CN105630885B - 一种用电异常检测方法及系统 - Google Patents
一种用电异常检测方法及系统 Download PDFInfo
- Publication number
- CN105630885B CN105630885B CN201510958004.5A CN201510958004A CN105630885B CN 105630885 B CN105630885 B CN 105630885B CN 201510958004 A CN201510958004 A CN 201510958004A CN 105630885 B CN105630885 B CN 105630885B
- Authority
- CN
- China
- Prior art keywords
- user
- data
- multiplexing electric
- electric abnormality
- module
- 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
Classifications
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
Abstract
一种用电异常检测方法,包括以下步骤:A、对当前采集数据及历史数据进行预处理;B、采用数据挖掘算法对预处理后的数据进行检测,识别出用电异常嫌疑用户;C、将用电异常嫌疑用户中超过设定的阈值参数的部分作为用电异常用户进行反馈;D、利用关联算法对历史数据中的用电异常数据进行关联分析,提炼用电异常内部关联规则,并将分析结果用表格或者图形表示;E、对不同行业及类别的用电异常用户分布、特定用电异常用户数据进行统计,以供查询。本发明利用现有电网信息采集系统已积累的用电数据进行分析,进而检测出用电异常用户,对用电异常用户进行检测,检测结果更为全面,且提高了检测的准确性及检测效率,节省了检测时间。
Description
技术领域
本发明涉及一种用电异常检测方法及系统。
背景技术
近年来,随着电力网络规模的不断扩大,电力网络的结构和运行模式也变得日益复杂,人们对电网的供电质量和网络运行的可靠性提出了更高的要求。异常用电的存在会影响管理人员做出错误的决策,进而影响电力系统的正常运行,使电力企业遭受巨大的经济损失,因此用电异常检测是电力管理系统的重要组成部分。现有的用电异常检测方法主要以经验和事件分析为主,对于日益复杂和不断变化的电力应用,这种方法受到经验判断的局限,不能完全揭示用电异常的发生;另一方面,随着智能配电网的发展,电力采集系统已经积累了电网运行的海量数据,这些数据包含着丰富的利用价值,可以用来对用户用电行为模式和异常发生的规律进行分析和挖掘,但现有的用电异常检测方法并未对这些数据加以利用。
发明内容
本发明的目的是针对现有技术的不足,提出一种利用数据挖掘算法进行用电异常检测的方法,充分利用已积累的电网数据,能够提高检测准确性及效率、节省检测时间。
本发明的另一个目的是提供一种采用该方法的用电异常检测系统。
本发明通过以下技术方案实现:
一种用电异常检测方法,包括以下步骤:
A、对当前采集数据及历史数据进行预处理;
B、采用数据挖掘算法对预处理后的数据进行检测,识别出用电异常嫌疑用 户;
C、将用电异常嫌疑用户中超过设定的阈值参数的部分作为用电异常用户进行反馈;
D、利用关联算法对历史数据中的用电异常数据进行关联分析,提炼用电异常内部关联规则,并将分析结果用表格或者图形表示;
E、对不同行业及类别的用电异常用户分布、特定用电异常用户数据进行统计,以供查询。
进一步的,所述步骤A包括以下步骤:
A1、对当前采集数据及历史数据进行空值处理和/或重复值处理和/或缺失值处理;
A2、将步骤A1处理后的连续型数据按照一定的标准离散化;
A3、将步骤A2处理后的数据按照需要添加属性、对异常历史数据统计异常发生频率。
进一步的,所述步骤A还包括数据导入导出。
进一步的,所述步骤A还包括定期清理数据集。
进一步的,所述步骤B中所述的数据挖掘算法包括:时间序列检测算法、曲线拟合算法、聚类算法;
时间序列检测算法,根据单个用户的表计历史数据对用户用电负荷进行预测,与用电用户脉冲值比较,筛选出实际值与预测值的差值较大的用户,检测计量装置异常情况,列为计量异常嫌疑用户;
曲线拟合算法,包括与行业的对比及与过去的对比两方面:与行业的对比,将某用户的当前采集数据与该行业的历史数据进行曲线拟合,将与行业曲线偏离的用户列为用电异常嫌疑用户;与过去的对比,将某个用户某日的负荷曲线 与该用户整段区间的平均负荷曲线进行拟合,筛选出用电异常嫌疑用户;
聚类算法,包括用户聚类及曲线聚类两方面:用户聚类,基于正常聚类的方法对用户进行聚类后与用户档案进行比对,筛选出现矛盾情况的用户列为用电异常嫌疑用户;曲线聚类,基于聚类的离群点检测,依据用户的用电行为曲线对用户进行聚类,再与用户档案信息进行比对,筛选出有离群点的用户,列为用电异常嫌疑用户。
进一步的,所述步骤D包括以下步骤:
D1、利用数据挖掘中的关联算法,根据设定的支持度和置信度得出用电异常类型、用电异常发生频率与行业及类别之间的关联规则;
D2、根据步骤D1处理后的关联规则,对于给定的行业及类别,分析可能的用电异常发生频率,并将分析结果用表格或者图形表示。
本发明还通过以下技术方案实现:
一种用电异常检测系统,其特征在于:采用如权利要求1至6所述的用电异常检测方法,包括对当前采集数据及历史数据进行预处理的数据预处理装置、采用数据挖掘算法对预处理后的数据进行检测,进而识别出用电异常嫌疑用户的异常检测装置、将用电嫌疑用户中超过设定的阈值参数的部分作为用电异常用户进行反馈的异常预警装置、利用数据挖掘中的关联算法,根据设定的支持度和置信度得出用电异常类型、用电异常发生频率与行业及类别之间的关联规则的关联分析装置、对不同行业及类别的用电异常用户分布、特定用电异常用户数据进行统计以供查询的结果查询装置。
进一步的,所述数据预处理装置包括数据空值处理和/或重复值处理和/或缺失值处理模块、数据离散化模块、数据属性设置模块、数据导入导出模块、数据清理模块;
所述异常检测装置包括时间序列检测模块、曲线拟合模块、聚类模块;
所述关联分析装置包括关联分析模块;
所述异常预警装置包括阈值设置模块、异常反馈模块;
所述结果查询装置包括统计模块、查询模块。
本发明具有如下有益效果:
本发明利用多种数据挖掘算法对现有电网信息采集系统已积累的用电数据进行分析,进而检测出用电异常用户,对用电异常用户进行检测,检测结果更为全面,且提高了检测的准确性及检测效率,节省了检测时间。现有电网信息采集系统已积累的用电数据进行分析
附图说明
下面结合附图对本发明做进一步详细说明。
图1为本发明的一种用电异常检测方法的流程图。
图2为本发明的一种用电异常检测系统的框图。
具体实施方式
如图1所示,本发明提供一种用电异常检测的方法,具体步骤包括:
A、对当前采集数据及历史数据进行预处理,其中,当前采集数据由数据采集系统提供,历史数据由国家电网平台提供,对数据的预处理的作用是提高数据的质量,主要包括以下两个步骤:
A1、对当前采集数据及历史数据进行空值处理和/或重复值处理和/或缺失值处理;
A2、将步骤A1处理后的连续型数据按照一定的标准离散化;
A3、将步骤A2处理后的数据按照需要添加属性、对异常历史数据统计异常发生频率,其中,添加的属性包括日期是否为节假日、用户重要性、行业、用 电类别;
数据预处理还包括数据导入导出,为系统和现有电网信息系统之间提供数据接口;定期清理数据集,以避免查询系统后台数据随着使用时间的增长而快速增大,影响查询系统的使用;
B、采用数据挖掘算法对预处理后的数据进行检测,识别出用电异常嫌疑用户,所述数据挖掘算法包括时间序列检测算法、曲线拟合算法、聚类算法;
时间序列检测算法,根据单个用户的表计历史数据对用户用电负荷进行预测,与用电用户脉冲值比较,筛选出实际值与预测值的差值较大的用户,检测计量装置异常情况,列为计量异常嫌疑用户;
曲线拟合算法,包括与行业的对比及与过去的对比两方面:与行业的对比,将某用户的当前采集数据与该行业的历史数据进行曲线拟合,将与行业曲线偏离的用户列为用电异常嫌疑用户;与过去的对比,将某个用户某日的负荷曲线与该用户整段区间的平均负荷曲线进行拟合,筛选出用电异常嫌疑用户;
聚类算法,包括用户聚类及曲线聚类两方面:用户聚类,基于正常聚类的方法对用户进行聚类后与用户档案进行比对,筛选出现矛盾情况的用户列为用电异常嫌疑用户;曲线聚类,基于聚类的离群点检测,依据用户的用电行为曲线对用户进行聚类,再与用户档案信息进行比对,筛选出有离群点的用户,列为用电异常嫌疑用户;
C、将用电异常嫌疑用户中超过设定的阈值参数的部分作为用电异常用户进行反馈,阈值参数包括关键阈值、异常执行频率、执行对象等,由异常检测人员根据实际需要设置,对于超过设定的阈值参数的用电异常嫌疑用户,以表格形式反馈给异常检测人员,以达到预警作用;
D、利用关联算法对历史数据中的用电异常数据进行关联分析,依据用户设 定的支持度和置信度得出用电异常类型、用电异常发生频率与行业及类别之间的关联规则;根据处理后的关联规则,对于给定的行业及类别,分析可能的用电异常发生频率,并将分析结果用表格或者图形表示;其中,类别指用电类别,如工业用电、商业用电、居民用电等;提炼内部关联规则的作用在于使异常检测人员对用电异常有更为深刻的理解,增强异常检测人员对异常的判断能力;
E、对不同行业的用电异常用户分布、特定用电异常用户数据进行统计,以供异常检测人员的查询。
如图2所示,本发明还提供了一种用电异常检测系统,包括对当前采集数据及历史数据进行预处理的数据预处理装置1、采用数据挖掘算法对预处理后的数据进行检测,进而识别出用电异常嫌疑用户的异常检测装置2、将用电嫌疑用户中超过设定的阈值参数的部分作为用电异常用户进行反馈的异常预警装置3、利用数据挖掘中的关联算法,根据设定的支持度和置信度得出用电异常类型、用电异常发生频率与行业及类别之间的关联规则的关联分析装置4、对不同行业及类别的用电异常用户分布、特定用电异常用户数据进行统计以供查询的结果查询装置5;
所述数据预处理装置1包括数据空值处理和/或重复值处理和/或缺失值处理模块、数据离散化模块、数据属性设置模块、数据导入导出模块、数据清理模块;
所述异常检测装置2包括时间序列检测模块、曲线拟合模块、聚类模块、关联分析模块;
所述异常预警装置3包括阈值设置模块、异常反馈模块;
所述关联分析装置4包括关联分析模块;
所述结果分析装置5包括统计模块、查询模块。
以上所述,仅为本发明的较佳实施例而已,故不能以此限定本发明实施的范围,即依本发明申请专利范围及说明书内容所作的等效变化与修饰,皆应仍属本发明专利涵盖的范围内。
Claims (6)
1.一种用电异常检测方法,其特征在于:包括以下步骤:
A、对当前采集数据及历史数据进行预处理;
B、采用数据挖掘算法对预处理后的数据进行检测,识别出用电异常嫌疑用户;所述的数据挖掘算法包括:时间序列检测算法、曲线拟合算法、聚类算法;
时间序列检测算法,根据单个用户的表计历史数据对用户用电负荷进行预测,与用电用户脉冲值比较,筛选出实际值与预测值的差值较大的用户,检测计量装置异常情况,列为计量异常嫌疑用户;
曲线拟合算法,包括与行业的对比及与过去的对比两方面:与行业的对比,将某用户的当前采集数据与该行业的历史数据进行曲线拟合,将与行业曲线偏离的用户列为用电异常嫌疑用户;与过去的对比,将某个用户某日的负荷曲线与该用户整段区间的平均负荷曲线进行拟合,筛选出用电异常嫌疑用户;
聚类算法,包括用户聚类及曲线聚类两方面:用户聚类,基于正常聚类的方法对用户进行聚类后与用户档案进行比对,筛选出现矛盾情况的用户列为用电异常嫌疑用户;曲线聚类,基于聚类的离群点检测,依据用户的用电行为曲线对用户进行聚类,再与用户档案信息进行比对,筛选出有离群点的用户,列为用电异常嫌疑用户;
C、将用电异常嫌疑用户中超过设定的阈值参数的部分作为用电异常用户进行反馈;
D、利用关联算法对历史数据中的用电异常数据进行关联分析,提炼用电异常内部关联规则,并将分析结果用表格或者图形表示;
E、对不同行业及类别的用电异常用户分布、特定用电异常用户数据进行统计,以供查询;
所述步骤D包括以下步骤:
D1、利用数据挖掘中的关联算法,根据设定的支持度和置信度得出用电异常类型、用电异常发生频率与行业及类别之间的关联规则;
D2、根据步骤D1处理后的关联规则,对于给定的行业及类别,分析可能的用电异常发生频率,并将分析结果用表格或者图形表示。
2.根据权利要求1所述的一种用电异常检测方法,其特征在于:所述步骤A包括以下步骤:
A1、对当前采集数据及历史数据进行空值处理和/或重复值处理和/或缺失值处理;
A2、将步骤A1处理后的连续型数据按照一定的标准离散化;
A3、将步骤A2处理后的数据按照需要添加属性、对异常历史数据统计异常发生频率。
3.根据权利要求1所述的一种用电异常检测方法,其特征在于:所述步骤A还包括:数据导入导出。
4.根据权利要求1所述的一种用电异常检测方法,其特征在于:所述步骤A还包括:定期清理数据集。
5.一种用电异常检测系统,其特征在于:采用如权利要求1至4任一所述的用电异常检测方法,包括对当前采集数据及历史数据进行预处理的数据预处理装置、采用数据挖掘算法对预处理后的数据进行检测,进而识别出用电异常嫌疑用户的异常检测装置、将用电嫌疑用户中超过设定的阈值参数的部分作为用电异常用户进行反馈的异常预警装置、对用电异常检测结果进行关联分析,提炼用电异常内部关联规则,并将分析结果用表格或者图形表示的关联分析装置、对不同行业及类别的用电异常用户分布、特定用电异常用户数据进行统计以供查询的结果查询装置。
6.根据权利要求5所述的一种用电异常检测系统,其特征在于:所述数据预处理装置包括数据空值处理和/或重复值处理和/或缺失值处理模块、数据离散化模块、数据属性设置模块、数据导入导出模块、数据清理模块;
所述异常检测装置包括时间序列检测模块、曲线拟合模块、聚类模块;
所述关联分析装置包括关联分析模块;
所述异常预警装置包括阈值设置模块、异常反馈模块;
所述结果查询装置包括统计模块、查询模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510958004.5A CN105630885B (zh) | 2015-12-18 | 2015-12-18 | 一种用电异常检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510958004.5A CN105630885B (zh) | 2015-12-18 | 2015-12-18 | 一种用电异常检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105630885A CN105630885A (zh) | 2016-06-01 |
CN105630885B true CN105630885B (zh) | 2019-05-28 |
Family
ID=56045818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510958004.5A Active CN105630885B (zh) | 2015-12-18 | 2015-12-18 | 一种用电异常检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105630885B (zh) |
Families Citing this family (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126391A (zh) * | 2016-06-28 | 2016-11-16 | 北京百度网讯科技有限公司 | 系统监控方法和装置 |
CN105938610A (zh) * | 2016-07-06 | 2016-09-14 | 国网天津宝坻供电有限公司 | 一种用电采集系统中违约用电判别与报表自动生成方法 |
CN106373025B (zh) * | 2016-08-22 | 2019-07-19 | 重庆邮电大学 | 基于离群点检测的用电信息采集系统实时防窃电监测方法 |
CN106296465B (zh) * | 2016-08-23 | 2020-05-08 | 四川大学 | 一种智能电网异常用电行为检测方法 |
CN106503086A (zh) * | 2016-10-11 | 2017-03-15 | 成都云麒麟软件有限公司 | 分布式局部离群点的检测方法 |
CN106780121B (zh) * | 2016-12-06 | 2020-10-09 | 广州供电局有限公司 | 一种基于用电负荷模式分析的用电异常识别方法 |
CN108345523A (zh) * | 2017-01-22 | 2018-07-31 | 中兴通讯股份有限公司 | 一种异常设备的查找方法及装置 |
CN106842106A (zh) * | 2017-02-23 | 2017-06-13 | 广东电网有限责任公司茂名供电局 | 电能表故障预测方法和装置 |
CN106909664A (zh) * | 2017-02-28 | 2017-06-30 | 国网福建省电力有限公司 | 一种电力设备数据流故障识别方法 |
CN109145109B (zh) * | 2017-06-19 | 2022-06-03 | 国家计算机网络与信息安全管理中心 | 基于社交网络的用户群体消息传播异常分析方法及装置 |
CN107679087A (zh) * | 2017-09-04 | 2018-02-09 | 浙江聚邦科技有限公司 | 一种面向中小企业的成长信息采集移动终端微平台 |
CN107730395B (zh) * | 2017-09-13 | 2021-05-18 | 国网天津市电力公司电力科学研究院 | 一种针对低压用户的基于用电量偏差率的用电异常检测方法 |
CN107992520B (zh) * | 2017-11-01 | 2021-05-04 | 广东电网有限责任公司广州供电局 | 一种基于用电行为轨迹的异常用电识别方法 |
CN108256559B (zh) * | 2017-12-27 | 2021-05-14 | 国网河南省电力公司电力科学研究院 | 一种基于局部离群点因子的低压窃电用户定位方法 |
CN108197920A (zh) * | 2017-12-28 | 2018-06-22 | 福州信诺通信息技术有限公司 | 一种燃气抄表异常检测方法和存储介质 |
CN110634080B (zh) * | 2018-06-25 | 2023-03-31 | 中兴通讯股份有限公司 | 异常用电检测方法、装置、设备及计算机可读存储介质 |
CN108776276B (zh) * | 2018-06-29 | 2020-11-13 | 合肥工业大学 | 用电异常检测方法及系统 |
CN109726364B (zh) * | 2018-07-06 | 2023-01-10 | 平安科技(深圳)有限公司 | 用电量异常检测方法、装置、终端及计算机可读存储介质 |
CN108830510B (zh) * | 2018-07-16 | 2021-09-21 | 国网上海市电力公司 | 一种基于数理统计的电力数据预处理方法 |
CN109190890A (zh) * | 2018-07-27 | 2019-01-11 | 南京理工大学 | 一种基于用户电力消费数据的用户行为分析方法 |
CN110879820B (zh) * | 2018-09-06 | 2023-05-26 | 阿里巴巴集团控股有限公司 | 工业数据处理方法、装置 |
CN109242321B (zh) * | 2018-09-17 | 2020-10-09 | 国网河北省电力有限公司电力科学研究院 | 用户电力负荷在线分析方法及终端设备 |
CN109284380B (zh) * | 2018-09-25 | 2023-04-25 | 平安科技(深圳)有限公司 | 基于大数据分析的非法用户识别方法及装置、电子设备 |
CN111143097B (zh) * | 2018-11-03 | 2023-04-25 | 千寻位置网络有限公司 | 面向gnss定位服务的故障治理系统和方法 |
CN109740175B (zh) * | 2018-11-18 | 2020-12-08 | 浙江大学 | 一种面向风电机组功率曲线数据的离群点判别方法 |
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 |
CN109685272A (zh) * | 2018-12-26 | 2019-04-26 | 国网上海市电力公司 | 一种电费采集出账数据规则优化方法 |
CN110298552B (zh) * | 2019-05-31 | 2023-12-01 | 国网上海市电力公司 | 一种结合历史用电特征的配电网个体功率异常检测方法 |
CN112188534B (zh) | 2019-07-05 | 2023-11-03 | 中兴通讯股份有限公司 | 一种异常检测方法和装置 |
CN110413622B (zh) * | 2019-08-01 | 2023-01-24 | 国家电网有限公司 | 一种基于电力大数据平台的数据处理方法 |
CN111160401A (zh) * | 2019-12-09 | 2020-05-15 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于均值漂移和XGBoost的异常用电判别方法 |
CN111178396A (zh) * | 2019-12-12 | 2020-05-19 | 国网北京市电力公司 | 用电异常用户的识别方法及装置 |
CN112084229A (zh) * | 2020-07-27 | 2020-12-15 | 北京市燃气集团有限责任公司 | 一种识别城镇燃气用户异常用气行为的方法及装置 |
CN111859302A (zh) * | 2020-07-28 | 2020-10-30 | 上海积成能源科技有限公司 | 一种居民用电安全分析中应用广义极致学生检验算法发现异常数据的方法 |
CN112101635A (zh) * | 2020-08-25 | 2020-12-18 | 南方电网深圳数字电网研究院有限公司 | 一种用电异常的监测方法和系统 |
CN115575754B (zh) * | 2022-11-21 | 2023-05-02 | 浙江万胜智能科技股份有限公司 | 一种智慧工业园用电信息异常标识方法及系统 |
CN115563193B (zh) * | 2022-12-08 | 2023-03-10 | 陕西通信规划设计研究院有限公司 | 一种用于数字信息的大数据分析处理方法 |
CN115802559B (zh) * | 2023-02-03 | 2023-04-18 | 宝邑(深圳)照明科技有限公司 | 一种智慧照明控制方法、装置、计算机设备及存储介质 |
CN116433402B (zh) * | 2023-04-11 | 2024-03-08 | 国网浙江省电力有限公司 | 用户电费自动化销账的分析处理装置、方法和存储介质 |
CN116956198B (zh) * | 2023-09-18 | 2023-12-26 | 湖南迈格瑞特物联科技有限公司 | 基于物联网的智慧用电数据分析方法及系统 |
CN116976707B (zh) * | 2023-09-22 | 2023-12-26 | 安徽融兆智能有限公司 | 基于用电信息采集的用户用电数据异常分析方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289585A (zh) * | 2011-08-15 | 2011-12-21 | 重庆大学 | 基于数据挖掘的公共建筑能耗实时监测方法 |
CN102651093A (zh) * | 2012-03-31 | 2012-08-29 | 上海海洋大学 | 一种基于时间序列异常检测技术的海洋信息管理系统 |
CN103093394A (zh) * | 2013-01-23 | 2013-05-08 | 广东电网公司信息中心 | 一种基于用户用电负荷数据细分的聚类融合方法 |
CN103488867A (zh) * | 2013-07-16 | 2014-01-01 | 深圳市航天泰瑞捷电子有限公司 | 一种用电异常用户自动筛选方法 |
CN103617568A (zh) * | 2013-12-06 | 2014-03-05 | 国家电网公司 | 稳态电能质量预警机制中的异常数据判定阈值设定方法 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011106511A1 (en) * | 2010-02-24 | 2011-09-01 | The Trustees Of Columbia University In The City Of New York | Metric monitoring and financial validation system for tracking performance of improvement to an infrastructure |
-
2015
- 2015-12-18 CN CN201510958004.5A patent/CN105630885B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289585A (zh) * | 2011-08-15 | 2011-12-21 | 重庆大学 | 基于数据挖掘的公共建筑能耗实时监测方法 |
CN102651093A (zh) * | 2012-03-31 | 2012-08-29 | 上海海洋大学 | 一种基于时间序列异常检测技术的海洋信息管理系统 |
CN103093394A (zh) * | 2013-01-23 | 2013-05-08 | 广东电网公司信息中心 | 一种基于用户用电负荷数据细分的聚类融合方法 |
CN103488867A (zh) * | 2013-07-16 | 2014-01-01 | 深圳市航天泰瑞捷电子有限公司 | 一种用电异常用户自动筛选方法 |
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 |
CN103617568A (zh) * | 2013-12-06 | 2014-03-05 | 国家电网公司 | 稳态电能质量预警机制中的异常数据判定阈值设定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105630885A (zh) | 2016-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105630885B (zh) | 一种用电异常检测方法及系统 | |
CN116304766B (zh) | 基于多传感器的开关柜状态快速评估方法 | |
US10498585B2 (en) | Sensor data analytics and alarm management | |
Funde et al. | Motif-based association rule mining and clustering technique for determining energy usage patterns for smart meter data | |
CN105548949B (zh) | 一种智能电能表的故障远程判断方法及其系统 | |
CN108429649B (zh) | 基于多次单类型采集结果的综合异常判断的系统 | |
CN104123477A (zh) | 一种基于生活数据的群租分析方法 | |
CN104410163B (zh) | 一种基于电能管理系统的安全生产与节能方法 | |
CN107145959A (zh) | 一种基于大数据平台的电力数据处理方法 | |
CN106296465B (zh) | 一种智能电网异常用电行为检测方法 | |
CN107633050A (zh) | 一种基于大数据分析用电行为判定窃电概率的方法 | |
CN107704610A (zh) | 一种配电网运行数据事件关联分析系统及分析方法 | |
CN103561419A (zh) | 基于相关性的分布式事件检测方法 | |
CN109298959A (zh) | 一种内存异常检测方法及设备 | |
CN107257351A (zh) | 一种基于灰色lof流量异常检测系统及其检测方法 | |
CN116976707B (zh) | 基于用电信息采集的用户用电数据异常分析方法及系统 | |
Proto et al. | PREMISES, a scalable data-driven service to predict alarms in slowly-degrading multi-cycle industrial processes | |
CN109299134B (zh) | 一种非侵入式监测系统下电器的识别方法 | |
CN110264107A (zh) | 一种基于大数据技术的台区线损率异常诊断方法 | |
Song et al. | Real-time anomaly traffic monitoring based on dynamic k-NN cumulative-distance abnormal detection algorithm | |
CN113554361B (zh) | 一种综合能源系统数据处理计算方法及处理系统 | |
CN109947815B (zh) | 一种基于离群点算法的窃电辨识方法 | |
KR102332248B1 (ko) | 다중상태 에너지 분류에 따른 비침입부하모니터링 성능 평가 시스템 및 방법 | |
EP2882139A1 (en) | System and method for IT servers anomaly detection using incident consolidation | |
CN117132025A (zh) | 一种基于多源数据融合的用电监测预警系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |