进行更新处理，以生成第一更新用电属性值序列；
将所述第一用电量序列中的各个第一用电量的和确定为第一总用电量；
将所述第二用电量序列中的各个第二用电量的和确定为第二总用电量；
将所述第一总用电量和所述第二总用电量的比值确定为总用电量同比；
将所述第一更新用电属性值序列中的各个第一更新用电属性值的平均值确定为用电属性均值；
将所述第一更新用电属性值序列中大于所述用电属性均值的各个第一更新用电属性值的平均值确定为用电属性上均值；
将所述第一更新用电属性值序列中最大的第一更新用电属性值与所述第一更新用电属性值序列中最小的第一更新用电属性值的比值确定为用电属性比值；
将所述总用电量同比、所述用电属性上均值和所述用电属性比值添加至所述电力初始信息中。
3.根据权利要求2所述的方法，其中，所述电力基本信息还包括：减容容量序列、目标电力容量、第二用电属性值序列；以及
所述方法还包括：
对所述第二用电属性值序列进行更新处理，以生成第二更新用电属性值序列；
将所述减容容量序列中的减容容量的数量确定为减容次数；
将所述减容容量序列中的各个减容容量的和确定为减容总容量；
将所述减容总容量与所述目标电力容量的比值确定为减容占比；
将所述第一更新用电属性值序列中的各个第一更新用电属性值的和确定为第一总用电属性值；
将所述第二更新用电属性值序列中的各个第二更新用电属性值的和确定为第二总用电属性值；
将所述第一总用电属性值和所述第二总用电属性值的比值确定为总用电属性同比；
对于所述第一用电量序列中的每个第一用电量，将所述第一用电量与所述第一用电量的上一个第一用电量的比值确定为第一用电量比值；
将所确定的各个第一用电量比值的平均值确定为用电量变化率；
将所述减容次数、所述减容占比、所述总用电属性同比和所述用电量变化率添加至所述电力初始信息中。
4.根据权利要求3所述的方法，其中，所述电力基本信息还包括：区域用电量序列、区域用电属性值序列；以及
所述方法还包括：
将所述区域用电量序列中的各个区域用电量的平均值确定为区域用电量均值；
将所述区域用电量序列中每个区域用电量的平方确定为区域用电量平方值，得到区域用电量平方值序列；
将所述区域用电量平方值序列中的各个区域用电量平方值的和确定为区域用电量平方和值；
将所述区域用电量序列中各个区域用电量的和确定为区域用电量和值；
将所述区域用电量和值的平方确定为区域用电量和平方值；
将所述区域用电量平方和值与所述区域用电量和平方值的比值确定为区域用电量集中度；
将所述区域用电属性值序列中的各个区域用电属性值的平均值确定为区域用电属性均值；
基于所述区域用电属性值序列，生成区域用电属性值集中度；
将所述区域用电量均值、所述区域用电量集中度、所述区域用电属性均值和所述区域用电属性值集中度添加至所述电力初始信息中。
5.一种异常供应端断电装置，包括：
获取单元，被配置成获取供应端的电力基本信息，其中，所述电力基本信息包括：电力容量序列、第一用电量序列，所述电力容量序列中的电力容量对应第一预设时间段内的一时间粒度，所述第一用电量序列中的第一用电量对应第一预设时间段内的一时间粒度；
第一确定单元，被配置成将所述电力容量序列中各个电力容量的平均值确定为电力容量均值；
第二确定单元，被配置成将所述第一用电量序列中各个第一用电量的平均值确定为用电量均值；
第三确定单元，被配置成将所述第一用电量序列中大于所述用电量均值的各个第一用电量的平均值确定为用电量上均值；
添加单元，被配置成将所述电力容量均值和所述用电量上均值添加至电力初始信息中，其中，所述电力初始信息初始为空；
数据清洗单元，被配置成对所述电力初始信息进行数据清洗处理，以生成电力信息；
第一输入单元，被配置成将所述电力信息输入至预先训练的目标电力信息生成模型中，得到目标电力信息；
第二输入单元，被配置成将所述目标电力信息输入至预先训练的电力结果信息生成模型中，得到电力结果信息；
断电单元，被配置成响应于确定所述电力结果信息满足预设异常条件，对所述供应端进行断电处理。
6.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述方法。
7.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN202310605958.2A 2023-05-26 2023-05-26 异常供应端断电方法、装置、电子设备和计算机可读介质 Active CN116388112B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310605958.2A CN116388112B (zh) 2023-05-26 2023-05-26 异常供应端断电方法、装置、电子设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310605958.2A CN116388112B (zh) 2023-05-26 2023-05-26 异常供应端断电方法、装置、电子设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN116388112A true CN116388112A (zh) 2023-07-04
CN116388112B CN116388112B (zh) 2023-09-12

Family

ID=86965963

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310605958.2A Active CN116388112B (zh) 2023-05-26 2023-05-26 异常供应端断电方法、装置、电子设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN116388112B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117235535A (zh) * 2023-11-14 2023-12-15 北京国电通网络技术有限公司 异常供应端断电方法、装置、电子设备和介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944642A (zh) * 2017-12-19 2018-04-20 国家电网公司 一种电网投资需求的预测方法及预测***
CN109636124A (zh) * 2018-11-18 2019-04-16 韩霞 基于大数据的电力行业低压台区线损分析方法及处理***
CN112288594A (zh) * 2020-10-23 2021-01-29 国网辽宁省电力有限公司信息通信分公司 一种基于实时事件触发的数据质量异动处理方法和***
CN112578213A (zh) * 2020-12-23 2021-03-30 交控科技股份有限公司 轨道电源屏的故障预测方法及装置
CN113971504A (zh) * 2021-09-15 2022-01-25 南方电网物资有限公司 基于智能合约的电力抢修资源分配方法、装置和设备
CN115130065A (zh) * 2022-08-29 2022-09-30 北京国电通网络技术有限公司 供应端特征信息处理方法、装置、设备和计算机可读介质
US11494281B1 (en) * 2021-08-25 2022-11-08 Geotab Inc. Methods for handling input/output expansion power faults in a telematics device
CN115599640A (zh) * 2022-11-29 2023-01-13 北京国电通网络技术有限公司（Cn） 异常供应端告警方法、电子设备和介质
CN116129440A (zh) * 2023-04-13 2023-05-16 新兴际华集团财务有限公司 异常用户端告警方法、装置、电子设备和介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944642A (zh) * 2017-12-19 2018-04-20 国家电网公司 一种电网投资需求的预测方法及预测***
CN109636124A (zh) * 2018-11-18 2019-04-16 韩霞 基于大数据的电力行业低压台区线损分析方法及处理***
CN112288594A (zh) * 2020-10-23 2021-01-29 国网辽宁省电力有限公司信息通信分公司 一种基于实时事件触发的数据质量异动处理方法和***
CN112578213A (zh) * 2020-12-23 2021-03-30 交控科技股份有限公司 轨道电源屏的故障预测方法及装置
US11494281B1 (en) * 2021-08-25 2022-11-08 Geotab Inc. Methods for handling input/output expansion power faults in a telematics device
CN113971504A (zh) * 2021-09-15 2022-01-25 南方电网物资有限公司 基于智能合约的电力抢修资源分配方法、装置和设备
CN115130065A (zh) * 2022-08-29 2022-09-30 北京国电通网络技术有限公司 供应端特征信息处理方法、装置、设备和计算机可读介质
CN115599640A (zh) * 2022-11-29 2023-01-13 北京国电通网络技术有限公司（Cn） 异常供应端告警方法、电子设备和介质
CN116129440A (zh) * 2023-04-13 2023-05-16 新兴际华集团财务有限公司 异常用户端告警方法、装置、电子设备和介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117235535A (zh) * 2023-11-14 2023-12-15 北京国电通网络技术有限公司 异常供应端断电方法、装置、电子设备和介质
CN117235535B (zh) * 2023-11-14 2024-02-20 北京国电通网络技术有限公司 异常供应端断电方法、装置、电子设备和介质

Also Published As

Publication number Publication date
CN116388112B (zh) 2023-09-12

Similar Documents

Publication Publication Date Title
CN115085196B (zh) 电力负荷预测值确定方法、装置、设备和计算机可读介质
CN115293657B (zh) 碳排放指标信息生成方法、装置、电子设备和介质
CN116388112B (zh) 异常供应端断电方法、装置、电子设备和计算机可读介质
CN117236805B (zh) 电力设备控制方法、装置、电子设备和计算机可读介质
CN112182374B (zh) 库存控制方法、装置、电子设备和计算机可读介质
CN115759444B (zh) 电力设备分配方法、装置、电子设备和计算机可读介质
CN115907136B (zh) 电动汽车调度方法、装置、设备和计算机可读介质
CN115619170A (zh) 电量负荷调整方法、装置、设备、计算机介质和程序产品
CN117235535B (zh) 异常供应端断电方法、装置、电子设备和介质
CN116757443B (zh) 新型配电网电力线损率预测方法、装置、电子设备和介质
CN116800834B (zh) 虚拟礼物合并方法、装置、电子设备和计算机可读介质
CN115689210B (zh) 基于用水用电隐私数据的水电调整方法、装置、电子设备
CN116862319B (zh) 电力指标信息生成方法、装置、电子设备和介质
CN116881097B (zh) 用户终端告警方法、装置、电子设备和计算机可读介质
CN116755889B (zh) 应用于服务器集群数据交互的数据加速方法、装置与设备
CN115577980B (zh) 电力设备调控方法、装置、电子设备和介质
CN116307998B (zh) 电力设备材料运输方法、装置、电子设备和计算机介质
CN115392803B (zh) 区域供电量调整方法、装置、电子设备、介质
CN116703262B (zh) 配送资源调整方法、装置、电子设备和计算机可读介质
CN112073202B (zh) 信息生成方法、装置、电子设备和计算机可读介质
WO2024012306A1 (zh) 神经网络模型结构确定方法、装置、设备、介质及产品
CN116703263B (zh) 电力设备配送方法、装置、电子设备和计算机可读介质
CN114792258B (zh) 信息生成方法、装置、电子设备和计算机可读介质
CN117713048A (zh) 基于农网用电集成的用电终端供电方法、装置和设备
CN116894538A (zh) 节点碳排放信息生成方法、装置、电子设备和介质

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
GR01 Patent grant
GR01 Patent grant