CN108932217A - 能耗统计的方法及装置 - Google Patents
能耗统计的方法及装置 Download PDFInfo
- Publication number
- CN108932217A CN108932217A CN201710391084.XA CN201710391084A CN108932217A CN 108932217 A CN108932217 A CN 108932217A CN 201710391084 A CN201710391084 A CN 201710391084A CN 108932217 A CN108932217 A CN 108932217A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- power consumption
- detected
- table bottom
- consumption values
- 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
- 238000005265 energy consumption Methods 0.000 title claims abstract description 184
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000011218 segmentation Effects 0.000 claims abstract description 40
- 230000001186 cumulative effect Effects 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 28
- 230000002159 abnormal effect Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 241001269238 Data Species 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Water Supply & Treatment (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
本发明适用于数据处理技术领域，提供了能耗统计的方法及装置，包括：通过获取能耗数据并分析能耗数据，以筛选出异常表底能耗值；将异常表底能耗值对应的时间值作为节点对所述能耗数据进行分段，以生成分段能耗数据；计算各个分段能耗数据中的表底能耗差值，作为分段能耗累计量，并计算各个分段的分段能耗累积量的总和，更加有效的避免了由于数据采集错误，导致最终统计错误的情况的发生，提高了能耗统计的准确性。
Description
技术领域
本发明属于数据处理技术领域，尤其涉及能耗统计的方法及装置。
背景技术
在我们日常生活中，离不开各式各样的能耗的统计，例如，用电量的统计就是典型的能耗统计。能耗的统计是资源提供商计量收费的基础，及时准确的能耗统计是资源提供商正常运作的前提，甚至是社会正常运转的必要条件。
然而，传统的能源管理系统直接从表计中读取表底值进行能耗数据的统计,特别依赖表计等采集装置的质量、周围环境和通讯状态的稳定性。如果采集的原始数据发生突变就会导致能耗统计错误。可是在实际运用中，由于采集数据的表计老损、通信传输的错误以及采集现场环境因素的干扰等情况，在获取第一手能耗数据时，往往会获取到异常的不准确的数据，这给后续的统计工作带来了很大的麻烦，如果不对这些异常数据进行相应的处理措施，那么最后的能耗统计就可能与真实的能耗情况有很大差异，因而会给资源提供商或者用户带来经济损失。
发明内容
有鉴于此，本发明实施例提供了能耗统计的方法及装置，以解决现有技术中由于获取到错误的能耗数据，而造成能耗统计不准确的问题。
本发明实施例的第一方面提供了一种能耗统计的方法，包括：获取能耗数据，所述能耗数据包括：时间值以及与所述时间值对应的表底能耗值，并将所述能耗数据按照对应的所述时间值由小到大依序存储；分析所述能耗数据，并筛选出异常表底能耗值；将所述异常表底能耗值对应的时间值作为节点对依序存储的所述能耗数据进行分段，以生成分段能耗数据；在各个所述分段能耗数据中，计算最大的时间值对应的表底能耗值与最小的时间值对应的表底能耗值之差，作为分段能耗累计量，并将各个分段能耗累计量相加，生成能耗总和。
本发明实施例的第二方面提供了一种能耗统计的装置，包括：
获取模块，用于获取能耗数据，所述能耗数据包括：时间值以及与所述时间值对应的表底能耗值，并将所述能耗数据按照对应的所述时间值由小到大依序存储；分析模块，用于分析所述能耗数据，并筛选出异常表底能耗值；分段模块，用于将所述异常表底能耗值对应的时间值作为节点对依序存储的所述能耗数据进行分段，以生成分段能耗数据；计算模块，用于在各个所述分段能耗数据中，计算最大的时间值对应的表底能耗值与最小的时间值对应的表底能耗值之差，作为分段能耗累计量，并将各个分段能耗累计量相加，生成能耗总和。
本发明实施例的第三方面提供了一种能耗统计的装置，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：通过获取能耗数据并分析能耗数据，以筛选出异常表底能耗值；将异常表底能耗值对应的时间值作为节点对所述能耗数据进行分段，以生成分段能耗数据；计算各个分段能耗数据中的表底能耗差值，作为分段能耗累计量，并计算各个分段的分段能耗累积量的总和，更加有效的避免了由于数据采集错误，导致最终统计错误的情况的发生，提高了能耗统计的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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，下面描述中的附图仅仅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性的前提下，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能耗统计的方法的实现流程图；
图2是本发明实施例提供的能耗统计的方法S102的具体实现流程图；
图3是本发明实施例提供的能耗统计的方法S203的具体实现流程图；
图4是本发明实施例提供的能耗统计的方法S302的具体实现流程图；
图5是本发明实施例提供的能耗统计的方法S304的具体实现流程图；
图6是本发明实施例提供的分段统计示意图；
图7是本发明实施例提供的能耗统计的装置的示意图；
图8是本发明实施例提供的能耗统计的装置的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
图1示出了本发明实施例提供的能耗统计的方法的实现流程，详述如下：
在S101中，获取能耗数据，所述能耗数据包括：时间值以及与所述时间值对应的表底能耗值，并将所述能耗数据按照对应的所述时间值由小到大依序存储。
在本发明实施例中，首先获取到通过采集装置采集到的原始的能耗数据，这些数据可能因为现场采集设备、通信设备、协议解析、现场环境干扰等因素，发生突变，有时会变得很大，有时会变小，之后数据又可能恢复正常。由此可见，用于统计计算的原始数据往往可能出现各种各样的异常数据。
在本发明实施例中，能耗数据最少包括三类数值，分别为时间值、表底能耗值以及单位时间能耗累计值。其中，时间值表示某一组能耗数据采集的时刻；表底能耗值为数据采集装置(如记录表计)显示的读数，例如生活中电表的读数，一般情况下表底能耗值是逐渐累加的，因此随时间值的增大而增大；单位时间能耗累计值为在当前的时间值之前的单位时间内，能耗累计的数值，例如：若单位时间为10分钟，当前的时间值是10:00点，单位时间能耗累计值为10度电，则说明从9:50到10:00这段时间内，一共消耗了10度电。
可以理解地，在一组能耗数据中，时间值、表底能耗值以及单位时间能耗累计值都是互相对应的，且所有的能耗数据都是根据时间值从小到大有序存储的。
在S102中，分析所述能耗数据，并筛选出异常表底能耗值。
在本发明实施例中，最关键的步骤就是需要分析在采集的能耗数据中，哪些表底能耗值是异常的，以便在后续的步骤中，针对这些异常的表底能耗值进行相应的统计。
图2示出了本发明实施例提供的能耗统计的方法S102的具体实现流程，详述如下：
在S201中，判断待检测的表底能耗值是否小于能耗数据中前一个表底能耗值。
具体地，待检测的表底能耗值为此时需要被判断是否出现数据异常的表底能耗值。
可以理解地，在我们日常生活中，各种能耗的采集表计上显示的数据都是逐渐累加的，所以通过比较当前时刻的表底能耗值与上一时刻的表底能耗值，可以初步判断出一个表底能耗值是否异常，这种方式也非常的简单，会为后续进一步判断节省很多计算量。
在本发明实施例中，由于能耗数据是按照时间值由小到大排列，因此可以直接比较待检测的表底能耗值与能耗数据中前一个表底能耗值的大小，从而完成当前时刻的表底能耗值与上一时刻的表底能耗值的大小比较。
在S202中，若待检测的表底能耗值小于能耗数据中前一个表底能耗值，则判定所述待检测的表底能耗值为异常表底能耗值。
如上文所述，由于在我们日常生活中，各种能耗的采集表计上显示的数据都是逐渐累加的，所以当待检测的表底能耗值小于能耗数据中前一个表底能耗值时，显然证明待检测的表底能耗值为异常表底能耗值。
在S203中，若待检测的表底能耗值不小于能耗数据中前一个表底能耗值，则通过欧式距离算法以及K最近邻算法筛选出异常表底能耗值。
在本发明实施例中，当待检测的表底能耗值不小于能耗数据中前一个表底能耗值时，也不能直接判定待检测的表底能耗值是否正常，需要进行进一步的判断。作为本发明的一个实施例，可以结合欧式距离算法以及K最近邻算法进行后续判断。图3示出了本发明实施例提供的能耗统计的方法S203的具体实现流程，详述如下：
在上文示例中提到，单位时间能耗累计值为在当前的时间值之前的单位时间内，能耗累计的数值。
在S301中，组合所述待检测的表底能耗值、与所述待检测的表底能耗值对应的时间值、以及与该时间值对应的单位时间能耗累计值，作为待检测样本集合。
在本发明实施例中，首先需要将待检测的表底能耗值以及与待检测的表底能耗值对应的时间值和单位时间能耗累计值组合起来，作为待检测样本集合，这个待检测样本集合是一个三维的数据，用于后续判断。
在S302中，通过欧式距离算法检测所述待检测样本集合是否异常。
图4示出了本发明实施例提供的能耗统计的方法S302的具体实现流程，详述如下：
在S401中，计算所述待检测样本集合与前一个时间值对应的待检测样本集合的欧几里德距离，作为第一距离。
例如：待检测的表底能耗值为100，待检测的表底能耗值对应的时间为10:00:00，待检测的表底能耗值对应的单位时间能耗累计值为10，则待检测样本集合可表示为(10:00:00,100,10)，如果前一个时间值对应的样本集合为(09:59:59,99.5,9),则欧几里得距离就是两个三维数据在三维坐标中的距离。
在S402中，判断所述第一距离是否大于预设的距离阈值。
可以理解地，可以由统计单位设定一个距离阈值，如果第一距离比这个距离阈值大，则说明待检测的能耗数据在采集时出现了大的变化，因而在本发明实施例中会被认定是异常数据。
在S403中，若所述第一距离大于预设的距离阈值，则所述待检测样本集合异常。
在S404中，若所述第一距离不大于预设的距离阈值，则所述待检测样本集合正常。
在S303中，若所述待检测样本集合正常，则判定所述待检测的表底能耗值为正常表底能耗值。
在本发明实施例中，如果在欧式距离算法判断阶段，已经发现待检测样本集合正常，则可以直接判定待检测的表底能耗值为正常表底能耗值。
在S304中，若所述待检测样本集合异常，则判定所述待检测的表底能耗值为异常表底能耗值。
在本发明实施例中，若在欧式距离算法判断阶段，待检测样本集合异常，不能直接认定待检测的表底能耗值异常，还需要进一步地进行K最近邻算法的检测。
图5示出了本发明实施例提供的能耗统计的方法S304的具体实现流程，详述如下：
在S501中，通过BBF算法查找所述待检测样本集合的K个最近邻样本集合。
具体地，BBF(Best Bin First)算法是基于K-D树实现的，因此在本发明实施例中，首先应该建立待检测样本集合的KD树的样本空间。接着在根据BBF算法查找待检测样本集合的K个最近邻样本集合。
在S502中，计算所述K个最近邻样本集合的单位时间能耗累计值的平均值，将计算结果乘以预设的系数，生成累计值阈值。
例如，待检测样本集合为(10:00:00,15,1)，而k＝2，与待检测样本集合最接近的2个最近邻是(59:59:59,15.2,0)以及(10:00:01,15.5,2)，则单位时间能耗累计值的均值为(0+2)/2＝1；若预设的系数为2，那么累计值阈值为1*2＝2。
在S503中，判断所述待检测样本集合中的单位时间能耗累计值是否大于所述累计值阈值。
在本发明实施例中，通过判断待检测样本集合中的单位时间能耗累计值是否大于经过KNN算法得到的累计值阈值，作为本发明实施例的最后一条判断标准。
在S504中，若所述待检测样本集合中的单位时间能耗累计值大于所述累计值阈值，则判定所述待检测样本集合异常。
在S505中，若所述待检测样本集合中的单位时间能耗累计值不大于所述累计值阈值，则判定所述待检测样本集合正常。
在S305中，若所述待检测样本集合正常，则判定所述待检测的表底能耗值为正常表底能耗值。
在S306中，若所述待检测样本集合异常，则判定所述待检测的表底能耗值为异常表底能耗值。
在S103中，将所述异常表底能耗值对应的时间值作为节点对依序存储的所述能耗数据进行分段，以生成分段能耗数据。
在本发明实施例中，在检测分析出异常表底能耗值后，将于这些表底能耗值对应的时间值作为时间节点将能耗数据分段，这样做可以在后续步骤中，分别计算每一个时间段内的内耗累计量。
例如，图6示出了本发明实施例提供的分段统计示意图。如图6所示，如果在时间值为t4时，t4所对应的表底能耗值y4被认定为异常表底能耗值，则显然地，若想计算t1至t7时间周期内的总的能耗值，由于y4是异常表底能耗值，因此不能使用y7-y1作为t1至t7时间周期内的总的能耗值。在本发明实施例中，采用将异常表底能耗值出现的时间值t4作为时间节点，将t1～t7这个时间周期分为t1～t3以及t4～t7两个时间段。
在S104中，在各个所述分段能耗数据中，计算最大的时间值对应的表底能耗值与最小的时间值对应的表底能耗值之差，作为分段能耗累计量，并将各个分段能耗累计量相加，生成能耗总和。
在上示例中，t1-t7这个时间周期被分为t1-t3以及t4-t7两个时间段，接着分别计算两个分段能耗累计量，分别为：y3-y1、y7-y4，因此将各个分段能耗累计量相加，生成能耗总和为y3+y7-y1-y4。
可以理解地，通过将分段能耗累计量相加生成的能耗总和，可以避免由于异常的表底能耗值导致的统计能耗不准确的问题。
参照图7，该能耗统计的装置包括：
获取模块701，用于获取能耗数据，所述能耗数据包括：时间值以及与所述时间值对应的表底能耗值，并将所述能耗数据按照对应的所述时间值由小到大依序存储；
分析模块702，用于分析所述能耗数据，并筛选出异常表底能耗值；
分段模块703，用于将所述异常表底能耗值对应的时间值作为节点对依序存储的所述能耗数据进行分段，以生成分段能耗数据；
计算模块704，用于在各个所述分段能耗数据中，计算最大的时间值对应的表底能耗值与最小的时间值对应的表底能耗值之差，作为分段能耗累计量，并将各个分段能耗累计量相加，生成能耗总和。
进一步地，分析模块包括：
判断子模块，用于判断待检测的表底能耗值是否小于能耗数据中前一个表底能耗值；
第一执行子模块，用于若待检测的表底能耗值小于能耗数据中前一个表底能耗值，则判定所述待检测的表底能耗值为异常表底能耗值；
第二执行子模块，用于若待检测的表底能耗值不小于能耗数据中前一个表底能耗值，则通过欧式距离算法以及K最近邻算法筛选出异常表底能耗值。
所述能耗统计的装置8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述能耗统计的装置/终端设备可包括，但不仅限于，处理器80、存储器81。本领域技术人员可以理解，图8仅仅是能耗统计的装置8的示例，并不构成对能耗统计的装置8的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述能耗统计的装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器80可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器81可以是所述能耗统计的装置的内部存储单元，例如能耗统计的装置/终端设备8的硬盘或内存。所述存储器81也可以是所述能耗统计的装置/终端设备8的外部存储设备，例如所述能耗统计的装置/终端设备8上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器81还可以既包括所述能耗统计的装置8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述能耗统计的装置/终端设备所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，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、或者计算机软件和电子硬件的结合来实现。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。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种能耗统计的方法，其特征在于，包括：
获取能耗数据，所述能耗数据包括：时间值以及与所述时间值对应的表底能耗值，并将所述能耗数据按照对应的所述时间值由小到大依序存储；
分析所述能耗数据，并筛选出异常表底能耗值；
将所述异常表底能耗值对应的时间值作为节点对依序存储的所述能耗数据进行分段，以生成分段能耗数据；
在各个所述分段能耗数据中，计算最大的时间值对应的表底能耗值与最小的时间值对应的表底能耗值之差，作为分段能耗累计量，并将各个分段能耗累计量相加，生成能耗总和。
2.如权利要求1所述的方法，其特征在于，所述分析所述能耗数据，并筛选出异常表底能耗值，包括：
判断待检测的表底能耗值是否小于能耗数据中前一个表底能耗值；
若待检测的表底能耗值小于能耗数据中前一个表底能耗值，则判定所述待检测的表底能耗值为异常表底能耗值；
若待检测的表底能耗值不小于能耗数据中前一个表底能耗值，则通过欧式距离算法以及K最近邻算法筛选出异常表底能耗值。
3.如权利要求2所述的方法，其特征在于，所述能耗数据还包括单位时间能耗累计值，所述单位时间能耗累计值为在当前的时间值之前的单位时间内，能耗累计的数值；
所述通过欧式距离算法以及K最近邻算法筛选出异常表底能耗值，包括：
组合所述待检测的表底能耗值、与所述待检测的表底能耗值对应的时间值、以及与该时间值对应的单位时间能耗累计值，作为待检测样本集合；
通过欧式距离算法检测所述待检测样本集合是否异常；
若所述待检测样本集合正常，则判定所述待检测的表底能耗值为正常表底能耗值；
若所述待检测样本集合异常，则通过K最近邻算法检测所述待检测样本集合是否异常；
若所述待检测样本集合正常，则判定所述待检测的表底能耗值为正常表底能耗值；
若所述待检测样本集合异常，则判定所述待检测的表底能耗值为异常表底能耗值。
4.如权利要求3所述的方法，其特征在于，所述通过欧式距离算法检测所述待检测样本集合是否异常，包括：
计算所述待检测样本集合与前一个时间值对应的待检测样本集合的欧几里德距离，作为第一距离；
判断所述第一距离是否大于预设的距离阈值；
若所述第一距离大于预设的距离阈值，则所述待检测样本集合异常；
若所述第一距离不大于预设的距离阈值，则所述待检测样本集合正常。
5.如权利要求3所述的方法，其特征在于，所述通过K最近邻算法检测所述待检测样本集合是否异常，包括：
通过BBF算法查找所述待检测样本集合的K个最近邻样本集合；
计算所述K个最近邻样本集合的单位时间能耗累计值的平均值，将计算结果乘以预设的系数，生成累计值阈值；
判断所述待检测样本集合中的单位时间能耗累计值是否大于所述累计值阈值；
若所述待检测样本集合中的单位时间能耗累计值大于所述累计值阈值，则判定所述待检测样本集合异常；
若所述待检测样本集合中的单位时间能耗累计值不大于所述累计值阈值，则判定所述待检测样本集合正常。
6.一种能耗统计的装置，其特征在于，包括：
获取模块，用于获取能耗数据，所述能耗数据包括：时间值以及与所述时间值对应的表底能耗值，并将所述能耗数据按照对应的所述时间值由小到大依序存储；
分析模块，用于分析所述能耗数据，并筛选出异常表底能耗值；
分段模块，用于将所述异常表底能耗值对应的时间值作为节点对依序存储的所述能耗数据进行分段，以生成分段能耗数据；
计算模块，用于在各个所述分段能耗数据中，计算最大的时间值对应的表底能耗值与最小的时间值对应的表底能耗值之差，作为分段能耗累计量，并将各个分段能耗累计量相加，生成能耗总和。
7.如权利要求6所述的装置，其特征在于，所述分析模块包括：
判断子模块，用于判断待检测的表底能耗值是否小于能耗数据中前一个表底能耗值；
第一执行子模块，用于若待检测的表底能耗值小于能耗数据中前一个表底能耗值，则判定所述待检测的表底能耗值为异常表底能耗值；
第二执行子模块，用于若待检测的表底能耗值不小于能耗数据中前一个表底能耗值，则通过欧式距离算法以及K最近邻算法筛选出异常表底能耗值。
8.如权利要求7所述的装置，其特征在于，所述第二执行子模块具体用于：
组合所述待检测的表底能耗值、与所述待检测的表底能耗值对应的时间值、以及与该时间值对应的单位时间能耗累计值，作为待检测样本集合；
通过欧式距离算法检测所述待检测样本集合是否异常；
若所述待检测样本集合正常，则判定所述待检测的表底能耗值为正常表底能耗值；
若所述待检测样本集合异常，则通过K最近邻算法检测所述待检测样本集合是否异常；
若所述待检测样本集合正常，则判定所述待检测的表底能耗值为正常表底能耗值；
若所述待检测样本集合异常，则判定所述待检测的表底能耗值为异常表底能耗值。
9.一种能耗统计的装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710391084.XA CN108932217A (zh) | 2017-05-27 | 2017-05-27 | 能耗统计的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710391084.XA CN108932217A (zh) | 2017-05-27 | 2017-05-27 | 能耗统计的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108932217A true CN108932217A (zh) | 2018-12-04 |
Family
ID=64450789
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710391084.XA Pending CN108932217A (zh) | 2017-05-27 | 2017-05-27 | 能耗统计的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108932217A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109785184A (zh) * | 2018-12-28 | 2019-05-21 | 南京天溯自动化控制系统有限公司 | 正常能耗区间计算方法、异常能耗数据检测方法及装置 |
| CN109858638A (zh) * | 2019-01-16 | 2019-06-07 | 新奥数能科技有限公司 | 构建设备能效曲线的方法、装置、可读介质及电子设备 |
| CN109886531A (zh) * | 2019-01-03 | 2019-06-14 | 新奥数能科技有限公司 | 一种计算设备能效的方法、装置、可读介质及电子设备 |
| CN111080135A (zh) * | 2019-12-19 | 2020-04-28 | 江苏联宏智慧能源股份有限公司 | 一种动态增量能耗数据的处理方法、设备及可读存储介质 |
| CN111209160A (zh) * | 2019-12-31 | 2020-05-29 | 深圳云天励飞技术有限公司 | 功耗异常分析方法、装置、终端设备及可读存储介质 |
| CN111666537A (zh) * | 2020-05-28 | 2020-09-15 | 南京东源磐能能源科技股份有限公司 | 一种基于表底值的能耗统计方法 |
| CN111782178A (zh) * | 2020-05-25 | 2020-10-16 | 清远博依特智能科技有限公司 | 一种月度能耗计算方法、装置及存储介质 |
| CN111784105A (zh) * | 2020-05-25 | 2020-10-16 | 广州博依特智能信息科技有限公司 | 一种能耗计算结果质量评估方法、装置及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102302370A (zh) * | 2011-06-30 | 2012-01-04 | 中国科学院计算技术研究所 | 一种跌倒检测方法和装置 |
| US20130342359A1 (en) * | 2012-06-25 | 2013-12-26 | Comverge, Inc. | System and method for estimating energy consumption based on readings from an ami network |
| CN104636620A (zh) * | 2015-02-11 | 2015-05-20 | 厦门雅迅网络股份有限公司 | 一种基于车辆里程差值分析的里程统计方法 |
| CN105468662A (zh) * | 2014-12-31 | 2016-04-06 | 深圳市中电电力技术股份有限公司 | 一种基于表码值的能耗数据处理方法和系统 |
| CN106154180A (zh) * | 2016-08-18 | 2016-11-23 | 中国科学院自动化研究所 | 储能电池充/放电异常行为检测方法及检测系统 |
-
2017
- 2017-05-27 CN CN201710391084.XA patent/CN108932217A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102302370A (zh) * | 2011-06-30 | 2012-01-04 | 中国科学院计算技术研究所 | 一种跌倒检测方法和装置 |
| US20130342359A1 (en) * | 2012-06-25 | 2013-12-26 | Comverge, Inc. | System and method for estimating energy consumption based on readings from an ami network |
| CN105468662A (zh) * | 2014-12-31 | 2016-04-06 | 深圳市中电电力技术股份有限公司 | 一种基于表码值的能耗数据处理方法和系统 |
| CN104636620A (zh) * | 2015-02-11 | 2015-05-20 | 厦门雅迅网络股份有限公司 | 一种基于车辆里程差值分析的里程统计方法 |
| CN106154180A (zh) * | 2016-08-18 | 2016-11-23 | 中国科学院自动化研究所 | 储能电池充/放电异常行为检测方法及检测系统 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109785184A (zh) * | 2018-12-28 | 2019-05-21 | 南京天溯自动化控制系统有限公司 | 正常能耗区间计算方法、异常能耗数据检测方法及装置 |
| CN109886531B (zh) * | 2019-01-03 | 2021-03-23 | 新奥数能科技有限公司 | 一种计算设备能效的方法、装置、可读介质及电子设备 |
| CN109886531A (zh) * | 2019-01-03 | 2019-06-14 | 新奥数能科技有限公司 | 一种计算设备能效的方法、装置、可读介质及电子设备 |
| CN109858638A (zh) * | 2019-01-16 | 2019-06-07 | 新奥数能科技有限公司 | 构建设备能效曲线的方法、装置、可读介质及电子设备 |
| CN109858638B (zh) * | 2019-01-16 | 2021-08-27 | 新奥数能科技有限公司 | 构建设备能效曲线的方法、装置、可读介质及电子设备 |
| CN111080135A (zh) * | 2019-12-19 | 2020-04-28 | 江苏联宏智慧能源股份有限公司 | 一种动态增量能耗数据的处理方法、设备及可读存储介质 |
| CN111209160A (zh) * | 2019-12-31 | 2020-05-29 | 深圳云天励飞技术有限公司 | 功耗异常分析方法、装置、终端设备及可读存储介质 |
| CN111209160B (zh) * | 2019-12-31 | 2024-03-22 | 深圳云天励飞技术有限公司 | 功耗异常分析方法、装置、终端设备及可读存储介质 |
| CN111782178A (zh) * | 2020-05-25 | 2020-10-16 | 清远博依特智能科技有限公司 | 一种月度能耗计算方法、装置及存储介质 |
| CN111784105A (zh) * | 2020-05-25 | 2020-10-16 | 广州博依特智能信息科技有限公司 | 一种能耗计算结果质量评估方法、装置及存储介质 |
| CN111784105B (zh) * | 2020-05-25 | 2024-03-26 | 广州博依特智能信息科技有限公司 | 一种能耗计算结果质量评估方法、装置及存储介质 |
| CN111782178B (zh) * | 2020-05-25 | 2024-06-07 | 清远博依特智能科技有限公司 | 一种月度能耗计算方法、装置及存储介质 |
| CN111666537A (zh) * | 2020-05-28 | 2020-09-15 | 南京东源磐能能源科技股份有限公司 | 一种基于表底值的能耗统计方法 |
| CN111666537B (zh) * | 2020-05-28 | 2023-08-01 | 南京东源磐能能源科技股份有限公司 | 一种基于表底值的能耗统计方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108932217A (zh) | 能耗统计的方法及装置 | |
| CN114298863B (zh) | 一种智能抄表终端的数据采集方法及系统 | |
| CN108197156A (zh) | 用电信息采集系统的异常电量数据修复方法及终端设备 | |
| CN109831478A (zh) | 基于规则及模型的分布式实时处理智能决策系统及方法 | |
| CN102165644A (zh) | 电源插座和it设备之间的物理连通性的自动发现 | |
| CN109492048A (zh) | 一种电力用户用电特性的提取方法、系统及终端设备 | |
| CN108304522A (zh) | 一种数据库之间差异的比对方法、装置及终端设备 | |
| CN111160404B (zh) | 配电网线损标杆合理值的分析方法及装置 | |
| CN111310052A (zh) | 用户画像构建方法、装置及计算机可读存储介质 | |
| CN107391571A (zh) | 传感器数据的处理方法及装置 | |
| CN112184491B (zh) | 电网中异常数据识别方法、装置、计算机设备和存储介质 | |
| CN115563477B (zh) | 谐波数据识别方法、装置、计算机设备和存储介质 | |
| CN109164327A (zh) | 基于组合式判据的用电系统电器行为辨识方法及装置 | |
| CN110262951A (zh) | 一种业务秒级监控方法及系统、存储介质及客户端 | |
| CN109272237A (zh) | 一种用电异常的识别方法、系统及终端设备 | |
| CN109976875A (zh) | 一种超融合云计算系统的数据监测方法和装置 | |
| CN105574666A (zh) | 一种基于关键数据建模的评定企业信用等级的方法及装置 | |
| CN112365070A (zh) | 一种电力负荷预测方法、装置、设备及可读存储介质 | |
| CN109800130A (zh) | 一种设备监控方法、装置、设备及介质 | |
| CN112818013A (zh) | 时序数据库查询优化方法、装置、设备以及存储介质 | |
| CN115293257A (zh) | 一种针对异常用电用户的检测方法及系统 | |
| CN110909129B (zh) | 异常投诉事件的识别方法及装置 | |
| CN109916350A (zh) | 一种生成三坐标测量程序的方法、装置及终端设备 | |
| CN105408883B (zh) | 数据库表列注解 | |
| CN113391256B (zh) | 一种现场作业终端的电能表计量故障分析方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181204 |
|
| RJ01 | Rejection of invention patent application after publication |