CN108256752B - 一种燃气用户用气行为的分析方法 - Google Patents
一种燃气用户用气行为的分析方法 Download PDFInfo
- Publication number
- CN108256752B CN108256752B CN201810001161.0A CN201810001161A CN108256752B CN 108256752 B CN108256752 B CN 108256752B CN 201810001161 A CN201810001161 A CN 201810001161A CN 108256752 B CN108256752 B CN 108256752B
- Authority
- CN
- China
- Prior art keywords
- gas
- user
- day
- consumption
- behavior
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
本发明公开了一种燃气用户用气行为的分析方法,该分析方法包括如下步骤,根据历史用气数据分析出用户的用气行为数据,再将所有用户进行分类,得到多类用户群体;分别计算各类用户群体和各用户的月不均匀系数、日不均匀系数、时不均匀系数中的至少一种;根据下述判定条件确定用气行为不合理的用户:该用户的月不均匀系数大于其所在用户群体的月高峰系数,该用户的日不均匀系数大于其所在用户群体的日高峰系数,该用户的时不均匀系数大于其所在用户群体的时高峰系数;统计出用气行为不合理的所有用户的名单。本发明实现了合理地细分燃气用户群体,从而掌握了不同类用户的用气行为,筛选出用气不合理用户名单,从而提高了燃气用户的管理水平。
Description
技术领域
本发明涉及燃气用户管理技术领域,更为具体来说,本发明为一种燃气用户用气行为的分析方法。
背景技术
目前,随着燃气的大面积使用,由于用户原因导致的燃气非正常消耗等问题逐渐地凸显出来,比如,恶意偷气或者用户端漏气等不合理的用气现象。而且,燃气用户具有数量庞大、情况复杂、用气规模差异大、用气规律差异大等特点,同时,与燃气用户相关的燃气数据还一直在迅速增长,所以,如何有效地确定非正常用气的用户变得更为困难。
常规的解决方法是:通过入户巡检、全面排查的方式锁定非正常用气的燃气用户,但是,该方法会耗费大量的人力和物力,而且往往需要很长时间才能够实现对所有燃气用户的排查。为了提高工作效率,有人提出了通过分析手工台账数据的方法确定异常用气行为,可是这种手工处理方法不仅存在人力投入成本高的问题,而且还是存在无法及时、高效、真实地反映燃气用户的用气情况等问题。
因此,如何能够真实、高效、及时地发现非正常用气的用户,以减少甚至避免由于用户原因导致的燃气异常损耗,成为了本领域技术人员亟待解决的技术问题和始终研究的重点。
发明内容
为解决现有确定非正常用气的燃气用户的方法存在的人力投入成本高、效率低、及时性差等问题,本发明创新提出了一种燃气用户用气行为的分析方法,基于获取的用户历史用气明细数据,结合气象、空气质量等影响采暖用气量的外部数据,根据用户用气表象,采用用户分类、用气行为数据分析等技术手段,利用分析结果确定的判定条件对各用户进行排查,动态监测、评价用户用气合理性,最终实现对用气行为不合理用户的确定,以达到降低人工排查成本,减少人为破坏管道和计量表具的行为,提高了企业安全运营和客户服务效率的目的。
为实现上述的技术目的,本发明公开了一种燃气用户用气行为的分析方法,所述分析方法包括如下步骤,
步骤1,获取用户的历史用气数据,然后根据所述历史用气数据分析出用户的用气行为数据;
步骤2,基于所述用户的用气行为数据,通过聚类分析法将所有用户进行分类,从而得到多类用户群体;
步骤3,分别计算各类用户群体和各用户的月不均匀系数、日不均匀系数、时不均匀系数中的至少一种;其中,所述月不均匀系数为月平均日用气量与年平均日用气量的比值,所述日不均匀系数为日用气量与月平均日用气量的比值,所述时不均匀系数为时用气量与日平均时用气量的比值;
步骤4,将符合如下的至少一种判定条件的用户确定为用气行为不合理的用户:该用户的月不均匀系数大于其所在用户群体的月高峰系数,该用户的日不均匀系数大于其所在用户群体的日高峰系数,该用户的时不均匀系数大于其所在用户群体的时高峰系数;其中,所述月高峰系数为最大月不均匀系数,所述日高峰系数为最大日不均匀系数,所述时高峰系数为最大时不均匀系数;
步骤5,统计出用气行为不合理的所有用户的名单。
基于上述的技术方案,本发明通过对数量庞大、用气规模庞大、用气规律多样的燃气用户进行聚类分析,以及针对当前类用户群体的历史用气数据分析,本发明能够行之有效地确定用气行为不合理的用户,达到减少甚至避免由于用户原因导致的燃气异常损耗的技术目的。
进一步地,步骤1中,所述用户的用气行为数据包括如下用气行为指标:供暖季平均日用气量、日高峰系数、偏离度及峰谷比;其中,所述供暖季平均日用气量为用户在供暖季内的用气总量与供暖季用气天数的比值,所述日高峰系数为用户在供暖季内用气量最大的一天的日不均系数,所述偏离度为在供暖季内日用气量的标准差,所述峰谷比为在供暖季内日用气峰值与日用气谷值的比值。
基于上述改进的技术方案,本发明能够通过具体的参数对燃气用户的用气习惯进行合理且准确的描述,以便于后续流程中对不同类的用户群体进行合理而有效地区分。
进一步地,步骤2中,所述聚类分析法为K-means聚类分析方法,令当前的所有用户作为样本,以任意两个用户的用气行为指标间的距离作为划分准则,然后对所述样本进行聚类后形成多个簇,每个簇为一类用户群体。
基于上述改进的技术方案,本发明不仅能够合理地对属于不同类用户群体的燃气用户进行区分,而且能够极大地缩短用户分类过程使用的时间,进而提高了本发明的分析效率,使对异常用气的用户的确定更为及时。
进一步地,步骤3中,当气温变化1℃时,计算各类用户群体和各用户的用气量变化值,通过各类用户群体的用气量变化值分别计算其户平均用气变化值,根据各类用户群体的户平均用气变化值分别确定其第一合理阈值范围;
步骤4中,将符合如下判定条件的用户确定为用气行为不合理的用户:当气温变化1摄氏度时,该用户的用气量变化值超出其所在用户群体的第一合理阈值范围。
进一步地,步骤3中,当空气质量等级变化一级时,计算各类用户群体和各用户的用气量变化值,通过各类用户群体的用气量变化值分别计算其户平均用气变化值,根据各类用户群体的户平均用气变化值分别确定其第二合理阈值范围;
步骤4中,将符合如下判定条件的用户确定为用气行为不合理的用户:当空气质量等级变化一级时,该用户的用气量变化值超出其所在用户群体的第二合理阈值范围。
进一步地,步骤3中,在第一预设时间段内,分别计算各类用户群体和各用户的日用气量波动率;其中,所述日用气量波动率为所有相邻日用气量变化率的均值;
步骤4中,将符合如下判定条件的用户确定为用气行为不合理的用户:在所述第一预设时间段内,该用户的日用气量波动率与其所在用户群体的日用气量波动率的差值的绝对值大于预设波动率。
进一步地,步骤4中,将符合如下判定条件的用户确定为用气行为不合理的用户:在第二预设时间段内,该用户的用气量与其具有相同型号锅炉的其他用户的平均用气量的差值的绝对值大于第一预设用气值。
进一步地,步骤4中,将符合如下判定条件的用户确定为用气行为不合理的用户:在第一预设地理区域内,该用户的用气量与其在同一地理区域内的其他用户的平均用气量的差值的绝对值大于第二预设用气值。
进一步地,步骤4中,将符合如下判定条件的用户确定为用气行为不合理的用户:该用户在工作日的用气日夜差率均值与在休息日的用气日夜差率均值的差值的绝对值大于预设值。
进一步地,步骤1中,用户的历史用气数据来源于远程燃气计量采集系统、燃气用户管理系统及燃气用户台账。
本发明的有益效果为:本发明对用户用气行为进行了恰当的数学描述,实现了合理地细分燃气用户群体,从而准确掌握了不同类用户的用气行为,实现用户用气行为合理性评价,筛选出用气不合理用户名单,进而在提高燃气用户管理水平的同时,降低了燃气使用中的安全隐患,增强了燃气的安全运营,使燃气企业能够及时发现偷气或漏气等不合理用气的现象,提高偷盗气打击精准度,有效降低燃气企业的服务投入。
另外,本发明还实现了对燃气用户相关的历史用气数据、气象数据、地理数据、管网运行数据等数据资源进行了综合分析,不仅可以从多方面、多角度地确定不合理用气的用户,还可以对未来用气量进行有效预估,为燃气调峰、储气等安全保证提供前瞻参考。
附图说明
图1为燃气用户用气行为的分析方法的流程示意图。
具体实施方式
下面结合说明书附图对本发明的燃气用户用气行为的分析方法进行详细的解释和说明。
本实施例具体公开了一种燃气用户用气行为的分析方法,该分析方法包括如下步骤,如图1所示。
步骤1,获取用户的历史用气数据,然后根据该历史用气数据分析出用户的用气行为数据,本实施例中,用户的历史用气数据来源于远程燃气计量采集系统、燃气用户管理系统及燃气用户台账,还可根据具体需要将通过上述各数据源获取的数据进行融合,从而得到用户的历史用气数据;具体地,考虑用户对供气均衡性的影响等因素,本实施例用户的用气行为数据包括如下用气行为指标:供暖季平均日用气量、日高峰系数、偏离度以及峰谷比;其中,供暖季平均日用气量为用户在供暖季内的用气总量与供暖季用气天数的比值,主要用于反映用户的用气规模;日高峰系数为用户在供暖季内用气量最大的一天的日不均系数;偏离度为在供暖季内日用气量的标准差,主要用于反映每日用气量间的不均衡性,峰谷比为在供暖季内日用气峰值与日用气谷值的比值。另外,为了得到高质量的研究样本(用户及其历史用气数据),本实施例还可在获取用户的历史用气数据后对明显错误的数据进行有效的剔除,从而锁定研究样本框,研究样本框内的研究样本包括待使用的用户的历史用气数据。
步骤2,面对海量且复杂的用户用气数据,本实施例基于用户的用气行为数据,通过聚类分析法将所有用户进行分类,从而得到多类用户群体;本实施例中,所采用的聚类分析法为K-means聚类分析方法,以达到高效处理大量的用户的用气行为数据的目的,令当前的所有用户作为样本,以任意两个用户的用气行为指标间的距离作为划分准则,然后再对样本进行聚类后形成多个簇,以使得在同一簇中的对象是“相似的”,而不同簇中的对象是“相异的”,每个簇为一类用户群体;具体实施时,可按照下述的方式进行:
(1)将样本聚类成k个簇(cluster),随机选取k个聚类质心点(clustercentroids):μ1,μ2,μ3,……μn∈Rn;
(2)重复下面过程直到收敛(与其他类的质心相比,当前样本与其所在类的质心的距离最小):
a、对于每一个样例i,计算其应该属于的类:
b、对于每一个类j,重新计算该类的质心:
其中,K代表聚类数,c(i)代表样例i与k个类中距离最近的那个类,c(i)的值是1到k中的一个,质心μj代表对属于同一个类的样本中心点的猜测。
步骤3,利用已获取的用户的历史用气数据,分别计算各类用户群体和各用户的月不均匀系数、日不均匀系数、时不均匀系数中的至少一种,本实施例中,上述计算过程应理解为:不仅计算各类用户群体的月不均匀系数、日不均匀系数、时不均匀系数中的至少一种,而且,还需要对应地计算各用户的月不均匀系数、日不均匀系数、时不均匀系数中的至少一种;其中,月不均匀系数为月平均日用气量与年平均日用气量的比值,每个月的天数在28-31天范围内变化,月不均匀系数日不均匀系数为日用气量与月平均日用气量的比值,时不均匀系数(小时不均匀系数)为时用气量与日平均时用气量的比值, 本实施例中,当气温变化1℃时,计算各类用户群体和各用户的用气量变化值,通过各类用户群体的用气量变化值分别计算其户平均用气变化值,根据各类用户群体的户平均用气变化值分别确定其第一合理阈值范围;本步骤中,当空气质量等级变化一级时,计算各类用户群体和各用户的用气量变化值,通过各类用户群体的用气量变化值分别计算其户平均用气变化值,根据各类用户群体的户平均用气变化值分别确定其第二合理阈值范围;本实施例中,在第一预设时间段内,分别计算各类用户群体和各用户的日用气量波动率;其中,日用气量波动率为所有相邻日用气量变化率的均值。另外,对于本实施例中涉及的“第一合理阈值范围”、“第二合理阈值范围”,可根据实际情况进行合理地设定。比如,第一合理阈值范围为:[温度变化1℃时各类用户群体的户平均用气变化值-a,温度变化1℃时各类用户群体的户平均用气变化值+a],第二合理阈值范围为:[空气质量等级变化一级时各类用户群体的户平均用气变化值-b,空气质量等级变化一级时各类用户群体的户平均用气变化值+b],其中,a、b为根据具体情况确定的常数。
步骤4,本实施例将符合如下的至少一种判定条件的用户确定为用气行为不合理的用户,也就是说,如下判定条件只要有一个满足,则满足该判定条件的用户可被确定为用气行为不合理的用户。
(1)该用户的月不均匀系数大于其所在用户群体的月高峰系数,(2)该用户的日不均匀系数大于其所在用户群体的日高峰系数,(3)该用户的时不均匀系数大于其所在用户群体的时高峰系数,(4)当气温变化1摄氏度时该用户的用气量变化值超出其所在用户群体的第一合理阈值范围,(5)当空气质量等级变化一级时该用户的用气量变化值超出其所在用户群体的第二合理阈值范围,(6)在第一预设时间段内该用户的日用气量波动率与其所在用户群体的日用气量波动率的差值的绝对值大于预设波动率,(7)在第二预设时间段内,该用户的用气量与其具有相同型号锅炉的其他用户的平均用气量的差值的绝对值大于第一预设用气值,(8)在第一预设地理区域内该用户的用气量与其在同一地理区域内的其他用户的平均用气量的差值的绝对值大于第二预设用气值,(9)该用户在工作日的用气日夜差率均值与在休息日的用气日夜差率均值的差值的绝对值大于预设值,比如,其中,月高峰系数为最大月不均匀系数,比如,十二个月中平均日用气量最大的月,也即月不均匀系数值最大的月,称为计算月,日高峰系数为最大日不均匀系数,时高峰系数为最大时不均匀系数,上述涉及的第一预设时间段、预设波动率、第二预设时间段、第一预设用气值、第一预设地理区域、第二预设用气值、预设值可根据具体的情况进行合理地设置。
需要说明的是,在一段时间内(比如一年内),用户的月不均匀系数、日不均匀系数、时不均匀系数分别具有多个,比如,一年内月不均匀系数具有12个;对于上述判定条件,应理解为只要用户的任意一个月不均匀系数(日不均匀系数、时不均匀系数)大于对应的月高峰系数(日高峰系数、时高峰系数),则认为该用户为用气行为不合理的用户。
步骤5,统计出用气行为不合理的所有用户的名单。且随着用气历史数据的不断积累,本发明分析的精准度会越来越高;基于上述对用户用气行为的分析,在本实施例提供的技术方案的基础上,还可以构建用于滚动预测用户未来用气量的日负荷预测模型,且部分模型参数可随着数据量的增大实现自动优化。
另外,在本发明公开的内容基础上,如果对某被研究对象的用气规律比较了解,可根据具体情况判断该用户是否存在用气异常的问题;比如,研究对象为非家用采暖用户,其具有用气规模较大、对自身用气规律较为了解等特点,不会预购过多天然气等特点,所以,当该用户供暖季用气量小于购气量的一半,则视为该用户用气数据异常,具体实施时,可以利用箱线图异常值判别标准,一般定义小于Q1-1.5IQR或大于Q3+1.5IQR的数值为异常。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“本实施例”、“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明实质内容上所作的任何修改、等同替换和简单改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种燃气用户用气行为的分析方法,其特征在于:所述分析方法包括如下步骤,
步骤1,获取用户的历史用气数据,然后根据所述历史用气数据分析出用户的用气行为数据;
步骤2,基于所述用户的用气行为数据,通过聚类分析法将所有用户进行分类,从而得到多类用户群体;
步骤3,分别计算各类用户群体和各用户的月不均匀系数、日不均匀系数、时不均匀系数中的至少一种;其中,所述月不均匀系数为月平均日用气量与年平均日用气量的比值,所述日不均匀系数为日用气量与月平均日用气量的比值,所述时不均匀系数为时用气量与日平均时用气量的比值;
当气温变化1℃时,计算各类用户群体和各用户的用气量变化值,通过各类用户群体的用气量变化值分别计算其户平均用气变化值,根据各类用户群体的户平均用气变化值分别确定其第一合理阈值范围;
步骤4,将符合如下的至少一种判定条件的用户确定为用气行为不合理的用户:
该用户的月不均匀系数大于其所在用户群体的月高峰系数;
该用户的日不均匀系数大于其所在用户群体的日高峰系数;
该用户的时不均匀系数大于其所在用户群体的时高峰系数;
当气温变化1摄氏度时,该用户的用气量变化值超出其所在用户群体的第一合理阈值范围;
所述月高峰系数为最大月不均匀系数,所述日高峰系数为最大日不均匀系数,所述时高峰系数为最大时不均匀系数;
步骤5,统计出用气行为不合理的所有用户的名单。
2.根据权利要求1所述的燃气用户用气行为的分析方法,其特征在于:
步骤1中,所述用户的用气行为数据包括如下用气行为指标:供暖季平均日用气量、日高峰系数、偏离度及峰谷比;其中,所述供暖季平均日用气量为用户在供暖季内的用气总量与供暖季用气天数的比值,所述日高峰系数为用户在供暖季内用气量最大的一天的日不均系数,所述偏离度为在供暖季内日用气量的标准差,所述峰谷比为在供暖季内日用气峰值与日用气谷值的比值。
3.根据权利要求2所述的燃气用户用气行为的分析方法,其特征在于:
步骤2中,所述聚类分析法为K-means聚类分析方法,令当前的所有用户作为样本,以任意两个用户的用气行为指标间的距离作为划分准则,然后对所述样本进行聚类后形成多个簇,每个簇为一类用户群体。
4.根据权利要求1所述的燃气用户用气行为的分析方法,其特征在于:
步骤3中,当空气质量等级变化一级时,计算各类用户群体和各用户的用气量变化值,通过各类用户群体的用气量变化值分别计算其户平均用气变化值,根据各类用户群体的户平均用气变化值分别确定其第二合理阈值范围;
步骤4中,将符合如下判定条件的用户确定为用气行为不合理的用户:当空气质量等级变化一级时,该用户的用气量变化值超出其所在用户群体的第二合理阈值范围。
5.根据权利要求4所述的燃气用户用气行为的分析方法,其特征在于:
步骤3中,在第一预设时间段内,分别计算各类用户群体和各用户的日用气量波动率;其中,所述日用气量波动率为所有相邻日用气量变化率的均值;
步骤4中,将符合如下判定条件的用户确定为用气行为不合理的用户:在所述第一预设时间段内,该用户的日用气量波动率与其所在用户群体的日用气量波动率的差值的绝对值大于预设波动率。
6.根据权利要求5所述的燃气用户用气行为的分析方法,其特征在于:
步骤4中,将符合如下判定条件的用户确定为用气行为不合理的用户:在第二预设时间段内,该用户的用气量与其具有相同型号锅炉的其他用户的平均用气量的差值的绝对值大于第一预设用气值。
7.根据权利要求6所述的燃气用户用气行为的分析方法,其特征在于:
步骤4中,将符合如下判定条件的用户确定为用气行为不合理的用户:在第一预设地理区域内,该用户的用气量与其在同一地理区域内的其他用户的平均用气量的差值的绝对值大于第二预设用气值。
8.根据权利要求7所述的燃气用户用气行为的分析方法,其特征在于:
步骤4中,将符合如下判定条件的用户确定为用气行为不合理的用户:该用户在工作日的用气日夜差率均值与在休息日的用气日夜差率均值的差值的绝对值大于预设值。
9.根据权利要求8所述的燃气用户用气行为的分析方法,其特征在于:
步骤1中,用户的历史用气数据来源于远程燃气计量采集系统、燃气用户管理系统及燃气用户台账。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810001161.0A CN108256752B (zh) | 2018-01-02 | 2018-01-02 | 一种燃气用户用气行为的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810001161.0A CN108256752B (zh) | 2018-01-02 | 2018-01-02 | 一种燃气用户用气行为的分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108256752A CN108256752A (zh) | 2018-07-06 |
CN108256752B true CN108256752B (zh) | 2019-09-13 |
Family
ID=62725760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810001161.0A Active CN108256752B (zh) | 2018-01-02 | 2018-01-02 | 一种燃气用户用气行为的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108256752B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109737315B (zh) * | 2019-03-14 | 2021-02-02 | 广东聚源管业实业有限公司 | 一种管道泄漏监测方法及系统 |
CN110163279A (zh) * | 2019-05-17 | 2019-08-23 | 国网天津市电力公司 | 一种能源客户分类方法、装置及计算设备 |
CN110378612A (zh) * | 2019-07-25 | 2019-10-25 | 新奥(中国)燃气投资有限公司 | 一种客户拜访任务下发方法及装置 |
US11107097B2 (en) | 2019-08-29 | 2021-08-31 | Honda Motor Co., Ltd. | System and method for completing trend mapping using similarity scoring |
CN111756111B (zh) * | 2020-06-24 | 2022-08-30 | 广东电网有限责任公司 | 一种电力监控系统和电力监控方法 |
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 |
CN112150036B (zh) * | 2020-10-15 | 2023-05-09 | 北京市燃气集团有限责任公司 | 一种基于数据驱动的锅炉用气用户偷盗气检测方法及装置 |
CN112530091A (zh) * | 2020-12-04 | 2021-03-19 | 广州广燃设计有限公司 | 一种应用于燃气用户用气规律研究的技术方法 |
CN116150239B (zh) * | 2022-12-16 | 2023-09-22 | 彭州华润燃气有限公司 | 一种针对燃气偷盗气行为的数据挖掘方法 |
CN116756629B (zh) * | 2023-05-24 | 2024-04-19 | 深圳市爱路恩济能源技术有限公司 | 一种燃气用户的用气量分析方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104951991A (zh) * | 2014-03-28 | 2015-09-30 | 中国石油天然气股份有限公司 | 获取用户天然气用气行为特征的方法和装置 |
CN105741014A (zh) * | 2016-01-22 | 2016-07-06 | 深圳市燃气集团股份有限公司 | 基于月均用气量的管道燃气居民用户数据处理方法及系统 |
CN106447534A (zh) * | 2016-09-22 | 2017-02-22 | 国网上海市电力公司 | 一种基于灰色关联度分析的用电模式稳定性判别方法 |
CN106682079A (zh) * | 2016-11-21 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种基于聚类分析的用户用电行为检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608639A (zh) * | 2016-01-07 | 2016-05-25 | 国网智能电网研究院 | 一种基于用户用电信息的居民用电行为分析方法 |
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 |
CN107220906B (zh) * | 2017-05-31 | 2019-10-11 | 国网上海市电力公司 | 基于用电采集系统的多时间尺度用电异常分析方法 |
-
2018
- 2018-01-02 CN CN201810001161.0A patent/CN108256752B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104951991A (zh) * | 2014-03-28 | 2015-09-30 | 中国石油天然气股份有限公司 | 获取用户天然气用气行为特征的方法和装置 |
CN105741014A (zh) * | 2016-01-22 | 2016-07-06 | 深圳市燃气集团股份有限公司 | 基于月均用气量的管道燃气居民用户数据处理方法及系统 |
CN106447534A (zh) * | 2016-09-22 | 2017-02-22 | 国网上海市电力公司 | 一种基于灰色关联度分析的用电模式稳定性判别方法 |
CN106682079A (zh) * | 2016-11-21 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种基于聚类分析的用户用电行为检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108256752A (zh) | 2018-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108256752B (zh) | 一种燃气用户用气行为的分析方法 | |
CN110991786B (zh) | 基于相似日负荷曲线的10kV静态负荷模型参数辨识方法 | |
CN109583651A (zh) | 一种保险电商平台用户流失预测的方法和装置 | |
CN102339288B (zh) | 数据仓库异常数据的检测方法及装置 | |
CN106650797B (zh) | 一种基于集成elm的配电网窃电嫌疑用户智能识别方法 | |
CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN110264107B (zh) | 一种基于大数据技术的台区线损率异常诊断方法 | |
CN110634080A (zh) | 异常用电检测方法、装置、设备及计算机可读存储介质 | |
CN106066423A (zh) | 一种基于损耗分配嫌疑分析的反窃电分析方法 | |
CN106372747B (zh) | 基于随机森林的台区合理线损率估计方法 | |
CN111680937B (zh) | 基于电力数据分级赋权的小微企业复工率评估方法 | |
CN111882188A (zh) | 基于Birch聚类算法的工艺质量同质化水平评价方法及系统 | |
CN110490409B (zh) | 一种基于dnn的低压台区线损率标杆值设定方法 | |
CN112149873A (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN111949939A (zh) | 基于改进topsis和聚类分析的智能电表运行状态评价方法 | |
CN111553568A (zh) | 一种基于数据挖掘技术的线损管理方法 | |
CN107451718A (zh) | 基于随机森林分析法的电力大客户价值评价方法 | |
CN110807598A (zh) | 一种参与有序用电的用户负荷调控价值评估方法 | |
CN114565293A (zh) | 一种工业负荷提供长周期需求响应能力的评估方法 | |
CN104850612B (zh) | 一种基于增强凝聚层次聚类的配网用户负荷特征分类方法 | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的系统和方法 | |
CN113902181A (zh) | 公变重过载的短期预测方法及设备 | |
CN106709623B (zh) | 一种基于风险计算模型的电网营销稽查风险管控方法 | |
CN104765881B (zh) | 网站可用性的评估方法 | |
CN116307844A (zh) | 一种低压台区线损评估分析方法 |
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 |