CN108022043A - 一种异常用电行为的识别方法、装置及中央服务器 - Google Patents
一种异常用电行为的识别方法、装置及中央服务器 Download PDFInfo
- Publication number
- CN108022043A CN108022043A CN201711241426.6A CN201711241426A CN108022043A CN 108022043 A CN108022043 A CN 108022043A CN 201711241426 A CN201711241426 A CN 201711241426A CN 108022043 A CN108022043 A CN 108022043A
- Authority
- CN
- China
- Prior art keywords
- electricity consumption
- user
- power consumption
- characteristic values
- period
- 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
Links
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
Abstract
本发明实施例提供一种异常用电行为的识别方法、装置及中央服务器，该方法包括采集智能电表记录的用户信息，并对所采集的用户信息进行汇总整理，生成用电数据集，在用电数据集中，提取第一预设时间段内所有用户的用电信息，计算表征所有用户的平均用电水平的标准用电特征值，提取第二预设时间段内指定用户的用电信息，计算表征指定用户用电水平的个体用电特征值，并将个体用电特征值和标准用电特征值进行比对，如果指定用户的个体用电特征值大于标准用电特征值，则可以判定该指定用户存在异常用电行为，供电部门可以对判定存在异常用电行为的用户予以重点关注，提高对用户用电行为的监管力度和管理水平。
Description
技术领域
本发明属于供用电技术领域，尤其涉及一种异常用电行为的识别方法、装置及中央服务器。
背景技术
随着智能电表的普及应用，实时采集并回传用户用电信息成为现实，智能电表回传的信息中包括用户编号、每日用电量、每日不同时段用电量、用电时间、欠费、缴费信息等诸多内容。
在智能电表回传的诸多信息之中，既包括反映用户资费情况、用户编号等基本信息，同时还包括用电量等反映用户用电行为的关键信息，供电部门如果可以通过汇总、分析这些信息，判断出用户是否存在异常用电的行为，并对判定存在异常用电行为的用户予以重点关注，则可以大大提高供电部门对用户用电行为的监管力度和管理水平。
因此，如何提供一种数据分析方法，针对智能电表回传的数据进行准确分析，并依据分析结果判断用户是否存在异常用电行为，成为本领域技术人员需要解决的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种异常用电行为的识别方法、装置及中央服务器，通过对智能电表回传的用电数据进行分析，判断是否存在异常用电行为，具体方案如下：
本发明实施例提供一种异常用电行为的识别方法，包括：
采集智能电表记录的用户信息；
汇总、整理用户信息，并生成用电数据集；
在用电数据集中，提取第一预设时间段内所有用户的用电信息，计算表征所有用户的平均用电水平的标准用电特征值；
在用电数据集中，提取第二预设时间段内指定用户的用电信息，计算表征指定用户用电水平的个体用电特征值；
将个体用电特征值和标准用电特征值进行比对，如果指定用户的个体用电特征值大于标准用电特征值，则判定该指定用户存在异常用电行为。
可选的，所述计算表征所有用户的平均用电水平的标准用电特征值，包括：
计算第一预设时间段内，每个用户的日用电量；
计算每个用户每天各预设用电时段的预设时段用电量，一天包括至少一个预设用电时段；
计算每个用户的各预设时段用电量占比，其中，一用户的一预设时段用电量占比为该预设时段用电量与该用户的日用电量的比值；
针对每个用户，计算表征日用电量波动情况的日用电量波动系数、以及表征各预设时段用电量波动情况的各预设时段用电量占比波动系数；
将所有用户的日用电量波动系数、各预设时段用电量占比波动系数分别由小到大进行排序，并分别按照各系数的排序结果，分别取位于特定位的参数值。
可选的，所述至少一个预设用电时段包括：峰时段、谷时段和平时段。
可选的，所述计算表征日用电量波动情况的日用电量波动系数，包括：计算日用电量的标准差与日用电量的平均值的比值；
所述计算表征预设时段用电量波动情况的预设时段用电量占比波动系数，包括：计算预设时段用电量占比的标准差与预设时段用电量占比的平均值的比值。
可选的，所述分别按照各系数的排序结果，分别取位于特定位的参数值，包括：取用户总数的九成，所得结果舍去小数，取整数值，分别按照各系数的排序结果，分别取位于该整数值位的参数值。
可选的，所述计算表征指定用户用电水平的个体用电特征值，包括：
计算第二预设时间段内，指定用户的日用电量；
计算指定用户每天各预设用电时段的预设时段用电量，一天包括至少一个预设用电时段；
计算指定用户的各预设时段用电量占比，其中，一预设时段用电量占比为该预设时段用电量与该指定用户的日用电量的比值；
针对指定用户，计算表征日用电量波动情况的日用电量波动系数、以及表征各预设时段用电量波动情况的各预设时段用电量占比波动系数。
可选的，所述指定用户的个体用电特征值大于标准用电特征值，包括：所述个体用电特征值中至少存在两个参数大于所述标准用电特征值中的对应的参数。
可选的，所述用户包括负荷类型相同的用户。
本发明实施例还提供一种异常用电行为的识别装置，包括：
信息采集单元，用于采集智能电表记录的用户信息；
信息处理单元，用于汇总、整理用户信息，并生成用电数据集；
第一计算单元，用于在用电数据集中，提取第一预设时间段内所有用户的用电信息，计算表征所有用户的平均用电水平的标准用电特征值；
第二计算单元，用于在用电数据集中，提取第二预设时间段内指定用户的用电信息，计算表征指定用户用电水平的个体用电特征值；
对比判定单元，用于将个体用电特征值和标准用电特征值进行比对，如果指定用户的个体用电特征值大于标准用电特征值，则判定该指定用户存在异常用电行为。
本发明实施例还提供一种中央服务器，包括：存储器和处理器；所述存储器存储有适于所述处理器执行的程序，所述程序用于：
采集智能电表记录的用户信息；
汇总、整理用户信息，并生成用电数据集；
在用电数据集中，提取第一预设时间段内所有用户的用电信息，计算表征所有用户的平均用电水平的标准用电特征值；
在用电数据集中，提取第二预设时间段内指定用户的用电信息，计算表征指定用户用电水平的个体用电特征值；
将个体用电特征值和标准用电特征值进行比对，如果指定用户的个体用电特征值大于标准用电特征值，则判定该指定用户存在异常用电行为。
基于上述技术方案，在本发明实施例提供一种异常用电行为的识别方法、装置及中央服务器，本发明所提供的异常用电行为的识别方法包括：采集智能电表记录的用户信息，并对所采集的用户信息进行汇总整理，生成用电数据集，在用电数据集中，提取第一预设时间段内所有用户的用电信息，计算表征所有用户的平均用电水平的标准用电特征值，之后在用电数据集中，提取第二预设时间段内指定用户的用电信息，计算表征指定用户用电水平的个体用电特征值，并将个体用电特征值和标准用电特征值进行比对，如果指定用户的个体用电特征值大于标准用电特征值，则可以判定该指定用户存在异常用电行为，本申请提供的异常用电行为的识别方法，通过对智能电表反馈的用户用电信息进行汇总、整理，得到用电数据集，并进一步对用电数据集反应的用电信息进行分析，依据分析结果判断用户是否存在异常用电行为，供电部门可以对判定存在异常用电行为的用户予以重点关注，大大提高对用户用电行为的监管力度和管理水平。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的异常用电行为的识别系统的结构框图；
图2是本发明实施例提供的异常用电行为的识别方法的第一流程图；
图3是本申请实施例提供的异常用电行为的识别方法的第二流程图；
图4是本申请实施例提供的异常用电行为的识别方法的第三流程图；
图5是本申请实施例提供的异常用电行为的识别装置的结构框图；
图6是本申请实施例提供的异常用电行为的识别装置的第一计算单元的结构框图；
图7是本申请实施例提供的异常用电行为的识别装置的第二计算单元的结构框图；
图8是本发明实施例提供的中央服务器的硬件结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，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。
智能电表处于电力系统网络底层，能够实时记录用户用电信息，而且所记录的信息中包含用户编号、每日用电量、每日不同时段用电量、用电时间、欠费、缴费信息等诸多内容，本发明实施例提供的异常用电行为识别方法，通过对智能电表反馈的用户用电信息进行汇总、整理，得到用电数据集，并进一步对用电数据集反应的用电信息进行分析，依据分析结果判断用户是否存在异常用电行为。
参见图1，本发明实施例提供的异常用电行为的识别系统的结构框图，智能电表2处于电力系统网络底层，直接与用户3相连，采集用户3的用电信息，并将用电信息逐级上传、反馈，经过整个电力系统网络，最终汇总至中央服务器1，中央服务器1采集智能电表2记录的用户信息，并对所采集的用户信息进行汇总整理，生成用电数据集，在用电数据集中，提取第一预设时间段内所有用户3的用电信息，计算表征所有用户3的平均用电水平的标准用电特征值，之后在用电数据集中，提取第二预设时间段内指定用户的用电信息，其中，指定用户可以是用户3中的任一用户，计算表征指定用户用电水平的个体用电特征值，并将个体用电特征值和标准用电特征值进行比对，如果指定用户的个体用电特征值大于标准用电特征值，则可以判定该指定用户存在异常用电行为。
基于此思路，本发明实施例提供的异常用电行为的识别方法的一种可选的流程可以如图2所示，结合图1和图2所示，该流程可以包括：
步骤S100，采集智能电表记录的用户信息。
智能电表所记录的信息中包含用户编号、每日用电量、每日不同时段用电量、用电时间、欠费、缴费信息等诸多内容。
步骤S101，汇总、整理用电信息，并生成用电数据集。
可选的，由于智能电表反馈信息较多，本申请实施例提供的异常用电行为的识别方法，需要对所采集的客户信息进行汇总、整理，删除错误的或者冗余的信息，保证信息的准确有效，然后生成用电数据集，用电数据集中记载所有客户的客户信息。
步骤S102，计算标准用电特征值。
在用电数据集中，提取第一预设时间段内所有用户的用电信息，计算表征所有用户的平均用电水平的标准用电特征值。
可选的，第一预设时间段的选取，需要根据统计区域内所有用户的具体数量以及对异常用电行为识别的准确度的要求进行综合考虑，如果统计区域内用户数量众多，产生的用电信息量较大，产生的用电信息具有较高的参考意义，那么选取的第一预设时间段，可以较短，比如一个月，或者更短时间；如果对于异常用电行为识别的准确度的要求较高，则需要选取较长时间段，比如一个季度，或者更长时间。
可选的，统计区域，即采集用户用电信息的区域，统计区域可大可小，可以是供电部门各自的行政管辖区域，可以是行政管辖区域中的某个部分，同样可以是多个行政管辖区域的联合。
可选的，为保证数据的可比性，提高识别异常用电行为的准确度，统计区域内提供用电信息的用户优选为用电负荷类型相同的用户，比如同为普通居民用户或同为生产企业等。
步骤S103，计算个体用电特征值。
在用电数据集中，提取第二预设时间段内指定用户的用电信息，计算表征指定用户用电水平的个体用电特征值。
可选的，第二预设时间段可以选取与第一预设时间段起止时间相同的时间段或在第一预设时间段的范围内选取时间跨度较短的时间段，或者在第一预设时间段之外单独选取，同样，第二预设时间段也可以选取长于第一预设时间段的时间，以获得更多的采样数据，计算得出更具有代表性、更准确的个体用电特征值。
可选的，指定用户包括曾经有过偷电行为的用户、用电量巨大的大型企业等，同样包括随机指定的普通居民用户。
步骤S104，对比个体用电特征值是否大于标准用电特征值，若是，执行步骤S105，若否，执行步骤S106。
步骤S105，判定指定用户存在异常用电行为。
步骤S106，判定指定用户无异常用电行为。
通过本申请提供的异常用电行为识别方法，通过对智能电表反馈的用户用电信息进行汇总、整理，得到用电数据集，并进一步对用电数据集反应的用电信息进行分析，依据分析结果判断用户是否存在异常用电行为，供电部门可以对判定存在异常用电行为的用户予以重点关注，大大提高对用户用电行为的监管力度和管理水平。
下面结合流程图对表征所有用户的平均用电水平的标准用电特征值的计算过程做详细阐述，参见图3，本发明实施例提供的异常用电行为的识别方法的第二流程图。
计算表征所有用户的平均用电水平的标准用电特征值，需执行如下步骤：
步骤S200，计算第一预设时间段内，每个用户的日用电量。
步骤S201，计算每个用户每天各预设用电时段的预设时段用电量。
可选的，对于统计区域内的每个用户，一天内包括至少一个预设用电时段，对于预设用电时段的选取，应主要参考连续时间内用电量的变化情况，选取用电量相对稳定，没有忽高忽低变化的时间段作为某个预设用电时段。比如可以分为峰时段、谷时段和平时段。
步骤S202，计算每个用户的各预设时段用电量占比。
一用户的一预设时段用电量占比为该预设时段用电量与该用户的日用电量的比值。
步骤S203，计算每个用户的日用电量波动系数。
日用电量波动系数可以表征每个用户日用电量的波动情况，系数值越大，表明用户的用电量在一天之内的波动情况越严重，对电力的需求不够稳定，用电负荷变化较大。
可选的，日用电量波动系数的计算方式为：日用电量的标准差与日用电量的平均值相比，所得比值即为日用电量波动系数。
步骤S204，计算每个用户的各预设时段用电量占比波动系数。
预设时段用电量占比波动系数可以表征每个用户在预设时段内用电量的波动情况，系数值越大，表明用户的用电量在该预设时段内的波动情况越严重，对电力的需求不够稳定，用电负荷变化较大。
可选的，计算预设时段用电量占比波动系数的计算方式为：预设时段用电量占比的标准差与预设时段用电量占比的平均值相比，所得比值即为预设时段用电量占比波动系数。
步骤S205，将所有用户的日用电量波动系数、各预设时段用电量占比波动系数分别由小到大进行排序。
针对统计区域内的所有用户，每项系数独立构成各自的系数集，在各自的系数集内，将计算数据按照从小到大的顺序进行排序。
步骤S206，计算特定位。
特定位，即某一特别指定的位置，在本申请实施例中，特定位指按照各系数的排序结果，在各项系数经过排序的系数集中某一特别指定的位置。
可选的，特定位的指定方式为：取用户总数的九成，所得结果舍去小数，取整数值。
可选的，特定位的指定方式还可以为：取用户总数的八成或其他比例，所得结果舍去小数，取整数值。
步骤S207，按照各系数的排序结果，分别取位于特定位的参数。
每一项系数都对应自身独立的系数集，在指定特定位之后，按照从小到大的排序结果，可以从每项系数的系数集中唯一的选取出对应参数，所得到的多个参数，即为标准用电特征值。
经过图3所示步骤S200-S207的计算，可以得到表征所有用户的平均用电水平的标准用电特征值，为判断指定用户是否存在异常用电行为，还需要计算指定用户的个体用电特征值，具体计算过程，可以参见图4，本申请实施例提供的异常用电行为的识别方法的第三流程图。
需要说明的是，个体用电特征值的计算过程与标准用电特征值的计算过程类似，下面结合图4，本申请实施例提供的异常用电行为的识别方法的第三流程图，具体说明计算表征指定用户的用电水平的个体用电特征值的步骤：
步骤S300，计算第二预设时间段内，指定用户的日用电量。
步骤S301，计算指定用户每天各预设用电时段的预设时段用电量。
可选的，指定用户预设用电时段的选取，与针对所有用户选取预设用电时段的标准是一致的，此处不再赘述。需要说明的是，对于指定用户，一天内包括至少一个预设用电时段。
步骤S302，计算指定用户的各预设时段用电量占比。
对于指定用户，一预设时段用电量占比为该预设时段用电量与该指定用户的日用电量的比值。
步骤S303，计算指定用户的日用电量波动系数。
指定用户的日用电量波动系数与所有用户的日用电量波动系数所表征的含义以及计算方式均相同，此处不再赘述。
步骤S304，计算指定用户的各预设时段用电量占比波动系数。
指定用户的各预设时段用电量占比波动系数与所有用户的各预设时段用电量占比波动系数所表征的含义以及计算方式均相同，此处不再赘述。
经过图4所示步骤S300-S304的计算，可以得到表征指定用户的用电水平的个体用电特征值。
结合图2至图4，本申请实施例提供的异常用电行为的识别方法，通过对智能电表反馈的用户用电信息进行汇总、整理，得到用电数据集，使用者需要判定指定用户是否存在异常用电行为时，需要通过输入设备，向服务器中输入提取用电信息的时间范围，即指定第一预设时间段的范围，服务器在用电数据集中提取第一预设时间段内所有用户的用电信息，计算表征所有用户的平均用电水平的标准用电特征值，之后使用者通过输入设备向服务器输入第二预设时间段的范围，并在用电数据集中提取第二预设时间段内指定用户的用电信息，计算表征指定用户用电水平的个体用电特征值，并将个体用电特征值和标准用电特征值进行比对，如果指定用户的个体用电特征值大于标准用电特征值，则可以判定该指定用户存在异常用电行为，供电部门可以对判定存在异常用电行为的用户予以重点关注，大大提高对用户用电行为的监管力度和管理水平。
可选的，本发明实施例提供的异常用电行为的识别方法的一个应用可如下所示：
采集用户用电信息的区域，即统计区域，选定为某供电部门的行政管辖区域，该选定统计区域内所有智能电表的用电信息均上传至中央服务器，中央服务器对采集的用电信息进行汇总、整理，得到用电数据集。
指定用户为曾经有过偷电行为的用户。
通过输入设备，向中央服务器中输入第一预设时间段的范围，第一预设时间段选取为一个月，为方便表述，第二预设时间段同样选取为一个月，且第二预设时间段与第一预设时间段的起止日期相同，为同一段时间。
针对统计区域内所有用户，一天内选取三个预设用电时段，分别为峰时段、谷时段和平时段。
在中央服务器得出所有用户的用电数据集，并按照预设时间段提取用户的用电信息之后，进行如下计算过程：
首先，计算标准用电特征值。
根据所有用户的用电信息，计算每个用户的日用电量Ai，其中，i∈[1,2,3,…,30]；
针对所有用户，计算每天中峰时段用电量Ai,p、谷时段用电量Ai,v和平时段用电量Ai,n，其中，i∈[1,2,3,…,30]；
计算所有用户峰时段用电量占比Ri,p，谷时段用电量占比Ri,v和平时段用电量占比Ri,n，具体计算方式为：
Ri,p＝Ai,p/Ai；
Ri,v＝Ai,v/Ai；
Ri,n＝Ai,n/Ai；
计算所有用户日用电量Ai的平均值mean(A)、峰时段用电量占比Ri,p的平均值mean(Rp)、谷时段用电量占比Ri,v的平均值mean(Rv)和平时段用电量占比Ri,n的平均值mean(Rn)，具体计算方式为：
Ri,n＝Ai,n/Ai；
计算所有用户日用电量Ai的方差var(A)、峰时段用电量占比Ri,p的方差var(Rp)、谷时段用电量占比Ri,v的方差var(Rv)和平时段用电量占比Ri,n的方差var(Rn)，具体计算方式为：
将日用电量Ai的方差var(A)、峰时段用电量占比Ri,p的方差var(Rp)、谷时段用电量占比Ri,v的方差var(Rv)和平时段用电量占比Ri,n的方差var(Rn)进行开平方计算后，即得到对应参数的标准差，此处不再单独列出。
计算日用电量Ai的波动系数cv(A)、峰时段用电量占比Ri,p的波动系数cv(Rp)、谷时段用电量占比Ri,v的波动系数cv(Rv)和平时段用电量占比Ri,n的波动系数cv(Rn)，具体计算方式为：
至此，得到表征各参量波动情况的波动系数，并将各参数分别按照从小到大的顺序排序。
以统计区域内共计包括1234户用户为例，说明特定位的指定过程：取用户总数的九成，所得结果舍去小数，取整数值，即1234×0.9＝1110.6，舍弃小数部分，取整数值1110。
按照从小到大的排序结果，分别取位于第1110位的日用电量波动系数cv(A)、峰时段用电量占比波动系数cv(Rp)、谷时段用电量占比波动系数cv(Rv)和平时段用电量占比的波动系数cv(Rn)，所得四个参数值即为标准用电特征值。
其次，计算个体用电特征值。
根据指定用户的用电信息，计算指定用户的日用电量Ai，其中，i∈[1,2,3,…,30]；
计算指定用户每天中峰时段用电量Ai,p、谷时段用电量Ai,v和平时段用电量Ai,n，其中，i∈[1,2,3,…,30]；
计算指定用户的峰时段用电量占比Ri,p，谷时段用电量占比Ri,v和平时段用电量占比Ri,n，具体计算方式为：
Ri,p＝Ai,p/Ai；
Ri,v＝Ai,v/Ai；
Ri,n＝Ai,n/Ai；
计算指定用户日用电量Ai的平均值mean(A)、峰时段用电量占比Ri,p的平均值mean(Rp)、谷时段用电量占比Ri,v的平均值mean(Rv)和平时段用电量占比Ri,n的平均值mean(Rn)，具体计算方式为：
Ri,n＝Ai,n/Ai；
计算指定用户日用电量Ai的方差var(A)、峰时段用电量占比Ri,p的方差var(Rp)、谷时段用电量占比Ri,v的方差var(Rv)和平时段用电量占比Ri,n的方差var(Rn)，具体计算方式为：
将日用电量Ai的方差var(A)、峰时段用电量占比Ri,p的方差var(Rp)、谷时段用电量占比Ri,v的方差var(Rv)和平时段用电量占比Ri,n的方差var(Rn)进行开平方计算后，即得到对应参数的标准差，此处不再单独列出。
计算指定用户日用电量Ai的波动系数cv(A)、峰时段用电量占比Ri,p的波动系数cv(Rp)、谷时段用电量占比Ri,v的波动系数cv(Rv)和平时段用电量占比Ri,n的波动系数cv(Rn)，具体计算方式为：
至此，计算所得日用电量波动系数cv(A)、峰时段用电量占比波动系数cv(Rp)、谷时段用电量占比波动系数cv(Rv)和平时段用电量占比波动系数cv(Rn)，即为个体用电特征值。
最后，将指定用户的个体用电特征值所包含的四个参数，分别与标准用电特征值的四个参数对比，如果个体用电特征值的四个参数中，存在两个参数大于标准用电特征值中对应的参数，则判定该指定用户存在异常用电行为，需要予以重点关注。
可选的，可以将判定存在异常用电行为的筛选条件限定为个体用电特征值的四个参数中存在三个参数大于标准用电特征值中对应的参数，或者个体用电特征值的四个参数中存在四个参数大于标准用电特征值中对应的参数。
下文描述的异常用电行为的识别装置可以认为是为实现本发明实施例提供的异常用电行为的识别方法，在识别装置中需设置的功能模块架构；下文描述内容可与上文相互参照。
图5为本发明实施例提供的异常用电行为的识别装置的结构框图，参照图5，该装置可以包括：
信息采集单元10，用于采集智能电表记录的用户信息；
信息处理单元20，用于汇总、整理用户信息，并生成用电数据集；
第一计算单元30，用于在用电数据集中，提取第一预设时间段内所有用户的用电信息，计算表征所有用户的平均用电水平的标准用电特征值；
第二计算单元40，用于在用电数据集中，提取第二预设时间段内指定用户的用电信息，计算表征指定用户用电水平的个体用电特征值；
对比判定单元50，用于将个体用电特征值和标准用电特征值进行比对，如果指定用户的个体用电特征值大于标准用电特征值，则判定该指定用户存在异常用电行为。
图6为本发明实施例提供的异常用电行为的识别装置的第一计算单元30的结构框图，参照图6，第一计算单元30包括：
第一计算子单元301，用于计算第一预设时间段内，每个用户的日用电量；
第二计算子单元302，用于计算每个用户每天各预设用电时段的预设时段用电量，一天包括至少一个预设用电时段；
第三计算子单元303，用于计算每个用户的各预设时段用电量占比，其中，一用户的一预设时段用电量占比为该预设时段用电量与该用户的日用电量的比值；
第四计算子单元304，用于针对每个用户，计算表征日用电量波动情况的日用电量波动系数、以及表征各预设时段用电量波动情况的各预设时段用电量占比波动系数；
排序取值子单元305，用于将所有用户的日用电量波动系数、各预设时段用电量波动系数分别由小到大进行排序，并分别按照各系数的排序结果，分别取位于特定位的参数值。
图7为本发明实施例提供的异常用电行为的识别装置的第二计算单元40的结构框图，参照图7，第二计算单元40包括：
第五计算子单元401，用于计算第二预设时间段内，指定用户的日用电量；
第六计算子单元402，用于计算指定用户每天各预设用电时段的预设时段用电量，一天包括至少一个预设用电时段；
第七计算子单元403，用于计算指定用户的各预设时段用电量占比，其中，一预设时段用电量占比为该预设时段用电量与该指定用户的日用电量的比值；
第八计算子单元404，用于针对指定用户，计算表征日用电量波动情况的日用电量波动系数、以及表征各预设时段用电量波动情况的各预设时段用电量占比波动系数。
图8为本发明实施例提供的中央服务器的硬件结构图，参见图8所示，包括：可以包括：至少一个处理器100，至少一个通信接口200，至少一个存储器300和至少一个通信总线400；
在本发明实施例中，处理器100、通信接口200、存储器300、通信总线400的数量为至少一个，且处理器100、通信接口200、存储器300通过通信总线400完成相互间的通信；显然，图8所示的处理器100、通信接口200、存储器300和通信总线400所示的通信连接示意仅是可选的；
可选的，通信接口200可以为通信模块的接口，如GSM模块的接口；
处理器100可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器300可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
其中，处理器100具体用于：
采集智能电表记录的用户信息；
汇总、整理用户信息，并生成用电数据集；
在用电数据集中，提取第一预设时间段内所有用户的用电信息，计算表征所有用户的平均用电水平的标准用电特征值；
在用电数据集中，提取第二预设时间段内指定用户的用电信息，计算表征指定用户用电水平的个体用电特征值；
将个体用电特征值和标准用电特征值进行比对，如果指定用户的个体用电特征值大于标准用电特征值，则判定该指定用户存在异常用电行为。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的核心思想或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种异常用电行为的识别方法，其特征在于，包括：
采集智能电表记录的用户信息；
汇总、整理用户信息，并生成用电数据集；
在用电数据集中，提取第一预设时间段内所有用户的用电信息，计算表征所有用户的平均用电水平的标准用电特征值；
在用电数据集中，提取第二预设时间段内指定用户的用电信息，计算表征指定用户用电水平的个体用电特征值；
将个体用电特征值和标准用电特征值进行比对，如果指定用户的个体用电特征值大于标准用电特征值，则判定该指定用户存在异常用电行为。
2.根据权利要求1所述的异常用电行为的识别方法，其特征在于，所述计算表征所有用户的平均用电水平的标准用电特征值，包括：
计算第一预设时间段内，每个用户的日用电量；
计算每个用户每天各预设用电时段的预设时段用电量，一天包括至少一个预设用电时段；
计算每个用户的各预设时段用电量占比，其中，一用户的一预设时段用电量占比为该预设时段用电量与该用户的日用电量的比值；
针对每个用户，计算表征日用电量波动情况的日用电量波动系数、以及表征各预设时段用电量波动情况的各预设时段用电量占比波动系数；
将所有用户的日用电量波动系数、各预设时段用电量占比波动系数分别由小到大进行排序，并分别按照各系数的排序结果，分别取位于特定位的参数值。
3.根据权利要求2所述的异常用电行为的识别方法，其特征在于，所述至少一个预设用电时段包括：峰时段、谷时段和平时段。
4.根据权利要求2所述的异常用电行为的识别方法，其特征在于，所述计算表征日用电量波动情况的日用电量波动系数，包括：计算日用电量的标准差与日用电量的平均值的比值；
所述计算表征预设时段用电量波动情况的预设时段用电量占比波动系数，包括：计算预设时段用电量占比的标准差与预设时段用电量占比的平均值的比值。
5.根据权利要求2所述的异常用电行为的识别方法，其特征在于，所述分别按照各系数的排序结果，分别取位于特定位的参数值，包括：取用户总数的九成，所得结果舍去小数，取整数值，分别按照各系数的排序结果，分别取位于该整数值位的参数值。
6.根据权利要求2所述的异常用电行为的识别方法，其特征在于，所述计算表征指定用户用电水平的个体用电特征值，包括：
计算第二预设时间段内，指定用户的日用电量；
计算指定用户每天各预设用电时段的预设时段用电量，一天包括至少一个预设用电时段；
计算指定用户的各预设时段用电量占比，其中，一预设时段用电量占比为该预设时段用电量与该指定用户的日用电量的比值；
针对指定用户，计算表征日用电量波动情况的日用电量波动系数、以及表征各预设时段用电量波动情况的各预设时段用电量占比波动系数。
7.根据权利要求6所述的异常用电行为的识别方法，其特征在于，所述指定用户的个体用电特征值大于标准用电特征值，包括：所述个体用电特征值中至少存在两个参数大于所述标准用电特征值中的对应的参数。
8.根据权利要求1所述的异常用电行为的识别方法，其特征在于，所述用户包括负荷类型相同的用户。
9.一种异常用电行为的识别装置，其特征在于，包括：
信息采集单元，用于采集智能电表记录的用户信息；
信息处理单元，用于汇总、整理用户信息，并生成用电数据集；
第一计算单元，用于在用电数据集中，提取第一预设时间段内所有用户的用电信息，计算表征所有用户的平均用电水平的标准用电特征值；
第二计算单元，用于在用电数据集中，提取第二预设时间段内指定用户的用电信息，计算表征指定用户用电水平的个体用电特征值；
对比判定单元，用于将个体用电特征值和标准用电特征值进行比对，如果指定用户的个体用电特征值大于标准用电特征值，则判定该指定用户存在异常用电行为。
10.一种中央服务器，其特征在于，包括：存储器和处理器；所述存储器存储有适于所述处理器执行的程序，所述程序用于：
采集智能电表记录的用户信息；
汇总、整理用户信息，并生成用电数据集；
在用电数据集中，提取第一预设时间段内所有用户的用电信息，计算表征所有用户的平均用电水平的标准用电特征值；
在用电数据集中，提取第二预设时间段内指定用户的用电信息，计算表征指定用户用电水平的个体用电特征值；
将个体用电特征值和标准用电特征值进行比对，如果指定用户的个体用电特征值大于标准用电特征值，则判定该指定用户存在异常用电行为。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711241426.6A CN108022043B (zh) | 2017-11-30 | 2017-11-30 | 一种异常用电行为的识别方法、装置及中央服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711241426.6A CN108022043B (zh) | 2017-11-30 | 2017-11-30 | 一种异常用电行为的识别方法、装置及中央服务器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108022043A true CN108022043A (zh) | 2018-05-11 |
| CN108022043B CN108022043B (zh) | 2021-08-20 |
Family
ID=62077655
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711241426.6A Active CN108022043B (zh) | 2017-11-30 | 2017-11-30 | 一种异常用电行为的识别方法、装置及中央服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108022043B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108776276A (zh) * | 2018-06-29 | 2018-11-09 | 合肥工业大学 | 用电异常检测方法及系统 |
| CN109409764A (zh) * | 2018-11-08 | 2019-03-01 | 国网河北省电力有限公司电力科学研究院 | 生产监控方法及终端设备 |
| CN109598638A (zh) * | 2018-11-06 | 2019-04-09 | 深圳供电局有限公司 | 一种基于用电数据分析的住房空置率推算方法及系统 |
| CN109685367A (zh) * | 2018-12-24 | 2019-04-26 | 国网河北省电力有限公司电力科学研究院 | 异常用水电的检测方法、装置和终端设备 |
| CN109726885A (zh) * | 2018-07-17 | 2019-05-07 | 平安科技（深圳）有限公司 | 用电量异常评估方法、装置、设备和计算机存储介质 |
| CN110298996A (zh) * | 2019-05-06 | 2019-10-01 | 国网浙江省电力有限公司嘉兴供电公司 | 一种用电信息采集系统及方法 |
| CN110503111A (zh) * | 2019-08-23 | 2019-11-26 | 江苏方天电力技术有限公司 | 一种基于rgb色彩模式的用电异常行为可视化监控方法 |
| CN110646664A (zh) * | 2019-09-18 | 2020-01-03 | 珠海格力电器股份有限公司 | 多联机系统用电量的监控方法、装置和多联机系统 |
| CN111260246A (zh) * | 2020-02-12 | 2020-06-09 | 上海锐嘉科智能科技有限公司 | 用于园区的设备管理系统及方法 |
| CN112149977A (zh) * | 2020-09-14 | 2020-12-29 | 深圳供电局有限公司 | 贷后风险监控预警方法及其系统、计算机设备、存储介质 |
| CN112488738A (zh) * | 2020-12-16 | 2021-03-12 | 甘肃同兴智能科技发展有限责任公司 | 基于电力大数据的居民空置住户识别方法及设备 |
| CN114862293A (zh) * | 2022-07-09 | 2022-08-05 | 山东恒迈信息科技有限公司 | 一种智慧用电安全管理方法和系统 |
| CN116613894A (zh) * | 2023-07-20 | 2023-08-18 | 国网汇通金财（北京）信息科技有限公司 | 一种用电数据的处理方法及装置 |
| CN117554691A (zh) * | 2024-01-11 | 2024-02-13 | 四川中威能电力科技有限公司 | 远程自适应智能电表 |
| CN117572331A (zh) * | 2024-01-16 | 2024-02-20 | 山东宜美科节能服务有限责任公司 | 一种对智能电表数据实时采集的方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2016006977A1 (en) * | 2014-07-11 | 2016-01-14 | Encored Technologies, Inc. | Apparatus, server, system and method for energy measuring |
| CN106022951A (zh) * | 2016-05-09 | 2016-10-12 | 北京智芯微电子科技有限公司 | 一种用电异常分析的方法及装置 |
| CN106022592A (zh) * | 2016-05-16 | 2016-10-12 | 中国电子科技集团公司电子科学研究院 | 一种用电行为异常检测与治安风险预警方法及装置 |
| CN106054108A (zh) * | 2016-05-27 | 2016-10-26 | 北京智芯微电子科技有限公司 | 一种用电异常检查方法和装置 |
-
2017
- 2017-11-30 CN CN201711241426.6A patent/CN108022043B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2016006977A1 (en) * | 2014-07-11 | 2016-01-14 | Encored Technologies, Inc. | Apparatus, server, system and method for energy measuring |
| CN106022951A (zh) * | 2016-05-09 | 2016-10-12 | 北京智芯微电子科技有限公司 | 一种用电异常分析的方法及装置 |
| CN106022592A (zh) * | 2016-05-16 | 2016-10-12 | 中国电子科技集团公司电子科学研究院 | 一种用电行为异常检测与治安风险预警方法及装置 |
| CN106054108A (zh) * | 2016-05-27 | 2016-10-26 | 北京智芯微电子科技有限公司 | 一种用电异常检查方法和装置 |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN108776276A (zh) * | 2018-06-29 | 2018-11-09 | 合肥工业大学 | 用电异常检测方法及系统 |
| CN109726885A (zh) * | 2018-07-17 | 2019-05-07 | 平安科技（深圳）有限公司 | 用电量异常评估方法、装置、设备和计算机存储介质 |
| CN109598638A (zh) * | 2018-11-06 | 2019-04-09 | 深圳供电局有限公司 | 一种基于用电数据分析的住房空置率推算方法及系统 |
| CN109409764A (zh) * | 2018-11-08 | 2019-03-01 | 国网河北省电力有限公司电力科学研究院 | 生产监控方法及终端设备 |
| CN109685367A (zh) * | 2018-12-24 | 2019-04-26 | 国网河北省电力有限公司电力科学研究院 | 异常用水电的检测方法、装置和终端设备 |
| CN110298996A (zh) * | 2019-05-06 | 2019-10-01 | 国网浙江省电力有限公司嘉兴供电公司 | 一种用电信息采集系统及方法 |
| CN110503111B (zh) * | 2019-08-23 | 2022-04-15 | 江苏方天电力技术有限公司 | 一种基于rgb色彩模式的用电异常行为可视化监控方法 |
| CN110503111A (zh) * | 2019-08-23 | 2019-11-26 | 江苏方天电力技术有限公司 | 一种基于rgb色彩模式的用电异常行为可视化监控方法 |
| CN110646664A (zh) * | 2019-09-18 | 2020-01-03 | 珠海格力电器股份有限公司 | 多联机系统用电量的监控方法、装置和多联机系统 |
| CN111260246A (zh) * | 2020-02-12 | 2020-06-09 | 上海锐嘉科智能科技有限公司 | 用于园区的设备管理系统及方法 |
| CN112149977A (zh) * | 2020-09-14 | 2020-12-29 | 深圳供电局有限公司 | 贷后风险监控预警方法及其系统、计算机设备、存储介质 |
| CN112488738A (zh) * | 2020-12-16 | 2021-03-12 | 甘肃同兴智能科技发展有限责任公司 | 基于电力大数据的居民空置住户识别方法及设备 |
| CN112488738B (zh) * | 2020-12-16 | 2024-02-27 | 甘肃同兴智能科技发展有限责任公司 | 基于电力大数据的居民空置住户识别方法及设备 |
| CN114862293A (zh) * | 2022-07-09 | 2022-08-05 | 山东恒迈信息科技有限公司 | 一种智慧用电安全管理方法和系统 |
| CN116613894A (zh) * | 2023-07-20 | 2023-08-18 | 国网汇通金财（北京）信息科技有限公司 | 一种用电数据的处理方法及装置 |
| CN116613894B (zh) * | 2023-07-20 | 2023-10-10 | 国网汇通金财（北京）信息科技有限公司 | 一种用电数据的处理方法及装置 |
| CN117554691A (zh) * | 2024-01-11 | 2024-02-13 | 四川中威能电力科技有限公司 | 远程自适应智能电表 |
| CN117554691B (zh) * | 2024-01-11 | 2024-03-29 | 四川中威能电力科技有限公司 | 远程自适应智能电表 |
| CN117572331A (zh) * | 2024-01-16 | 2024-02-20 | 山东宜美科节能服务有限责任公司 | 一种对智能电表数据实时采集的方法及系统 |
| CN117572331B (zh) * | 2024-01-16 | 2024-03-26 | 山东宜美科节能服务有限责任公司 | 一种对智能电表数据实时采集的方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108022043B (zh) | 2021-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108022043A (zh) | 一种异常用电行为的识别方法、装置及中央服务器 | |
| CN107945050A (zh) | 一种用电客户类型的识别与标识方法、装置及中央服务器 | |
| US7966100B2 (en) | Performance metrics in renewals energy systems | |
| CN109947812A (zh) | 连续缺失值填充方法、数据分析装置、终端及存储介质 | |
| CN107039970A (zh) | 公变台区线损率异常原因检测方法和系统 | |
| Gmach et al. | Resource and virtualization costs up in the cloud: Models and design choices | |
| CN103135009A (zh) | 基于使用者回馈信息的电器侦测方法与系统 | |
| CN104216985B (zh) | 一种甄别异常数据的方法及系统 | |
| CN106067137A (zh) | 一种基于智能电网监控系统的客户信用等级评价方法 | |
| CN104680261A (zh) | 基于重点大客户负荷曲线聚类的电力负荷运行控制方法 | |
| CN110298509A (zh) | 一种结合短期负荷预测的大工业行业用电优化方法 | |
| CN110599042A (zh) | 一种基于云计算的智能用电分析方法及系统 | |
| CN110109971A (zh) | 一种低压台区用户用电负荷特性分析方法 | |
| CN110276511A (zh) | 一种基于电量与线损关联性的线变关系异常判别方法 | |
| CN107563621A (zh) | 一种网站用户流失情况分析方法及装置 | |
| CN106771862B (zh) | 一种网格与空间距离相结合的采集异常故障点聚合方法 | |
| CN103198139A (zh) | 用户电力数据的用能分析方法 | |
| CN108876076A (zh) | 基于指令数据的个人信用评分方法及装置 | |
| CN106771880A (zh) | 一种配电网络反窃电系统 | |
| CN112988717B (zh) | 一种居民智慧用能服务标本库设计与构建方法 | |
| CN104502692A (zh) | 电量异动的检测方法及中央处理设备 | |
| Ferreira et al. | A data-mining-based methodology for transmission expansion planning | |
| CN109598535A (zh) | 一种基于大数据对分布式光伏客户分类的方法及系统 | |
| CN204287842U (zh) | 中央处理设备 | |
| CN114169802B (zh) | 电网用户需求响应潜力分析方法、系统及存储介质 |
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 | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100038 room 311, 3rd floor, building 21, No.68 courtyard, Beiqing Road, Haidian District, Beijing Patentee after: BEIJING HUITONG JINCAI INFORMATION TECHNOLOGY Co.,Ltd. Patentee after: State Grid Digital Technology Holdings Co.,Ltd. Patentee after: State Grid Corporation of China Address before: 100038 room 311, 3rd floor, building 21, No.68 courtyard, Beiqing Road, Haidian District, Beijing Patentee before: BEIJING HUITONG JINCAI INFORMATION TECHNOLOGY Co.,Ltd. Patentee before: STATE GRID ELECTRONIC COMMERCE Co.,Ltd. Patentee before: State Grid Corporation of China |