CN116956199B - 一种用于智能电能表信息交互的大数据分析***及方法 - Google Patents
一种用于智能电能表信息交互的大数据分析***及方法 Download PDFInfo
- Publication number
- CN116956199B CN116956199B CN202311204118.1A CN202311204118A CN116956199B CN 116956199 B CN116956199 B CN 116956199B CN 202311204118 A CN202311204118 A CN 202311204118A CN 116956199 B CN116956199 B CN 116956199B
- Authority
- CN
- China
- Prior art keywords
- time
- electric energy
- energy meter
- payment
- power failure
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 42
- 238000007405 data analysis Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004891 communication Methods 0.000 claims abstract description 86
- 238000012423 maintenance Methods 0.000 claims abstract description 40
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 22
- 230000005611 electricity Effects 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 description 4
- 230000001174 ascending effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (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
本发明涉及通信数据分析技术领域,具体为一种用于智能电能表信息交互的大数据分析***及方法,包括:电能表信息交互模块、费控数据采集模块、数据库、参考数据剔除模块和通信维护管理模块,通过电能表信息交互模块在用户缴纳电费过程中进行电能表和缴费平台间的信息交互,通过费控数据采集模块采集电能表的使用信息、用户的历史缴费时间信息和复电时间信息,通过数据库存储接收到的全部数据,通过参考数据剔除模块分析用于预判电能表和缴费平台间的通信延时情况的参考数据,对参考数据做剔除处理,通过通信维护管理模块依据参考数据预判电能表和缴费平台间的通信延时情况,并进行通信维护管理,降低了用户缴费后出现复电延时严重现象的概率。
Description
技术领域
本发明涉及通信数据分析技术领域,具体为一种用于智能电能表信息交互的大数据分析***及方法。
背景技术
智能远程费控电能表是智能电网数据采集的基本设备之一,具备原始电能数据采集、计量和传输的任务,是实现信息集成、分析优化和信息展现的基础,相对于只具备基本用电量的计量功能的传统电能表而言,还具有双向多种费率计量功能、用户端控制功能、多种数据传输模式的双向数据通信功能、停电、合闸复电等智能化的功能;
现实生活中,用户在停电被通知欠费后,可以通过手机等终端缴纳相应的电费,在缴费完成后存在复电延时的现象,然而,若智能电能表和缴费平台间的通信、信息交互出现延时异常,甚至会出现复电延时严重、延时时间过长的现象,通信延时异常的原因可能是电能表或者通信***出现异常,随着电能表使用时间的增加,电能表或者通信***越容易出现异常状况,现有技术未对延时异常现象进行预判,无法降低用户缴费后出现复电延时严重现象的概率。
所以,人们需要一种用于智能电能表信息交互的大数据分析***及方法来解决上述问题。
发明内容
本发明的目的在于提供一种用于智能电能表信息交互的大数据分析***及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种用于智能电能表信息交互的大数据分析***,所述***包括:电能表信息交互模块、费控数据采集模块、数据库、参考数据剔除模块和通信维护管理模块;
所述电能表信息交互模块的输出端连接所述费控数据采集模块的输入端,所述费控数据采集模块的输出端连接所述数据库的输入端,所述数据库的输出端连接所述参考数据剔除模块的输入端,所述参考数据剔除模块的输出端连接所述通信维护管理模块的输入端;
通过所述电能表信息交互模块在用户缴纳电费过程中进行电能表和缴费平台间的信息交互;
通过所述费控数据采集模块采集电能表的使用信息、用户的历史缴费时间信息和复电时间信息,将采集到的全部数据传输到所述数据库;
通过所述数据库存储接收到的全部数据;
通过所述参考数据剔除模块分析用于预判电能表和缴费平台间的通信延时情况的参考数据,对参考数据做剔除处理;
通过所述通信维护管理模块依据剔除处理后剩余的参考数据预判电能表和缴费平台间的通信延时情况,并进行通信维护管理。
进一步的,所述电能表信息交互模块包括停电缴费通知单元、缴费信息传输单元和远程复电控制单元;
所述停电缴费通知单元的输出端连接所述缴费信息传输单元的输入端,所述缴费信息传输单元的输出端连接所述远程复电控制单元的输入端;
所述停电缴费通知单元用于在因欠费导致用户住处停电时,向用户终端发送停电缴费的通知信息;
所述缴费信息传输单元用于在用户收到通知并缴纳完成需要缴纳的电费后,将已缴费完成信息传输至智能电能表;
所述远程复电控制单元用于控制智能电能表对用户住处进行复电。
进一步的,所述费控数据采集模块包括缴费时间采集单元、复电时间采集单元和使用时长采集单元;
所述缴费时间采集单元的输入端连接所述远程复电控制单元的输出端,所述缴费时间采集单元、复电时间采集单元和使用时长采集单元的输出端连接所述数据库的输入端;
所述缴费时间采集单元用于采集用户以往因停电而缴费的时间信息;
所述复电时间采集单元用于采集用户以往缴费完成后,用户住处复电的时间信息;
所述使用时长采集单元用于采集用户以往因停电而缴费时电能表已使用的时长;
所述电能表已使用的时长指的是电能表的安装时间到用户以往因停电而缴费的时间间隔,例如:用户以往某次的缴费的时间为A,电能表安装的时间为B,对应次因停电而缴费时电能表已使用的时长为:A-B。
进一步的,所述参考数据剔除模块包括费控数据分析单元和训练样本剔除单元;
所述费控数据分析单元的输入端连接所述数据库的输出端,所述费控数据分析单元的输出端连接所述训练样本剔除单元的输入端;
所述费控数据分析单元用于分析用户以往因停电而缴费的时间到缴费完成后用户住处复电的时间的间隔时长;
所述训练样本剔除单元用于将间隔时长和用户对应次因停电而缴费时电能表已使用的时长组成数据点,将数据点分为若干组,对若干组数据点分别进行直线拟合,根据拟合结果剔除掉部分数据点,将剔除后剩余的数据点对应的间隔时长作为训练样本,将训练样本数据传输到所述通信维护管理模块。
进一步的,所述通信维护管理模块包括延时预测模型建立单元和通信维护预警单元;
所述延时预测模型建立单元的输入端连接所述训练样本剔除单元的输出端,所述延时预测模型建立单元的输出端连接所述通信维护预警单元的输入端;
所述延时预测模型建立单元用于分析训练样本数据,建立电能表与缴费平台之间的通信延时预判模型,预测未来因停电而缴费的时间到复电时间的间隔时长,设置间隔时长阈值,分析间隔时长达到或超出阈值的时间,若间隔时长达到或超出阈值,判断电能表与缴费平台之间的通信延时异常;
所述通信维护预警单元用于在预测的时间比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和间隔时长阈值,若实际间隔时长≥阈值,发送警报信号至维护终端,提醒对电能表和缴费平台间的通信进行检查和维护;若实际间隔时长<阈值,不发送警报信号。
一种用于智能电能表信息交互的大数据分析方法,包括以下步骤:
Z1:在用户缴纳电费过程中进行电能表和缴费平台间的信息交互;
Z2:采集电能表的使用信息、用户的历史缴费时间信息和复电时间信息;
Z3:分析用于预判电能表和缴费平台间的通信延时情况的参考数据,对参考数据做剔除处理;
Z4:依据剔除处理后剩余的参考数据预判电能表和缴费平台间的通信延时情况;
Z5:对智能电能表和缴费平台间的信息交互进行通信维护管理。
进一步的,在步骤Z1中:在因欠费导致用户住处停电时,向用户终端发送停电缴费的通知信息,在用户收到通知并缴纳完成需要缴纳的电费后,将已缴费完成信息传输至智能电能表,控制智能电能表对用户住处进行复电;
进一步的,在步骤Z2中:采集用户以往n次因停电而缴费的时间,采集以往n次缴费完成后,用户住处复电的时间,获取到以往n次因停电而缴费的时间到复电时间的间隔时长集合为t={t1,t2,…,tn},采集到用户以往n次因停电而缴费时电能表已使用的时长集合为T={T1,T2,…,Tn},T中的元素按从小到大的顺序排列。
进一步的,在步骤Z3中:将间隔时长和用户对应次因停电而缴费时电能表已使用的时长组成数据点,生成数据点{(T1,t1),(T2,t2),…,(Tn,tn)},将数据点按顺序分为k组,获取到第一组数据点为{(T1,t1),(T2,t2),…,(Tf,tf)},其中,f表示第一组的数据点个数,将第一组数据点进行直线拟合,建立拟合函数:,其中,ε1表示拟合偏置,δ表示截距,根据下列公式分别求解ε1和δ:
ε1=[f∑f i=1(Ti×ti)-∑f i=1Ti∑f i=1ti]/[f∑f i=1(Ti)2-(∑f i=1Ti)2];
δ=(∑f i=1ti-ε1∑f i=1Ti)/f;
其中,Ti表示用户以往第i次因停电而缴费时电能表已使用的时长,ti表示第i次因停电而缴费的时间到复电时间的间隔时长,对剩余k-1组数据点分别进行直线拟合,获取到k组拟合偏置集合为ε={ε1,ε2,…,εk},比较ε1和0:若ε1≤0,将第一组数据点进行剔除;若ε1>0,设置偏置阈值为M,比较ε1和M:若ε1≤M,将第一组数据点进行剔除;若ε1>M,不剔除即保留第一组数据点,将剩余k-1组拟合偏置分别与0和M以相同方式进行一一比较,对剩余k-1组的数据点做剔除或保留处理,获取到处理后剩余的数据点对应的间隔时长集合为U={U1,U2,…,Um},其中,m表示处理后剩余的数据点数量,U包含于t,将U中的间隔时长数据作为训练样本;
通过大数据技术采集用户以往缴费的时间和复电的时间以及缴费时电能表的已使用时长这些历史数据,目的在于将缴费时间到复电时间的间隔时长作为参考数据来分析以往电能表和缴费平台之间的通信延时情况,进而预判未来的通信延时趋势,间隔时间越长,判断通信延时越严重;
在分析参考数据之前,考虑到部分数据,即部分次缴费时间和复电时间的间隔时长之间的差距不大,或者在电能表使用时间不长、刚开始使用时的间隔时长可能呈上升但是平稳趋势、或呈下降趋势,对包含这些数据的所有参考数据进行分析预判延时情况,这些数据可能会对预判结果产生干扰,因此,在分析参考数据之前优先筛除掉呈上升但是平稳趋势、或呈下降趋势的间隔时长数据,剔除干扰数据有利于提高预判结果的准确性。
进一步的,在步骤Z4-Z5中:获取到U中的间隔时长分别对应第{N1,N2,…,Nm}次因停电而缴费的时间到复电时间的间隔时长,建立电能表与缴费平台之间的通信延时预测模型:
;
其中,预测得到在第Nm次后第一次因停电而缴费的时间到复电时间的间隔时长为Fm+1,β表示加权系数,0<β<1,Fm表示第Nm次因停电而缴费的时间到复电时间的间隔时长指数平滑值,根据公式计算得到第N1次因停电而缴费的时间到复电时间的间隔时长指数平滑值F1,根据公式计算得到第N2次因停电而缴费的时间到复电时间的间隔时长指数平滑值F2,根据公式/>计算得到第N3次因停电而缴费的时间到复电时间的间隔时长指数平滑值F3,依此类推计算得到Fm+1,设置间隔时长阈值为J,比较Fm+1和J:若Fm+1≥J,判断在第Nm次后第一次因停电而缴费的时间到复电时间的间隔时长会达到或超出阈值,在第Nm次后第一次因停电而缴费后,核实并比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和J,若实际间隔时长≥J,判断电能表与缴费平台之间的通信延时异常,发送警报信号至维护终端,提醒对电能表和缴费平台间的通信进行检查和维护;若实际间隔时长<J,不发送警报信号;
其中,预测得到在第Nm次后第一次因停电而缴费的时间到复电时间的间隔时长为Fm+1,β表示加权系数,0<β<1,Fm表示第Nm次因停电而缴费的时间到复电时间的间隔时长指数平滑值,根据公式计算得到第N1次因停电而缴费的时间到复电时间的间隔时长指数平滑值F1,根据公式计算得到第N2次因停电而缴费的时间到复电时间的间隔时长指数平滑值F2,根据公式/>计算得到第N3次因停电而缴费的时间到复电时间的间隔时长指数平滑值F3,依此类推计算得到Fm+1,设置间隔时长阈值为J,比较Fm+1和J:若Fm+1≥J,判断在第Nm次后第一次因停电而缴费的时间到复电时间的间隔时长会达到或超出阈值,在第Nm次后第一次因停电而缴费后,核实并比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和J,若实际间隔时长≥J,判断电能表与缴费平台之间的通信延时异常,发送警报信号至维护终端,提醒对电能表和缴费平台间的通信进行检查和维护;若实际间隔时长<J,不发送警报信号;
若Fm+1<J,继续预测在第Nm次后第二次、第三次因停电而缴费的时间到复电时间的间隔时长,直至预测得到的间隔时长≥J,若预测到在第Nm次后第R次因停电而缴费的时间到复电时间的间隔时长≥J,判断在第Nm次后第R次因停电而缴费的时间到复电时间的间隔时长会达到或超出阈值,在第Nm次后第R次因停电而缴费后,核实并比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和J,若实际间隔时长≥J,判断电能表与缴费平台之间的通信延时异常,发送警报信号至维护终端,提醒对电能表和缴费平台间的通信进行检查和维护;若实际间隔时长<J,不发送警报信号;
在剔除掉部分干扰数据后,利用指数平滑算法对剩余保留的数据进行分析,预测未来因停电而缴费的时间到复电时间的间隔时长,设置间隔时长阈值,分析以间隔时长变化趋势而言未来间隔时长会达到或超出阈值的时间,在预测的时间对分析结果进行核实,若实际间隔时长达到或超出阈值,判断缴费平台和智能电能表之间的通信出现延时异常的问题,会导致用户缴费后复电延时严重的问题,优先进行预测有利于及时发现并解决通信延时异常问题,降低了用户缴费后出现复电延时严重现象的概率。
与现有技术相比,本发明所达到的有益效果是:
本发明通过大数据技术采集用户以往缴费的时间和复电的时间以及缴费时电能表的已使用时长这些历史数据,目的在于将缴费时间到复电时间的间隔时长作为参考数据来分析以往电能表和缴费平台之间的通信延时情况,进而预判未来的通信延时趋势;
在分析参考数据之前,考虑到部分数据,即部分次缴费时间和复电时间的间隔时长之间的差距不大,或者在电能表使用时间不长、刚开始使用时的间隔时长可能呈上升但是平稳趋势、或呈下降趋势,对包含这些数据的所有参考数据进行分析预判延时情况,这些数据可能会对预判结果产生干扰,因此,在分析参考数据之前优先筛除掉呈上升但是平稳趋势、或呈下降趋势的间隔时长数据,预先剔除干扰数据,提高预判结果的准确性;
在剔除掉部分干扰数据后,利用指数平滑算法对剩余保留的数据进行分析,预测未来因停电而缴费的时间到复电时间的间隔时长,设置间隔时长阈值,分析以间隔时长变化趋势而言未来间隔时长会达到或超出阈值的时间,在预测的时间对分析结果进行核实,若实际间隔时长达到或超出阈值,判断缴费平台和智能电能表之间的通信出现延时异常的问题,会导致用户缴费后复电延时严重的问题,优先进行预测便于及时发现并解决通信延时异常问题,降低了用户缴费后出现复电延时严重现象的概率。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种用于智能电能表信息交互的大数据分析***的结构图;
图2是本发明一种用于智能电能表信息交互的大数据分析方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
下面结合图1-图2和具体实施例对本发明作进一步的说明。
实施例1:如图1所示,本实施例提供了一种用于智能电能表信息交互的大数据分析***,***包括:电能表信息交互模块、费控数据采集模块、数据库、参考数据剔除模块和通信维护管理模块,通过电能表信息交互模块在用户缴纳电费过程中进行电能表和缴费平台间的信息交互,通过费控数据采集模块采集电能表的使用信息、用户的历史缴费时间信息和复电时间信息,将采集到的全部数据传输到数据库,通过数据库存储接收到的全部数据,通过参考数据剔除模块分析用于预判电能表和缴费平台间的通信延时情况的参考数据,对参考数据做剔除处理,通过通信维护管理模块依据剔除处理后剩余的参考数据预判电能表和缴费平台间的通信延时情况,并进行通信维护管理。
电能表信息交互模块包括停电缴费通知单元、缴费信息传输单元和远程复电控制单元,停电缴费通知单元用于在因欠费导致用户住处停电时,向用户终端发送停电缴费的通知信息,缴费信息传输单元用于在用户收到通知并缴纳完成需要缴纳的电费后,将已缴费完成信息传输至智能电能表,远程复电控制单元用于控制智能电能表对用户住处进行复电。
费控数据采集模块包括缴费时间采集单元、复电时间采集单元和使用时长采集单元,缴费时间采集单元用于采集用户以往因停电而缴费的时间信息,复电时间采集单元用于采集用户以往缴费完成后,用户住处复电的时间信息,使用时长采集单元用于采集用户以往因停电而缴费时电能表已使用的时长。
参考数据剔除模块包括费控数据分析单元和训练样本剔除单元,费控数据分析单元用于分析用户以往因停电而缴费的时间到缴费完成后用户住处复电的时间的间隔时长,训练样本剔除单元用于将间隔时长和用户对应次因停电而缴费时电能表已使用的时长组成数据点,将数据点分为若干组,对若干组数据点分别进行直线拟合,根据拟合结果剔除掉部分数据点,将剔除后剩余的数据点对应的间隔时长作为训练样本,将训练样本数据传输到通信维护管理模块。
通信维护管理模块包括延时预测模型建立单元和通信维护预警单元,延时预测模型建立单元用于分析训练样本数据,建立电能表与缴费平台之间的通信延时预判模型,预测未来因停电而缴费的时间到复电时间的间隔时长,设置间隔时长阈值,分析间隔时长达到或超出阈值的时间,若间隔时长达到或超出阈值,判断电能表与缴费平台之间的通信延时异常,通信维护预警单元用于在预测的时间比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和间隔时长阈值,若实际间隔时长≥阈值,发送警报信号至维护终端,提醒对电能表和缴费平台间的通信进行检查和维护;若实际间隔时长<阈值,不发送警报信号。
实施例2:如图2所示,本实施例提供了一种用于智能电能表信息交互的大数据分析方法,其基于实施例中的大数据分析***实现,具体包括以下步骤:
Z1:在用户缴纳电费过程中进行电能表和缴费平台间的信息交互,在因欠费导致用户住处停电时,向用户终端发送停电缴费的通知信息,在用户收到通知并缴纳完成需要缴纳的电费后,将已缴费完成信息传输至智能电能表,控制智能电能表对用户住处进行复电;
Z2:采集电能表的使用信息、用户的历史缴费时间信息和复电时间信息,采集用户以往n次因停电而缴费的时间,采集以往n次缴费完成后,用户住处复电的时间,获取到以往n次因停电而缴费的时间到复电时间的间隔时长集合为t={t1,t2,…,tn},采集到用户以往n次因停电而缴费时电能表已使用的时长集合为T={T1,T2,…,Tn},T中的元素按从小到大的顺序排列;
例如:获取到以往10次因停电而缴费的时间到复电时间的间隔时长集合为t={t1,t2,t3,t4,t5,t6,t7,t8,t9,t10}={1,2,1,4,7,8,9,16,17,20},单位为:小时,采集到用户以往10次因停电而缴费时电能表已使用的时长集合为T={T1,T2,T3,T4,T5,T6,T7}={3,5,6,7,12,13,14,44,46,50},单位为:月;
Z3:分析用于预判电能表和缴费平台间的通信延时情况的参考数据,对参考数据做剔除处理,将间隔时长和用户对应次因停电而缴费时电能表已使用的时长组成数据点,生成数据点{(T1,t1),(T2,t2),…,(Tn,tn)},将数据点按顺序分为3组,获取到第一组数据点为{(T1,t1),(T2,t2),(T3,t3),(T4,t4)}={(3,1),(5,2),(6,1),(7,4)},将第一组数据点进行直线拟合,建立拟合函数:,其中,ε1表示拟合偏置,δ表示截距,根据公式ε1=[f∑f i=1(Ti×ti)-∑f i=1Ti∑f i=1ti]/[f∑f i=1(Ti)2-(∑f i=1Ti)2]和δ=(∑f i=1ti-ε1∑f i=1Ti)/f分别求解得到ε1≈0.57、δ≈-0.99,其中,Ti表示用户以往第i次因停电而缴费时电能表已使用的时长,ti表示第i次因停电而缴费的时间到复电时间的间隔时长,对剩余2组数据点分别进行直线拟合,获取到3组拟合偏置集合为ε={ε1,ε2,ε3}={0.57,1,0.76},若ε1、ε2、ε3都大于0,设置偏置阈值为M=0.7,ε1<M,将第一组数据点进行剔除;ε2>M、ε3>M,保留第2、3组数据点,获取到处理后剩余的数据点对应的间隔时长集合为U={U1,U2,U3,U4,U5,U6}={7,8,9,16,17,20},将U中的间隔时长数据作为训练样本;
Z4:依据剔除处理后剩余的参考数据预判电能表和缴费平台间的通信延时情况;
Z5:对智能电能表和缴费平台间的信息交互进行通信维护管理,获取到U中的间隔时长分别对应第5到第10次因停电而缴费的时间到复电时间的间隔时长,建立电能表与缴费平台之间的通信延时预测模型:
;
其中,预测得到在第Nm次后第一次因停电而缴费的时间到复电时间的间隔时长为Fm+1,β表示加权系数,0<β<1,设置β=0.4,Fm表示第Nm次因停电而缴费的时间到复电时间的间隔时长指数平滑值,根据公式计算得到第N1次因停电而缴费的时间到复电时间的间隔时长指数平滑值F1=7.6,根据公式计算得到第N2次因停电而缴费的时间到复电时间的间隔时长指数平滑值F2=7.36,根据公式/>计算得到第N3次因停电而缴费的时间到复电时间的间隔时长指数平滑值F3=7.6,依此类推计算得到F7≈16,设置间隔时长阈值为J=22,比较F7和J:F7<J,继续预测在第6次后第二次、第三次,即第8、第9次因停电而缴费的时间到复电时间的间隔时长,直至预测得到的间隔时长≥J,若预测到在第7次后第R次因停电而缴费的时间到复电时间的间隔时长≥J,判断在第Nm次后第R次因停电而缴费的时间到复电时间的间隔时长会达到或超出阈值,在第Nm次后第R次因停电而缴费后,核实并比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和J,若实际间隔时长≥J,判断电能表与缴费平台之间的通信延时异常,发送警报信号至维护终端,提醒对电能表和缴费平台间的通信进行检查和维护;若实际间隔时长<J,不发送警报信号;
若Fm+1≥J,判断在第Nm次后第一次因停电而缴费的时间到复电时间的间隔时长会达到或超出阈值,在第Nm次后第一次因停电而缴费后,核实并比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和J,若实际间隔时长≥J,判断电能表与缴费平台之间的通信延时异常,发送警报信号至维护终端,提醒对电能表和缴费平台间的通信进行检查和维护;若实际间隔时长<J,不发送警报信号。
最后应说明的是:以上所述仅为本发明的优选实例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种用于智能电能表信息交互的大数据分析***,其特征在于:所述***包括:电能表信息交互模块、费控数据采集模块、数据库、参考数据剔除模块和通信维护管理模块;
所述电能表信息交互模块的输出端连接所述费控数据采集模块的输入端,所述费控数据采集模块的输出端连接所述数据库的输入端,所述数据库的输出端连接所述参考数据剔除模块的输入端,所述参考数据剔除模块的输出端连接所述通信维护管理模块的输入端;
通过所述电能表信息交互模块在用户缴纳电费过程中进行电能表和缴费平台间的信息交互;
通过所述费控数据采集模块采集电能表的使用信息、用户的历史缴费时间信息和复电时间信息,将采集到的全部数据传输到所述数据库;
通过所述数据库存储接收到的全部数据;
通过所述参考数据剔除模块分析用于预判电能表和缴费平台间的通信延时情况的参考数据,对参考数据做剔除处理;
通过所述通信维护管理模块依据剔除处理后剩余的参考数据预判电能表和缴费平台间的通信延时情况,并进行通信维护管理;
所述参考数据剔除模块包括费控数据分析单元和训练样本剔除单元;
所述费控数据分析单元的输入端连接所述数据库的输出端,所述费控数据分析单元的输出端连接所述训练样本剔除单元的输入端;
所述费控数据分析单元用于分析用户以往因停电而缴费的时间到缴费完成后用户住处复电的时间的间隔时长;
所述训练样本剔除单元用于将间隔时长和用户对应次因停电而缴费时电能表已使用的时长组成数据点,将数据点分为若干组,对若干组数据点分别进行直线拟合,根据拟合结果剔除掉部分数据点,将剔除后剩余的数据点对应的间隔时长作为训练样本,将训练样本数据传输到所述通信维护管理模块。
2.根据权利要求1所述的一种用于智能电能表信息交互的大数据分析***,其特征在于:所述电能表信息交互模块包括停电缴费通知单元、缴费信息传输单元和远程复电控制单元;
所述停电缴费通知单元的输出端连接所述缴费信息传输单元的输入端,所述缴费信息传输单元的输出端连接所述远程复电控制单元的输入端;
所述停电缴费通知单元用于在因欠费导致用户住处停电时,向用户终端发送停电缴费的通知信息;
所述缴费信息传输单元用于在用户收到通知并缴纳完成需要缴纳的电费后,将已缴费完成信息传输至智能电能表;
所述远程复电控制单元用于控制智能电能表对用户住处进行复电。
3.根据权利要求2所述的一种用于智能电能表信息交互的大数据分析***,其特征在于:所述费控数据采集模块包括缴费时间采集单元、复电时间采集单元和使用时长采集单元;
所述缴费时间采集单元的输入端连接所述远程复电控制单元的输出端,所述缴费时间采集单元、复电时间采集单元和使用时长采集单元的输出端连接所述数据库的输入端;
所述缴费时间采集单元用于采集用户以往因停电而缴费的时间信息;
所述复电时间采集单元用于采集用户以往缴费完成后,用户住处复电的时间信息;
所述使用时长采集单元用于采集用户以往因停电而缴费时电能表已使用的时长。
4.根据权利要求1所述的一种用于智能电能表信息交互的大数据分析***,其特征在于:所述通信维护管理模块包括延时预测模型建立单元和通信维护预警单元;
所述延时预测模型建立单元的输入端连接所述训练样本剔除单元的输出端,所述延时预测模型建立单元的输出端连接所述通信维护预警单元的输入端;
所述延时预测模型建立单元用于分析训练样本数据,建立电能表与缴费平台之间的通信延时预判模型,预测未来因停电而缴费的时间到复电时间的间隔时长,设置间隔时长阈值,分析间隔时长达到或超出阈值的时间,若间隔时长达到或超出阈值,判断电能表与缴费平台之间的通信延时异常;
所述通信维护预警单元用于在预测的时间比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和间隔时长阈值,若实际间隔时长≥阈值,发送警报信号至维护终端,提醒对电能表和缴费平台间的通信进行检查和维护;若实际间隔时长<阈值,不发送警报信号。
5.一种用于智能电能表信息交互的大数据分析方法,其特征在于:包括以下步骤:
Z1:在用户缴纳电费过程中进行电能表和缴费平台间的信息交互;
Z2:采集电能表的使用信息、用户的历史缴费时间信息和复电时间信息;
Z3:分析用于预判电能表和缴费平台间的通信延时情况的参考数据,对参考数据做剔除处理;
Z4:依据剔除处理后剩余的参考数据预判电能表和缴费平台间的通信延时情况;
Z5:对智能电能表和缴费平台间的信息交互进行通信维护管理;
在步骤Z1中:在因欠费导致用户住处停电时,向用户终端发送停电缴费的通知信息,在用户收到通知并缴纳完成需要缴纳的电费后,将已缴费完成信息传输至智能电能表,控制智能电能表对用户住处进行复电;
在步骤Z2中:采集用户以往n次因停电而缴费的时间,采集以往n次缴费完成后,用户住处复电的时间,获取到以往n次因停电而缴费的时间到复电时间的间隔时长集合为t={t1,t2,…,tn},采集到用户以往n次因停电而缴费时电能表已使用的时长集合为T={T1,T2,…,Tn},T中的元素按从小到大的顺序排列;
在步骤Z3中:将间隔时长和用户对应次因停电而缴费时电能表已使用的时长组成数据点,生成数据点{(T1,t1),(T2,t2),…,(Tn,tn)},将数据点按顺序分为k组,获取到第一组数据点为{(T1,t1),(T2,t2),…,(Tf,tf)},其中,f表示第一组的数据点个数,将第一组数据点进行直线拟合,建立拟合函数:,其中,ε1表示拟合偏置,δ表示截距,根据下列公式分别求解ε1和δ:
ε1=[f∑f i=1(Ti×ti)-∑f i=1Ti∑f i=1ti]/[f∑f i=1(Ti)2-(∑f i=1Ti)2];
δ=(∑f i=1ti-ε1∑f i=1Ti)/f;
其中,Ti表示用户以往第i次因停电而缴费时电能表已使用的时长,ti表示第i次因停电而缴费的时间到复电时间的间隔时长,对剩余k-1组数据点分别进行直线拟合,获取到k组拟合偏置集合为ε={ε1,ε2,…,εk},比较ε1和0:若ε1≤0,将第一组数据点进行剔除;若ε1>0,设置偏置阈值为M,比较ε1和M:若ε1≤M,将第一组数据点进行剔除;若ε1>M,不剔除即保留第一组数据点,将剩余k-1组拟合偏置分别与0和M以相同方式进行一一比较,对剩余k-1组的数据点做剔除或保留处理,获取到处理后剩余的数据点对应的间隔时长集合为U={U1,U2,…,Um},其中,m表示处理后剩余的数据点数量,U包含于t,将U中的间隔时长数据作为训练样本。
6.根据权利要求5所述的一种用于智能电能表信息交互的大数据分析方法,其特征在于:在步骤Z4-Z5中:获取到U中的间隔时长分别对应第{N1,N2,…,Nm}次因停电而缴费的时间到复电时间的间隔时长,建立电能表与缴费平台之间的通信延时预测模型:
;
其中,预测得到在第Nm次后第一次因停电而缴费的时间到复电时间的间隔时长为Fm+1,β表示加权系数,0<β<1,Fm表示第Nm次因停电而缴费的时间到复电时间的间隔时长指数平滑值,根据公式计算得到第N1次因停电而缴费的时间到复电时间的间隔时长指数平滑值F1,根据公式计算得到第N2次因停电而缴费的时间到复电时间的间隔时长指数平滑值F2,根据公式/>计算得到第N3次因停电而缴费的时间到复电时间的间隔时长指数平滑值F3,依此类推计算得到Fm+1,设置间隔时长阈值为J,比较Fm+1和J:若Fm+1≥J,判断在第Nm次后第一次因停电而缴费的时间到复电时间的间隔时长会达到或超出阈值,在第Nm次后第一次因停电而缴费后,核实并比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和J,若实际间隔时长≥J,判断电能表与缴费平台之间的通信延时异常,发送警报信号至维护终端,提醒对电能表和缴费平台间的通信进行检查和维护;若实际间隔时长<J,不发送警报信号;
若Fm+1<J,继续预测在第Nm次后第二次、第三次因停电而缴费的时间到复电时间的间隔时长,直至预测得到的间隔时长≥J,若预测到在第Nm次后第R次因停电而缴费的时间到复电时间的间隔时长≥J,判断在第Nm次后第R次因停电而缴费的时间到复电时间的间隔时长会达到或超出阈值,在第Nm次后第R次因停电而缴费后,核实并比较用户缴纳电费的时间到缴费后复电时间的实际间隔时长和J,若实际间隔时长≥J,判断电能表与缴费平台之间的通信延时异常,发送警报信号至维护终端,提醒对电能表和缴费平台间的通信进行检查和维护;若实际间隔时长<J,不发送警报信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311204118.1A CN116956199B (zh) | 2023-09-19 | 2023-09-19 | 一种用于智能电能表信息交互的大数据分析***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311204118.1A CN116956199B (zh) | 2023-09-19 | 2023-09-19 | 一种用于智能电能表信息交互的大数据分析***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116956199A CN116956199A (zh) | 2023-10-27 |
CN116956199B true CN116956199B (zh) | 2023-11-28 |
Family
ID=88442812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311204118.1A Active CN116956199B (zh) | 2023-09-19 | 2023-09-19 | 一种用于智能电能表信息交互的大数据分析***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116956199B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011063593A2 (zh) * | 2010-08-27 | 2011-06-03 | 北京华鑫志和科技有限公司 | 一种多网融合的智能电网*** |
CN107644055A (zh) * | 2017-07-27 | 2018-01-30 | 中国人民解放军国防信息学院 | 一种基于训练数据的通信保障能力生成方法 |
CN110855522A (zh) * | 2019-11-13 | 2020-02-28 | 国网上海市电力公司 | 一种基于层次分析法的电能表通信质量检测方法 |
CN112578754A (zh) * | 2020-12-14 | 2021-03-30 | 国网冀北电力有限公司承德供电公司 | 一种变电站的通信管理装置的重启控制*** |
CN116389319A (zh) * | 2023-04-12 | 2023-07-04 | 深圳市橙源科技有限公司 | 基于节点大数据的网络在线分析及监控方法及*** |
CN116401516A (zh) * | 2023-04-06 | 2023-07-07 | 国网山西省电力公司 | 一种基于深度学习的电力负荷异常数据检测与修正方法 |
-
2023
- 2023-09-19 CN CN202311204118.1A patent/CN116956199B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011063593A2 (zh) * | 2010-08-27 | 2011-06-03 | 北京华鑫志和科技有限公司 | 一种多网融合的智能电网*** |
CN107644055A (zh) * | 2017-07-27 | 2018-01-30 | 中国人民解放军国防信息学院 | 一种基于训练数据的通信保障能力生成方法 |
CN110855522A (zh) * | 2019-11-13 | 2020-02-28 | 国网上海市电力公司 | 一种基于层次分析法的电能表通信质量检测方法 |
CN112578754A (zh) * | 2020-12-14 | 2021-03-30 | 国网冀北电力有限公司承德供电公司 | 一种变电站的通信管理装置的重启控制*** |
CN116401516A (zh) * | 2023-04-06 | 2023-07-07 | 国网山西省电力公司 | 一种基于深度学习的电力负荷异常数据检测与修正方法 |
CN116389319A (zh) * | 2023-04-12 | 2023-07-04 | 深圳市橙源科技有限公司 | 基于节点大数据的网络在线分析及监控方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116956199A (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222991B (zh) | 基于rf-gbdt的计量装置故障诊断方法 | |
CN102692615B (zh) | 自动采集电量数据*** | |
CN110852476A (zh) | 客流预测方法、装置、计算机设备和存储介质 | |
CN102082703A (zh) | 业务支撑***设备性能监控的方法及装置 | |
CN114422405B (zh) | 一种支付环境的安全检测***及方法 | |
CN115809942A (zh) | 用电量数据预测方法、装置及存储介质 | |
CN107706953A (zh) | 一种基站供电方法和装置 | |
CN115375205B (zh) | 一种用水用户画像的确定方法、装置及设备 | |
CN107145986B (zh) | 一种充电电量预测方法及装置 | |
CN116956199B (zh) | 一种用于智能电能表信息交互的大数据分析***及方法 | |
Wu et al. | Design of A battery energy management system for capacity charge reduction | |
CN116613894B (zh) | 一种用电数据的处理方法及装置 | |
CN113608975A (zh) | 电力现货市场下电能计量***运行状态在线评估方法及*** | |
CN111209979A (zh) | 监控车辆电压的方法、装置及电子设备 | |
CN114400746B (zh) | 一种电动自行车bms的充电唤醒控制方法 | |
CN116142014A (zh) | 一种电动汽车智能充电方法、装置、设备及介质 | |
CN115508732A (zh) | 一种电池包寿命预测方法及装置 | |
JPH0830581A (ja) | 需要量予測方法 | |
CN114764600A (zh) | 新能源车电池包的寿命预测方法、装置和电子设备 | |
CN113884927B (zh) | 一种基于云端大数据的电池寿命主动控制方法及*** | |
CN112710979A (zh) | 基于深度学习的智能电能表运行监测管理***及方法 | |
Montoya et al. | Time-of-failure probability mass function computation using the first-passage-time method applied to particle filter-based prognostics | |
Kobbacy et al. | Small data sets and preventive maintenance modelling | |
CN117574984B (zh) | 容量保持率判断模型的训练、应用方法、装置及存储介质 | |
CN116307895B (zh) | 基于数字政务***的智能化监督评价方法和*** |
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 |