CN106980055A - 一种基于数据挖掘的学生寝室违章电器使用监测系统 - Google Patents
一种基于数据挖掘的学生寝室违章电器使用监测系统 Download PDFInfo
- Publication number
- CN106980055A CN106980055A CN201710147787.8A CN201710147787A CN106980055A CN 106980055 A CN106980055 A CN 106980055A CN 201710147787 A CN201710147787 A CN 201710147787A CN 106980055 A CN106980055 A CN 106980055A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- electrical appliances
- student
- illegal
- 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
- 238000007418 data mining Methods 0.000 title claims abstract description 19
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000005611 electricity Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- CVOFKRWYWCSDMA-UHFFFAOYSA-N 2-chloro-n-(2,6-diethylphenyl)-n-(methoxymethyl)acetamide;2,6-dinitro-n,n-dipropyl-4-(trifluoromethyl)aniline Chemical compound CCC1=CC=CC(CC)=C1N(COC)C(=O)CCl.CCCN(CCC)C1=C([N+]([O-])=O)C=C(C(F)(F)F)C=C1[N+]([O-])=O CVOFKRWYWCSDMA-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
- G01R19/17—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values giving an indication of the number of times this occurs, i.e. multi-channel analysers
-
- 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
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于数据挖掘的学生寝室违章电器使用监测系统，包括：智能电表模块；数据预处理模块，对智能电表模块采集的原始数据进行处理生成样本；混合负载识别模块，对样本中的电压电流数据进行傅里叶变换，建立实时特征矩阵，通过对各种主流电器的电压电流特性建立特征矩阵库，通过比较实时特征矩阵与特征矩阵库来判断学生寝室使用违章电器的情况；分析处理模块，对所述样本通过瞬时功率法检验学生寝室是否使用大功率的电器，通过功率因素法识别阻性和非阻性负载，通过历史跳闸次数判断是否存在使用违章电器的记录，结合混合负载识别结果得到使用违章电器的寝室黑名单。本发明性能可靠，降低了管理的工作量，系统易于维护，可扩展性强。
Description
技术领域
本发明涉及用电安全、大数据、模式识别技术领域，特别是涉及一种基于数据挖掘的学生寝室违章电器使用监测系统。
背景技术
学生寝室违章电器的使用屡禁不止，反而有愈演愈烈的趋势，管理人员的工作量愈来愈大。虽然目前市面上有很多针对学生寝室的恶意负载识别器，但是随着电器种类的与日俱增，这类负载检测方法已经不能很好的识别违章负载，无法保证学生寝室的用电安全管理。
随着信息技术的发展，电力系统也在寻求与时俱进，智能电网的概念应运而生。智能电网并没有精确的定义，但具有四大里程碑意义的技术：高级计量架构(AMI)、高级配电运行(ADO)、高级输电运行(ATO)和高级资产管理(AAM)。AMI具有能够同用户建立实时通信的特征。
小到一个学生寝室，大到一个国家，它的实时用电信息均是一个很庞大的数据，如何运用新兴的大数据挖掘技术从这些数据中获取有用的信息就变得很有意义。
发明内容
本发明要解决的技术问题是提供一种既可以有效监测学生寝室的违章电器使用情况，保证用电安全，又可以减少管理人员的工作量的监测系统。
为了解决上述技术问题，本发明的技术方案是提供一种基于数据挖掘的学生寝室违章电器使用监测系统，其特征在于：包括
智能电表模块，用于采集各个寝室的实时用电信息；
数据预处理模块，从智能电表模块采集的原始数据中筛选建模数据，然后对筛选出来的数据插补缺失值，最后生成样本；
混合负载识别模块，对所述样本中的电压电流数据首先进行傅里叶变换，建立实时特征矩阵，通过对各种主流电器的电压电流特性建立特征矩阵库，通过比较实时特征矩阵与特征矩阵库来判断学生寝室使用违章电器的情况，并识别负载种类；
分析处理模块，对所述样本，通过瞬时功率法检验学生寝室是否使用大功率的电器，通过功率因素法识别阻性和非阻性负载，通过历史跳闸次数判断是否存在使用违章电器的记录，结合混合负载识别模块的结果得到使用违章电器的寝室黑名单。
优选地，还包括：
管理模块，对列入黑名单的寝室进行实地检查；
修改及完善模型模块，根据实地检查反馈的结果修改混合负载识别模块和分析处理模块的模型，完善系统。
优选地，所述智能电表模块由多个智能电表组成，智能电表包括微控制器，微控制器连接通信模块、数据采集模块、数据显示模块、继电器动作模块和掉电存储模块。
优选地，所述数据预处理模块、混合负载识别模块、分析处理模块以及修改及完善模型模块均运行在Hadoop平台上。
优选地，所述智能电表模块通过无线网络将采集到的学生寝室用电信息实时地传输到数据库模块中进行存储，数据预处理模块从数据库模块中读取原始数据。
优选地，所述数据库模块采用SQL server技术。
优选地，所述数据预处理模块基于Hadoop平台的Hive进行数据的处理，Hive将SQL转换成可用Hadoop运行的MapReduce任务。
优选地，所述混合负载识别模块基于Hadoop平台的Mahout进行大数据的用户特征建模与挖掘。
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明能够对学生寝室用电数据进行挖掘，有效地辅助管理人员监测学生寝室违章电器的使用情况。可以非人工地采集各寝室用电信息；可以识别出使用违章电器的寝室黑名单，管理人员仅需对黑名单进行断电或检查，降低工作量；可以作为一个小区域的智能电网，在未来完美的融入到更大区域的智能电网中；可以作为大数据挖掘与电力系统结合应用的典范；系统易于维护，可扩展性强。
附图说明
图1为本实施例提供的基于数据挖掘的学生寝室违章电器使用监测系统结构示意图；
图2为智能电表的结构示意图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
图1为本实施例提供的基于数据挖掘的学生寝室违章电器使用监测系统结构示意图，所述的基于数据挖掘的学生寝室违章电器使用监测系统包括智能电表模块2、数据库模块4、数据预处理模块5、混合负载识别模块9、分析处理模块13，以及修改及完善模型19等，数据预处理模块5、混合负载识别模块9、分析处理模块13以及修改及完善模型19均运行在Hadoop平台20上。
智能电表模块2用于采集各个寝室的实时用电信息。由智能电表1进行用电信息实时采集，采集到的信息通过无线通信网络+路由3传送到数据库模块4，再传送到数据预处理模块5。
结合图2，智能电表1包括微控制器，微控制器连接通信模块、数据采集模块、数据显示模块、继电器动作模块和掉电存储模块。智能电表1采集各寝室实时用电信息及跳闸次数等，并具有双向通信网络。
数据库模块4采用SQL server技术，用于保存用电信息、跳闸次数以及数据挖掘结果等。
数据预处理模块5包括依次连接的筛选建模数据单元6、插补缺失值单元7、生成样本单元8，通过这些单元对原始数据进行一系列处理，为后续的数据计算做好铺垫。首先从原始数据中筛选建模数据，然后对筛选出来的数据插补缺失值，最后生成样本。将样本传送到Hadoop平台的混合负载识别模块9进行用户特征建模，同时传送到分析处理模块13进行初步分析。数据预处理模块5基于Hive进行数据的处理，Hive能将SQL转换成可用Hadoop运行的MapReduce任务。
混合负载识别模块9包括依次连接的电压电流的傅里叶变换单元10、根据数据完善实时特征矩阵单元11、与特征矩阵库对比识别单元12。对样本中的电压电流数据首先进行傅里叶变换，然后形成完善的实时特征矩阵单元，通过比较实时特征矩阵与特征矩阵库来识别负载的种类，初步判断学生寝室是否使用违章电器，并识别负载种类，可以识别出违章电器类别。
混合负载识别模块9基于Hadoop平台的Mahout进行大数据的用户特征建模与挖掘，通过对电压、电流进行傅里叶变换建立实时特征矩阵，通过对各种主流电器的电压电流特性建立特征矩阵库，通过实时特征矩阵与特征矩阵库的比较来识别学生寝室使用违章电器的情况。
分析处理模块13包括依次连接的瞬间大功率检测单元14、功率因素计算单元15和历史跳闸次数统计单元16；通过瞬时功率法检验学生寝室是否使用大功率的电器，通过功率因素法识别阻性和非阻性负载，通过历史跳闸次数判断是否存在使用违章电器的记录，结合混合负载识别的结果得到使用违章电器的寝室黑名单。
混合负载识别模块9和分析处理模块13均基于Hadoop平台的Mahout进行用户特征建模.
由混合负载识别模块9和分析处理模块13的结果综合得出使用违章电器寝室黑名单17，为管理人员实地检查提供依据。管理人员实地检查黑名单寝室，对列入黑名单的寝室进行断电或检查18。
修改及完善模型模块19是指管理人员根据实地检查反馈的结果来修改模型，完善系统。
本发明基于的平台Hadoop是一个专业的大数据挖掘架构，其中HDFS可以只读、不可修改的存储大量数据，Map Reduce可以高可靠的大吞吐量的对大数据进行并行计算。
Claims (8)
1.一种基于数据挖掘的学生寝室违章电器使用监测系统，其特征在于：包括
智能电表模块(2)，用于采集各个寝室的实时用电信息；
数据预处理模块(5)，从智能电表模块(2)采集的原始数据中筛选建模数据，然后对筛选出来的数据插补缺失值，最后生成样本；
混合负载识别模块(9)，对所述样本中的电压电流数据首先进行傅里叶变换，建立实时特征矩阵，通过对各种主流电器的电压电流特性建立特征矩阵库，通过比较实时特征矩阵与特征矩阵库来判断学生寝室使用违章电器的情况，并识别负载种类；
分析处理模块(13)，对所述样本，通过瞬时功率法检验学生寝室是否使用大功率的电器，通过功率因素法识别阻性和非阻性负载，通过历史跳闸次数判断是否存在使用违章电器的记录，结合混合负载识别模块(9)的结果得到使用违章电器的寝室黑名单。
2.如权利要求1所述的一种基于数据挖掘的学生寝室违章电器使用监测系统，其特征在于，还包括：
管理模块，对列入黑名单的寝室进行实地检查；
修改及完善模型模块(19)，根据实地检查反馈的结果修改混合负载识别模块(9)和分析处理模块(13)的模型，完善系统。
3.如权利要求1或2所述的一种基于数据挖掘的学生寝室违章电器使用监测系统，其特征在于：所述智能电表模块(2)由多个智能电表(1)组成，智能电表(1)包括微控制器，微控制器连接通信模块、数据采集模块、数据显示模块、继电器动作模块和掉电存储模块。
4.如权利要求1或2所述的一种基于数据挖掘的学生寝室违章电器使用监测系统，其特征在于：所述数据预处理模块(5)、混合负载识别模块(9)、分析处理模块(13)以及修改及完善模型模块(19)均运行在Hadoop平台(20)上。
5.如权利要求1或2所述的一种基于数据挖掘的学生寝室违章电器使用监测系统，其特征在于：所述智能电表模块(2)通过无线网络将采集到的学生寝室用电信息实时地传输到数据库模块(4)中进行存储，数据预处理模块(5)从数据库模块(4)中读取原始数据。
6.如权利要求5所述的一种基于数据挖掘的学生寝室违章电器使用监测系统，其特征在于：所述数据库模块(4)采用SQL server技术。
7.如权利要求6所述的一种基于数据挖掘的学生寝室违章电器使用监测系统，其特征在于：所述数据预处理模块(5)基于Hadoop平台的Hive进行数据的处理，Hive将SQL转换成可用Hadoop运行的MapReduce任务。
8.如权利要求7所述的一种基于数据挖掘的学生寝室违章电器使用监测系统，其特征在于：所述混合负载识别模块(9)基于Hadoop平台的Mahout进行大数据的用户特征建模与挖掘。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710147787.8A CN106980055A (zh) | 2017-03-13 | 2017-03-13 | 一种基于数据挖掘的学生寝室违章电器使用监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710147787.8A CN106980055A (zh) | 2017-03-13 | 2017-03-13 | 一种基于数据挖掘的学生寝室违章电器使用监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106980055A true CN106980055A (zh) | 2017-07-25 |
Family
ID=59339504
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710147787.8A Pending CN106980055A (zh) | 2017-03-13 | 2017-03-13 | 一种基于数据挖掘的学生寝室违章电器使用监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106980055A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108573288A (zh) * | 2018-05-29 | 2018-09-25 | 福建新开普信息科技有限公司 | 一种基于电能表的阻性负载识别与学习方法 |
| CN110554612A (zh) * | 2018-06-04 | 2019-12-10 | 佛山市顺德区美的电热电器制造有限公司 | 一种信息保护方法、服务器和计算机可读存储介质 |
| CN111856975A (zh) * | 2020-07-22 | 2020-10-30 | 深圳市聚荣鑫科技有限公司 | 利于校园管理的智慧校园系统 |
| CN112816816A (zh) * | 2020-12-31 | 2021-05-18 | 无锡小净共享网络科技有限公司 | 恶性负载的识别方法、装置、设备和存储介质 |
| CN115795323A (zh) * | 2023-02-03 | 2023-03-14 | 深圳市北电仪表有限公司 | 恶性负载识别方法、设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202472690U (zh) * | 2012-03-21 | 2012-10-03 | 黑龙江电通自动化有限公司 | 基于暂态扰动特征的用电设备精细识别系统 |
| CN205484584U (zh) * | 2016-01-05 | 2016-08-17 | 常州常工电子科技股份有限公司 | 一种防移相器识别装置 |
-
2017
- 2017-03-13 CN CN201710147787.8A patent/CN106980055A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202472690U (zh) * | 2012-03-21 | 2012-10-03 | 黑龙江电通自动化有限公司 | 基于暂态扰动特征的用电设备精细识别系统 |
| CN205484584U (zh) * | 2016-01-05 | 2016-08-17 | 常州常工电子科技股份有限公司 | 一种防移相器识别装置 |
Non-Patent Citations (1)
| Title |
|---|
| 祝恩国 等: ""用电信息采集系统非结构化数据管理设计"", 《电 力 系 统 及 其 自 动 化 学 报》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108573288A (zh) * | 2018-05-29 | 2018-09-25 | 福建新开普信息科技有限公司 | 一种基于电能表的阻性负载识别与学习方法 |
| CN108573288B (zh) * | 2018-05-29 | 2021-11-23 | 福建新开普信息科技有限公司 | 一种基于电能表的阻性负载识别与学习方法 |
| CN110554612A (zh) * | 2018-06-04 | 2019-12-10 | 佛山市顺德区美的电热电器制造有限公司 | 一种信息保护方法、服务器和计算机可读存储介质 |
| CN111856975A (zh) * | 2020-07-22 | 2020-10-30 | 深圳市聚荣鑫科技有限公司 | 利于校园管理的智慧校园系统 |
| CN112816816A (zh) * | 2020-12-31 | 2021-05-18 | 无锡小净共享网络科技有限公司 | 恶性负载的识别方法、装置、设备和存储介质 |
| CN115795323A (zh) * | 2023-02-03 | 2023-03-14 | 深圳市北电仪表有限公司 | 恶性负载识别方法、设备及存储介质 |
| CN115795323B (zh) * | 2023-02-03 | 2023-05-05 | 深圳市北电仪表有限公司 | 恶性负载识别方法、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rusitschka et al. | Smart grid data cloud: A model for utilizing cloud computing in the smart grid domain | |
| CN106980055A (zh) | 一种基于数据挖掘的学生寝室违章电器使用监测系统 | |
| CN107180314B (zh) | 一种基于一二次系统关联关系的运维业务模型建模方法 | |
| CN103872782B (zh) | 一种电能质量数据综合服务系统 | |
| CN103150687B (zh) | 电网结构脆弱性实时评估系统 | |
| CN105939376A (zh) | 一种基于云计算的智能电表管理系统及方法 | |
| CN104751280B (zh) | 一种石化企业电能耗监测系统及其数据管理方法 | |
| CN104133143B (zh) | 一种基于Hadoop云计算平台的电网线路故障诊断系统及方法 | |
| CN112765143A (zh) | 一种基于边缘计算技术的低压物联网配网数据处理方法 | |
| CN109449923B (zh) | 一种有源配电系统运行灵活性的量化分析方法及相关产品 | |
| Yu | Research on cloud computing in the key technologies of railway intelligent operation and maintenance sharing platform | |
| CN105303292A (zh) | 配电数据存储方法和装置 | |
| Li et al. | Identification of distribution network topology parameters based on multidimensional operation data | |
| CN116596121A (zh) | 一种基于ai的自动化系统的信息安全态势感知系统 | |
| CN109858807B (zh) | 一种企业运营监控的方法及系统 | |
| CN104539045A (zh) | 一种智能防误分析系统及其工作方法 | |
| CN114968981A (zh) | 基于电网数据的大数据平台系统及其数据处理方法 | |
| de Sousa et al. | Cloud computing in the smart grid context: an application to aid fault location in distribution systems concerning the multiple estimation problem | |
| El Khaouat et al. | Big data based management for smart grids | |
| Yang et al. | Technology research on panoramic situation awareness of operation state of smart distribution network | |
| Yuan et al. | Applying high performance computing to probabilistic convex optimal power flow | |
| König et al. | An extended framework for reliability analysis of ICT for power systems | |
| Fu et al. | Multi-level load forecasting system based on power grid planning platform with integrated information | |
| Martin-Loeches et al. | Enabling Smart Grid Features by Enhanced Utilization of Actual Advanced Metering Infrastructure | |
| Liu et al. | [Retracted] Design and Implementation of Large‐Scale Public Building Energy Consumption Monitoring Platform Based on BP Neural Network |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170725 |