CN109726885A - 用电量异常评估方法、装置、设备和计算机存储介质 - Google Patents
用电量异常评估方法、装置、设备和计算机存储介质 Download PDFInfo
- Publication number
- CN109726885A CN109726885A CN201810799777.7A CN201810799777A CN109726885A CN 109726885 A CN109726885 A CN 109726885A CN 201810799777 A CN201810799777 A CN 201810799777A CN 109726885 A CN109726885 A CN 109726885A
- Authority
- CN
- China
- Prior art keywords
- electricity consumption
- electricity
- timing node
- practical
- information
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 504
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims abstract description 40
- 230000005856 abnormality Effects 0.000 claims abstract description 37
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 7
- 238000004321 preservation Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 5
- 239000000523 sample Substances 0.000 description 114
- 238000004891 communication Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用电量异常评估方法，包括以下步骤：接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并获取所述时间节点信息相关的用电特征信息；将所述用电特征信息和所述时间节点信息输入至预设回归模型中，得到所述时间节点信息对应的理论用电量；获取所述时间节点信息对应的实际用电量，并将所述实际用电量和所述理论用电量进行比较，以判断所述实际用电量是否异常；若所述实际用电量异常，则生成用电异常提示信息。本发明还公开了一种用电量异常评估装置、设备和计算机存储介质。本发明旨在提高用电异常评估的准确率和效率。
Description
技术领域
本发明涉及电量检测领域，尤其涉及用电量异常评估方法、装置、设备和计算机存储介质。
背景技术
由于现有人们生活对电的依赖极大，为了防止突然断电对人们生活的影响，人们采用不同的方式进行用电异常检测。
当前的用电异常评估的方案有不同的方式，但是都是基于历史数据作出的，例如，检测设备实时采集各个楼层用电的数据，在接收到用电量异常评估请求时，将历史同期用电数据整理取平均值，将电量的平均值作为用电常量，并基于用电常量设置一个用电区间，在实际用电量没有在这个用电区间时，就判定为用电异常，即，当前的用电异常评估必须依赖于历史数据，这样的用电异常评估方案存在如下不足之处，例如：受异常值的影响异常评估太片面，此外，异常评估效率不高，如何提高用电异常评估的准确率和效率成为了当前亟待解决的技术问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种用电量异常评估方法、装置、设备和计算机存储介质，旨在解决提高用电异常检测的准确率和效率。
为实现上述目的，本发明提供一种用电量异常评估方法，所述用电量异常评估方法包括以下步骤：
接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并获取所述时间节点信息相关的用电特征信息；
将所述用电特征信息和所述时间节点信息输入至预设回归模型中，得到所述时间节点信息对应的理论用电量；
获取所述时间节点信息对应的实际用电量，并将所述实际用电量和所述理论用电量进行比较，以判断所述实际用电量是否异常；
若所述实际用电量异常，则生成用电异常提示信息。
可选地，所述接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并获取所述时间节点信息相关的用电特征信息的步骤之前，包括：
从预设电量样本集中获取电量样本，将各所述电量样本按预设分类规则进行分类，得到n个电量样本子集；
针对每一个所述电量样本子集执行如下步骤：
将所述电量样本子集作为目标电量样本子集，基于所述目标电量样本子集生成初始回归模型，获取所述n个电量样本子集中去除所述目标电量样本子集的其他电量样本子集，利用所述其他电量样本子集对所述初始回归模型进行迭代训练，得到所述目标电量样本子集对应的回归子模型；
将每个所述目标电量样本子集对应的所述回归子模型进行封装，生成预设回归模型。
可选地，所述将所述用电特征信息和所述时间节点信息输入至预设回归模型中，得到所述时间节点信息对应的理论用电量的步骤，包括：
将所述用电特征信息和所述时间节点信息分别输入至所述预设回归模型的各个所述回归子模型中，得到每一个所述回归子模型对应的基础用电量；
将各所述基础用电量进行求和并计算平均值，得到所述时间节点信息对应的理论用电量。
可选地，所述获取所述时间节点信息对应的实际用电量，并将所述实际用电量和所述理论用电量进行比较，以判断所述实际用电量是否异常的步骤之后，包括：
若所述实际用电量正常，则将所述时间节点信息及所述时间节点信息相关的用电特征信息作为更新电量样本；
将所述更新电量样本保存至所述预设电量样本集，得到更新电量样本集；
在接收到预设回归模型更新请求时，获取所述更新电量样本集中的所述更新电量样本；
基于所述更新电量样本调整所述预设回归模型中的各个回归子模型，得到更新回归子模型，将各所述更新回归子模型进行封装，生成更新回归模型。
可选地，所述接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并获取所述时间节点信息相关的用电特征信息的步骤，包括：
接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并采集所述时间节点信息对应的温度信息、节假日信息；
将所述温度信息和所述节假日信息作为所述时间节点信息相关的用电特征信息。
可选地，所述获取所述时间节点信息对应的实际用电量，并将所述实际用电量和所述理论用电量进行比较，以判断所述实际用电量是否异常的步骤，包括：
获取所述时间节点信息对应的实际用电量，计算所述实际用电量与所述理论用电量的比值；
若所述实际用电量和所述理论用电量的比值超过预设阈值，则判定所述实际用电量异常；
若所述实际用电量和所述理论用电量的比值不超过预设阈值，则判定所述实际用电量正常。
可选地，所述若所述实际用电量异常，则生成用电异常提示信息的步骤，包括：
若所述实际用电量异常，则获取所述时间节点信息对应的历史同期用电量；
将所述实际用电量与所述历史用电量按预设同期公式计算，得到同比增长率；
基于所述同比增长率和所述实际用电量生成用电异常提示信息，以供用户进行查看。
此外，为实现上述目的，本发明还提供一种用电量异常评估装置，所述用电量异常评估装置包括：
接收获取模块，用于接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并获取所述时间节点信息相关的用电特征信息；
输入计算模块，用于将所述用电特征信息和所述时间节点信息输入至预设回归模型中，得到所述时间节点信息对应的理论用电量；
获取判断模块，用于获取所述时间节点信息对应的实际用电量，并将所述实际用电量和所述理论用电量进行比较，以判断所述实际用电量是否异常；
生成提示模块，用于若所述实际用电量异常，则生成用电异常提示信息。
此外，为实现上述目的，本发明还提供一种用电量异常评估设备；
所述用电量异常评估设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中：
所述计算机程序被所述处理器执行时实现如上所述的用电量异常评估方法的步骤。
此外，为实现上述目的，本发明还提供计算机存储介质；
所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的用电量异常评估方法的步骤。
本发明实施例提出的一种用电量异常评估方法、装置、设备和计算机存储介质，通过服务器接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并获取所述时间节点信息相关的用电特征信息；将所述用电特征信息和所述时间节点信息输入至预设回归模型中，得到所述时间节点信息对应的理论用电量；获取所述时间节点信息对应的实际用电量，并将所述实际用电量和所述理论用电量进行比较，以判断所述实际用电量是否异常；若所述实际用电量异常，则生成用电异常提示信息。在本发明中预先建立用电计算回归模型，在服务器接收用电量异常评估请求时，获取用电量异常评估请求当前的实际用电值，基于预设回归模型计算出一个理论用电值，然后实际用电值与理论用电值进行比较，判断用电量是否异常，本实施例中用电异常评估不用依赖于历史数据，可以有效地排除历史用电异常值对用电异常评估的影响，提高异常评估的准确率，与此同时，服务器利用预设回归模型进行电量异常评估，使得用电量的异常评估步骤更加简单，评估效率更高。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图；
图2为本发明用电量异常评估方法第一实施例的流程示意图；
图3为图2中用电量异常评估方法的步骤S40的细化流程示意图；
图4为本发明用电量异常评估装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的服务器(又叫用电量异常评估设备，其中，用电量异常评估设备可以是由单独的用电量异常评估装置构成，也可以是由其他装置与用电量异常评估装置组合形成)结构示意图。
本发明实施例服务器指一个管理资源并为用户提供服务的计算机，通常分为文件服务器、数据库服务器和应用程序服务器。运行以上软件的计算机或计算机系统也被称为服务器。相对于普通PC(personal computer)个人计算机来说，服务器在稳定性、安全性、性能等方面都要求较高；如图1所示，该服务器可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，网络接口1004，用户接口1003，存储器1005，通信总线1002、芯片组、磁盘系统、网络等硬件等。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity，WIFI接口)。存储器1005可以是高速随机存取存储器(random access memory，RAM)，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，服务器还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块；输入单元，比显示屏，触摸屏；网络接口可选除无线接口中除WiFi外，蓝牙、探针、3G/4G/5G(前面的数字表示的是蜂窝移动通信网络的代数。就是表示是第几代的网络。英文字母G表示generation)联网基站设备等等。本领域技术人员可以理解，图1中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，该计算机软件产品存储在一个存储介质(存储介质：又叫计算机存储介质、计算机介质、可读介质、可读存储介质、计算机可读存储介质或者直接叫介质等，如RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及计算机程序。
在图1所示的服务器中，网络接口1004主要用于连接后台数据库，与后台数据库进行数据通信；用户接口1003主要用于连接客户端(客户端，又叫用户端或终端，本发明实施例终端可以固定终端，也可以是移动终端，在此不再赘述)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的计算机程序，并执行本发明以下实施例提供的用电量异常评估方法中的步骤。
本发明用电量异常评估方法的第一实施例中，所述用电量异常评估方法包括以下步骤：
接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并获取所述时间节点信息相关的用电特征信息；
将所述用电特征信息和所述时间节点信息输入至预设回归模型中，得到所述时间节点信息对应的理论用电量；
获取所述时间节点信息对应的实际用电量，并将所述实际用电量和所述理论用电量进行比较，以判断所述实际用电量是否异常；
若所述实际用电量异常，则生成用电异常提示信息。
在第一实施例的步骤之前，需要开发人员先建立预设回归模型，服务器才可以基于该预设回归模型计算一个理论用电量，以根据理论用电量和实际用电量比较，以进行实际用户量异常的评估，具体建立预设回归模型的步骤，包括：
步骤S01，从预设电量样本集中获取电量样本，将各所述电量样本按预设分类规则进行分类，得到n个电量样本子集。
服务器从预设电量样本集中获取电量样本，其中，预设电量样本集是指预先存储的历史用电相关信息，服务器从预设电量样本集中获取包含的电量样本，并将各个电量样本按预设分类规则进行分类，得到n个电量样本子集；其中，预设分类规则是指预先设置的电量样本分类规则，例如，预设分类规则设置为采集时间分类规则，即，服务器按照各个电量样本的采集时间进行分类，得到各个年份、各个月份对应的电量样本子集。
例如，服务器将采集的历史用电量和相关信息：2018年6月5日星期二下午13：00-到13：05分的用电量，室外温度30摄氏度，地址广东省深圳室xxx办公楼，工作日等等的信息保存至存储器；在接收到预设回归模型的建立请求时，服务器从存储器中随机抽取一定数量的历史用电量及其相关信息作为电量样本，并将抽取的各个电量样本组成预设电量样本集，服务器将预设电量样本集中的各个电量样本按照电量样本采集时间进行分类，得到不同时间段的n个电量样本子集，其中，各个电量样本子集中的电量样本可能相同也可能不同。
步骤S02，针对每一个所述电量样本子集执行如下步骤：将所述电量样本子集作为目标电量样本子集，基于所述目标电量样本子集生成初始回归模型，获取所述n个电量样本子集中去除所述目标电量样本子集的其他电量样本子集，利用所述其他电量样本子集对所述初始回归模型进行迭代训练，得到所述目标电量样本子集对应的回归子模型。
服务器分别将每一个电量样本子集作为目标电量样本子集，并根据目标电量样本子集生成初始回归模型，其中，初始回归模型的是用电量为f(x)关于用电特征数据的函数，建立初始回归模型是提取目标电量样本子集中的各个样本的特征数据，特征数据包括：时间数据、温度数据、节假日数据，根据预设模型确定时间数据、温度数据、节假日数据与用电量的函数关系，并将该函数关系作为初始回归模型；具体地，根据经验预先设置了一个特征数据与用电量的模型，在建立初始回归模型时，获取目标电量样本子集中的各个电量样本，并将各个电量样本通过等划分状态确定参数初始值，并将确定的参数初始值赋值给预设模型，以得到初始回归模型；在初始回归模型建立完成后；设置最大的迭代次数和收敛阈值；服务器用除所述目标电量样本子集之外的其他电量样本子集对所述初始回归模型进行迭代训练，直到达到先前设置的迭代次数或已经收敛，此时，可得到最优模型参数，进而根据该最优模型参数获得到所述目标电量样本子集对应的回归子模型。
即，本实施例中服务器将每一个目标电量样本子集生成初始回归模型并迭代训练生成回归子模型是采用XGBoost原理实现的，服务器将用电样本中的用电量作为f(x)并建立f(x)关于特征数据的初始回归模型，服务器将时间节点信息、是否为节假日和温度信息的作为特征数据，并为各个特征数据设置相对应的权重，以生成每一个目标电量样本子集对应的初始回归模型，其中，生成的初始回归模型跟上述的特征数据相关。
在初始回归模型生成完成之后，服务器利用除目标电量样本子集之外的n-1个电量样本子集对初始回归模型进行迭代训练，例如，一个目标电量样本子集对应的初始回归模型为f(x)＝ax+bx2-cx3，其中，a是时间节点系数，b是温度系数，c是节假日系数，服务器利用n-1个电量样本子集对初始回归模型进行迭代训练得到一个目标电量样本子集对应的回归子模型f(x)＝a1x+b1x2-c1x3；服务器生成每一个目标电量样本子集对应的回归子模型。
步骤S03，将每个所述目标电量样本子集对应的所述回归子模型进行封装，生成预设回归模型。
服务器获取每个目标电量样本子集对应的所述回归子模型，将各个回归子模型进行封装，生成预设回归模型，即，本实施例中将训练得到n个回归子模型封装为一个预设回归模型。
在本实施例中根据历史用电信息建立生成预设回归模型。以基于生成的预设回归预测进行用电量异常评估，基于生成的预设回归预测进行用电量异常评估可以在有效考虑时序特征的同时并不过多引入时序对时间点的强影响关系，可以有效地检测出异常点，此外，本实施里中在预设回归模型建立的场景下的采用建立多个回归子模型的方式，有效降低了基于预设回归模型进行用电量理论值计算过程中可能产生的过拟合现象。
参照图2，本发明一种用电量异常评估方法的第一实施例中，所述用电量异常评估方法包括：
步骤S10，接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并获取所述时间节点信息相关的用电特征信息。
用户在终端上触发用电量异常评估请求，终端将电量异常评估请求发送至服务器，服务器接收到用电量异常评估请求时，服务器获取用电量异常评估请求中的时间节点信息，并获取所述时间节点信息相关的用电特征信息，即，服务器在接收用电量异常评估请求时，获取用电量异常评估请求中的包含的时间节点，并采集该时间节点对应的温度信息、节假日信息；将所述温度信息和所述节假日信息作为所述时间节点信息相关的用电特征信息。
例如，服务器接收用电量异常评估请求，获取用电量异常评估请求中的时间节点信息：2018年5月2日，服务器获取该时间节点相关的用电特征信息包括：周三，上班日、位置为广东省深圳市xxx办公楼和气温30摄氏度，即，本实施例中采集的特征信息会影响用电量异常评估，即，是否为休息日会对广东省深圳市xxx办公楼用电量的多少产生影响，气温的高低也会对用电量产生影响。
步骤S20，将所述用电特征信息和所述时间节点信息输入至预设回归模型中，得到所述时间节点信息对应的理论用电量。
服务器将用电特征信息和时间节点信息分别输入至所述预设回归模型的各个回归子模型中，得到每一个所述回归子模型对应的基础用电量；即，服务器将用电量异常评估请求中的用电特征信息和时间节点分别输入每一个回归子模型中，根据各个回归子模型中的计算公式得到n个基础用电量，服务器将n个基础用电量进行累加求和并计算平均值，并将n个基础用电量累加求和得到的平均值作为该时间节点信息对应的理论用电量。
例如，各个回归子模型分别为f(x)＝a1x+b1x2-c1x3、f(x)＝a2x+b2x2-c2x3至f(x)＝anx+bnx2-cnx3等等，服务器将时间节点和用电特征信息中的温度、节假日等信息输入至各个回归子模型，各个回归子模型根据输入的信息进行计算得到基础用电量k1、k2直至kn；理论用电量k＝(k1+k2+…+kn)/n。
步骤S30，获取所述时间节点信息对应的实际用电量，并将所述实际用电量和所述理论用电量进行比较，以判断所述实际用电量是否异常。
服务器获取时间节点信息对应的实际用电量，其中，实际用电量是指服务器中设置的检测设备实时检测得到的该时间节点的实际用电量；服务器将所述实际用电量和所述理论用电量进行比较，得到实际用电量和理论用电量的比对结果，并根据比对结果判断所述实际用电量是否异常。其中，服务器根据实际用电量和理论用电量的比对结果，判断所述实际用电量是否异常的可以采用不同的实现方式，具体地：
例如：将实际用电量和理论用电量进行比值运算，根据实际用电量和理论用电量的比值进行异常判定，即，
步骤a1，获取所述时间节点信息对应的实际用电量，计算所述实际用电量与所述理论用电量的比值；
步骤a2，若所述实际用电量和所述理论用电量的比值超过预设阈值，则判定所述实际用电量异常；
步骤a3，若所述实际用电量和所述理论用电量的比值不超过预设阈值，则判定所述实际用电量正常。
在本实施例中将服务器获取所述时间节点信息对应的实际用电量，并计算所述实际用电量与所述理论用电量的比值；在所述实际用电量和所述理论用电量的比值超过预设阈值，则服务器判定所述实际用电量异常；在所述实际用电量和所述理论用电量的比值不超过预设阈值，则服务器判定所述实际用电量正常；本实施例中异常判定的计算较为简单，得到的异常判定结果直观准确。
步骤S40，若所述实际用电量异常，则生成用电异常提示信息。
在服务器根据上述用电量异常评估步骤，得到实际用电量异常的结果后，服务器生成用电异常提示信息。并将用电异常提示信息发送至终端，以使终端用户根据用电异常提示信息进行查看。
在本实施例中预先建立用电计算回归模型，在服务器接收用电量异常评估请求时，获取用电量异常评估请求当前的实际用电值，基于预设回归模型计算出一个理论用电值，然后实际用电值与理论用电值进行比较，判断用电量是否异常，本实施例中用电异常评估不用依赖于历史数据，可以有效地排除历史用电异常值对用电异常评估的影响，提高异常评估的准确率，与此同时，服务器利用预设回归模型进行电量异常评估，使得用电量的异常评估步骤更加简单，评估效率更高。
参照图3，在本发明第一实施例的基础上提出了本发明用电量异常评估方法的本实施例，本实施例是第一实施例中步骤S40的细化，本实施例中在确定用电异常时，获取对应的历史信息，以根据确定用电异常的具体情况。
所述用电量异常评估方法包括：
步骤S41，若所述实际用电量异常，则获取所述时间节点信息对应的历史同期用电量。
若服务器确定实际用电量异常，则服务器获取时间节点信息对应的历史同期用电量，例如，实际用电量异常对应的时间节点为：2018年5月2日下午13时，则服务器获取2017年5月2日下午13日的用电量作为该时间节点信息对应的历史同期用电量。
步骤S42，将所述实际用电量与所述历史用电量按预设同期公式计算，得到同比增长率。
服务器将实际用电量与历史用电量按预设同期公式计算，得到同比增长率，其中，预设同期公式是指预先设置的同比增长率的计算公式，同比增长率＝(本期数－同期数)÷同期数*100％，即，服务器将所述实际用电量与所述历史用电量按预设同期公式计算，得到同比增长率。
步骤S43，基于所述同比增长率和所述实际用电量生成用电异常提示信息，以供用户进行查看。
服务器将计算得到的同比增长率和实际用电量生成用电异常提示信息，例如，服务器将同比增长率和实际用电量输入至异常提示模板中，并生成用电异常提示信息，以供用户进行查看。
在本实施例中用户可以根据提示信息进行用电异常的排查，减少异常用电的情况出现，同时避免断电带来的不良影响。
进一步的，本发明用电量异常评估方法的第三实施例中，本实施例是在第一实施例的基础上提出的，在本实施例中若用电没有异常，则所述用电量异常评估方法包括：
步骤S50，若所述实际用电量正常，则将所述时间节点信息及所述时间节点信息相关的用电特征信息作为更新电量样本。
若服务器确定实际用电量正常，则服务器获取该实际用电量对应的时间节点信息，并获取该时间节点信息相关的用电特征信息作为更新电量样本，与根据该更新电量样本更新第一实施例中的预设回归模型。
步骤S60，将所述更新电量样本保存至所述预设电量样本集，得到更新电量样本集。
服务器将更新电量样本保存至所述预设电量样本集，得到更新电量样本集，在更新电量样本添加到预设电量样本集中之后，服务器在更新电量样本上添加标记信息，以获取到更新电量样本。
步骤S70，在接收到预设回归模型更新请求时，获取所述更新电量样本集中的所述更新电量样本。
用户基于预设回归模型触发更新请求，在服务器接收到预设回归模型更新请求时，获取所述更新电量样本集中的获取具有标记信息的更新电量样本。
步骤S80，基于所述更新电量样本调整所述预设回归模型中的各个回归子模型，得到更新回归子模型，将各所述更新回归子模型进行封装，生成更新回归模型。
服务器获取更新电量样本对应的时间节点信息相关的用电特征信息，并根据获取的时间节点信息相关的用电特征信息，对预设回归模型中的各个回归子模型中的相关参数进行调整，得到更新回归子模型，将各所述更新回归子模型进行封装，生成更新回归模型。
在本实施例中可以针对预设回归模型进行更新，使得预设回归模型具有实时性，以保证用电量异常评估的准确性。
此外，参考图4，本发明实施例还提出一用电量异常评估装置，所述用电量异常评估装置，包括：
接收获取模块10，用于接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并获取所述时间节点信息相关的用电特征信息；
输入计算模块20，用于将所述用电特征信息和所述时间节点信息输入至预设回归模型中，得到所述时间节点信息对应的理论用电量；
获取判断模块30，用于获取所述时间节点信息对应的实际用电量，并将所述实际用电量和所述理论用电量进行比较，以判断所述实际用电量是否异常；
生成提示模块40，用于若所述实际用电量异常，则生成用电异常提示信息。
可选地，所述用电量异常评估装置，包括：
样本分类模块，用于从预设电量样本集中获取电量样本，将各所述电量样本按预设分类规则进行分类，得到n个电量样本子集；
针对每一个所述电量样本子集执行如下步骤：
子模型生成模块，用于将所述电量样本子集作为目标电量样本子集，基于所述目标电量样本子集生成初始回归模型，获取所述n个电量样本子集中去除所述目标电量样本子集的其他电量样本子集，利用所述其他电量样本子集对所述初始回归模型进行迭代训练，得到所述目标电量样本子集对应的回归子模型；
模型封装模块，用于将每个所述目标电量样本子集对应的所述回归子模型进行封装，生成预设回归模型。
可选地，所述输入计算模块20，包括：
信息输入单元，用于将所述用电特征信息和所述时间节点信息分别输入至所述预设回归模型的各个所述回归子模型中，得到每一个所述回归子模型对应的基础用电量；
理论值确定单元，用于将各所述基础用电量进行求和并计算平均值，得到所述时间节点信息对应的理论用电量。
可选地，所述接收获取模块10，包括：
采集单元，用于接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并采集所述时间节点信息对应的温度信息、节假日信息；
特征数据确定单元，用于将所述温度信息和所述节假日信息作为所述时间节点信息相关的用电特征信息。
可选地，所述获取判断模块30，包括：
获取比对单元，用于获取所述时间节点信息对应的实际用电量，计算所述实际用电量与所述理论用电量的比值；
第一判定单元，用于若所述实际用电量和所述理论用电量的比值超过预设阈值，则判定所述实际用电量异常；
第二判定单元，用于若所述实际用电量和所述理论用电量的比值不超过预设阈值，则判定所述实际用电量正常。
可选地，所述生成提示模块40，包括：
数据获取单元，用于若所述实际用电量异常，则获取所述时间节点信息对应的历史同期用电量；
变化率计算单元，用于将所述实际用电量与所述历史用电量按预设同期公式计算，得到同比增长率；
生成单元，用于基于所述同比增长率和所述实际用电量生成用电异常提示信息，以供用户进行查看。
可选地，所述用电量异常评估装置，还包括：
样本处理模块，用于若所述实际用电量正常，则将所述时间节点信息及所述时间节点信息相关的用电特征信息作为更新电量样本；
样本保存模块，用于将所述更新电量样本保存至所述预设电量样本集，得到更新电量样本集；
接收更新模块，用于在接收到预设回归模型更新请求时，获取所述更新电量样本集中的所述更新电量样本；
模型更新模块，用于基于所述更新电量样本调整所述预设回归模型中的各个回归子模型，得到更新回归子模型，将各所述更新回归子模型进行封装，生成更新回归模型。
其中，用电量异常评估装置的各个功能模块实现的步骤可参照本发明用电量异常评估方法的各个实施例，此处不再赘述。
此外，本发明实施例还提出一种计算机存储介质。
所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例提供的用电量异常评估方法中的操作。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来，而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序；术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中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。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种用电量异常评估方法，其特征在于，所述用电量异常评估方法包括以下步骤：
接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并获取所述时间节点信息相关的用电特征信息；
将所述用电特征信息和所述时间节点信息输入至预设回归模型中，得到所述时间节点信息对应的理论用电量；
获取所述时间节点信息对应的实际用电量，并将所述实际用电量和所述理论用电量进行比较，以判断所述实际用电量是否异常；
若所述实际用电量异常，则生成用电异常提示信息。
2.如权利要求1所述的用电量异常评估方法，其特征在于，所述接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并获取所述时间节点信息相关的用电特征信息的步骤之前，包括：
从预设电量样本集中获取电量样本，将各所述电量样本按预设分类规则进行分类，得到n个电量样本子集；
针对每一个所述电量样本子集执行如下步骤：
将所述电量样本子集作为目标电量样本子集，基于所述目标电量样本子集生成初始回归模型，获取所述n个电量样本子集中去除所述目标电量样本子集的其他电量样本子集，利用所述其他电量样本子集对所述初始回归模型进行迭代训练，得到所述目标电量样本子集对应的回归子模型；
将每个所述目标电量样本子集对应的所述回归子模型进行封装，生成预设回归模型。
3.如权利要求2所述的用电量异常评估方法，其特征在于，所述将所述用电特征信息和所述时间节点信息输入至预设回归模型中，得到所述时间节点信息对应的理论用电量的步骤，包括：
将所述用电特征信息和所述时间节点信息分别输入至所述预设回归模型的各个所述回归子模型中，得到每一个所述回归子模型对应的基础用电量；
将各所述基础用电量进行求和并计算平均值，得到所述时间节点信息对应的理论用电量。
4.如权利要求2所述的用电量异常评估方法，其特征在于，所述获取所述时间节点信息对应的实际用电量，并将所述实际用电量和所述理论用电量进行比较，以判断所述实际用电量是否异常的步骤之后，包括：
若所述实际用电量正常，则将所述时间节点信息及所述时间节点信息相关的用电特征信息作为更新电量样本；
将所述更新电量样本保存至所述预设电量样本集，得到更新电量样本集；
在接收到预设回归模型更新请求时，获取所述更新电量样本集中的所述更新电量样本；
基于所述更新电量样本调整所述预设回归模型中的各个回归子模型，得到更新回归子模型，将各所述更新回归子模型进行封装，生成更新回归模型。
5.如权利要求1所述的用电量异常评估方法，其特征在于，所述接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并获取所述时间节点信息相关的用电特征信息的步骤，包括：
接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并采集所述时间节点信息对应的温度信息、节假日信息；
将所述温度信息和所述节假日信息作为所述时间节点信息相关的用电特征信息。
6.如权利要求1所述的用电量异常评估方法，其特征在于，所述获取所述时间节点信息对应的实际用电量，并将所述实际用电量和所述理论用电量进行比较，以判断所述实际用电量是否异常的步骤，包括：
获取所述时间节点信息对应的实际用电量，计算所述实际用电量与所述理论用电量的比值；
若所述实际用电量和所述理论用电量的比值超过预设阈值，则判定所述实际用电量异常；
若所述实际用电量和所述理论用电量的比值不超过预设阈值，则判定所述实际用电量正常。
7.如权利要求1所述的用电量异常评估方法，其特征在于，所述若所述实际用电量异常，则生成用电异常提示信息的步骤，包括：
若所述实际用电量异常，则获取所述时间节点信息对应的历史同期用电量；
将所述实际用电量与所述历史用电量按预设同期公式计算，得到同比增长率；
基于所述同比增长率和所述实际用电量生成用电异常提示信息，以供用户进行查看。
8.一种用电量异常评估装置，其特征在于，所述用电量异常评估装置包括：
接收获取模块，用于接收用电量异常评估请求，获取所述用电量异常评估请求中的时间节点信息，并获取所述时间节点信息相关的用电特征信息；
输入计算模块，用于将所述用电特征信息和所述时间节点信息输入至预设回归模型中，得到所述时间节点信息对应的理论用电量；
获取判断模块，用于获取所述时间节点信息对应的实际用电量，并将所述实际用电量和所述理论用电量进行比较，以判断所述实际用电量是否异常；
生成提示模块，用于若所述实际用电量异常，则生成用电异常提示信息。
9.一种用电量异常评估设备，其特征在于，所述用电量异常评估设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中：
所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的用电量异常评估方法的步骤。
10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的用电量异常评估方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810799777.7A CN109726885A (zh) | 2018-07-17 | 2018-07-17 | 用电量异常评估方法、装置、设备和计算机存储介质 |
| PCT/CN2018/103335 WO2020015060A1 (zh) | 2018-07-17 | 2018-08-30 | 用电量异常评估方法、装置、设备和计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810799777.7A CN109726885A (zh) | 2018-07-17 | 2018-07-17 | 用电量异常评估方法、装置、设备和计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109726885A true CN109726885A (zh) | 2019-05-07 |
Family
ID=66294575
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810799777.7A Pending CN109726885A (zh) | 2018-07-17 | 2018-07-17 | 用电量异常评估方法、装置、设备和计算机存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109726885A (zh) |
| WO (1) | WO2020015060A1 (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298513A (zh) * | 2019-07-02 | 2019-10-01 | 国家电网有限公司 | 一种预测购电下发异常的方法 |
| 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 |
| CN110930034A (zh) * | 2019-11-22 | 2020-03-27 | 广东电力交易中心有限责任公司 | 一种电力现货市场结算计量数据校验方法、装置及介质 |
| CN111090684A (zh) * | 2019-12-17 | 2020-05-01 | 国网电子商务有限公司 | 一种用电数据的处理方法及系统 |
| CN111178556A (zh) * | 2019-12-25 | 2020-05-19 | 深圳供电局有限公司 | 电量异常检测方法、装置、计算机设备和可读存储介质 |
| CN111381206A (zh) * | 2019-11-29 | 2020-07-07 | 中国电力科学研究院有限公司 | 一种计量箱电能异常确定方法及系统 |
| CN113657695A (zh) * | 2020-05-12 | 2021-11-16 | 北京市天元网络技术股份有限公司 | 报账点电量有效性判定方法及装置 |
| CN113757943A (zh) * | 2021-09-17 | 2021-12-07 | 广东电网有限责任公司 | 一种基于故障判断规则的空调系统故障诊断方法及系统 |
| CN113792477A (zh) * | 2021-08-18 | 2021-12-14 | 珠海派诺科技股份有限公司 | 一种用电异常识别方法、系统、装置和火灾预警系统 |
| CN115577836A (zh) * | 2022-09-29 | 2023-01-06 | 深圳市三正电子有限公司 | 基于mcu进行信息采集的方法及装置 |
| CN113792477B (zh) * | 2021-08-18 | 2024-06-07 | 珠海派诺科技股份有限公司 | 一种用电异常识别方法、系统、装置和火灾预警系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090037144A1 (en) * | 2001-12-05 | 2009-02-05 | Naoyuki Nagafuchi | Electric power generating facility operation remote supporting method and electric power generating facility operation remote supporting system |
| CN103268524A (zh) * | 2013-06-03 | 2013-08-28 | 国家电网公司 | 一种提高电网短期负荷预测准确度的方法 |
| KR101754165B1 (ko) * | 2015-12-08 | 2017-07-06 | 한국건설기술연구원 | 비주기 가속도 데이터를 병합한 구조물 이상거동 검출 및 안전성 평가 시스템 |
| CN107563539A (zh) * | 2017-07-24 | 2018-01-09 | 佛山市顺德区中山大学研究院 | 基于机器学习模型的短期和中长期电力负荷预测方法 |
| CN108022043A (zh) * | 2017-11-30 | 2018-05-11 | 北京汇通金财信息科技有限公司 | 一种异常用电行为的识别方法、装置及中央服务器 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030046252A1 (en) * | 2001-05-10 | 2003-03-06 | Spool Peter R. | Business management system and method for a deregulated electric power market using suppliers' special offers |
| CN101872185B (zh) * | 2010-06-14 | 2013-05-22 | 香港应用科技研究院有限公司 | 智能矩阵式电能控制系统 |
| CN105809288A (zh) * | 2016-03-09 | 2016-07-27 | 国网上海市电力公司 | 基于固定效应模型的用电量预测方法 |
| CN107169596B (zh) * | 2016-06-30 | 2024-02-09 | 国网江苏省电力公司南通供电公司 | 基于人体舒适度的台区日用电量的预测方法 |
-
2018
- 2018-07-17 CN CN201810799777.7A patent/CN109726885A/zh active Pending
- 2018-08-30 WO PCT/CN2018/103335 patent/WO2020015060A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090037144A1 (en) * | 2001-12-05 | 2009-02-05 | Naoyuki Nagafuchi | Electric power generating facility operation remote supporting method and electric power generating facility operation remote supporting system |
| CN103268524A (zh) * | 2013-06-03 | 2013-08-28 | 国家电网公司 | 一种提高电网短期负荷预测准确度的方法 |
| KR101754165B1 (ko) * | 2015-12-08 | 2017-07-06 | 한국건설기술연구원 | 비주기 가속도 데이터를 병합한 구조물 이상거동 검출 및 안전성 평가 시스템 |
| CN107563539A (zh) * | 2017-07-24 | 2018-01-09 | 佛山市顺德区中山大学研究院 | 基于机器学习模型的短期和中长期电力负荷预测方法 |
| CN108022043A (zh) * | 2017-11-30 | 2018-05-11 | 北京汇通金财信息科技有限公司 | 一种异常用电行为的识别方法、装置及中央服务器 |
Non-Patent Citations (1)
| Title |
|---|
| 万华 等: "《新编市场调查与预测》", 31 August 2011, 东北大学出版社 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298513A (zh) * | 2019-07-02 | 2019-10-01 | 国家电网有限公司 | 一种预测购电下发异常的方法 |
| 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 |
| CN110930034A (zh) * | 2019-11-22 | 2020-03-27 | 广东电力交易中心有限责任公司 | 一种电力现货市场结算计量数据校验方法、装置及介质 |
| CN111381206A (zh) * | 2019-11-29 | 2020-07-07 | 中国电力科学研究院有限公司 | 一种计量箱电能异常确定方法及系统 |
| CN111090684B (zh) * | 2019-12-17 | 2023-11-03 | 国网数字科技控股有限公司 | 一种用电数据的处理方法及系统 |
| CN111090684A (zh) * | 2019-12-17 | 2020-05-01 | 国网电子商务有限公司 | 一种用电数据的处理方法及系统 |
| CN111178556A (zh) * | 2019-12-25 | 2020-05-19 | 深圳供电局有限公司 | 电量异常检测方法、装置、计算机设备和可读存储介质 |
| CN113657695A (zh) * | 2020-05-12 | 2021-11-16 | 北京市天元网络技术股份有限公司 | 报账点电量有效性判定方法及装置 |
| CN113657695B (zh) * | 2020-05-12 | 2024-01-30 | 北京市天元网络技术股份有限公司 | 报账点电量有效性判定方法及装置 |
| CN113792477A (zh) * | 2021-08-18 | 2021-12-14 | 珠海派诺科技股份有限公司 | 一种用电异常识别方法、系统、装置和火灾预警系统 |
| CN113792477B (zh) * | 2021-08-18 | 2024-06-07 | 珠海派诺科技股份有限公司 | 一种用电异常识别方法、系统、装置和火灾预警系统 |
| CN113757943B (zh) * | 2021-09-17 | 2023-03-24 | 广东电网有限责任公司 | 一种基于故障判断规则的空调系统故障诊断方法及系统 |
| CN113757943A (zh) * | 2021-09-17 | 2021-12-07 | 广东电网有限责任公司 | 一种基于故障判断规则的空调系统故障诊断方法及系统 |
| CN115577836A (zh) * | 2022-09-29 | 2023-01-06 | 深圳市三正电子有限公司 | 基于mcu进行信息采集的方法及装置 |
| CN115577836B (zh) * | 2022-09-29 | 2023-06-30 | 深圳市三正电子有限公司 | 基于mcu进行信息采集的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020015060A1 (zh) | 2020-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109726885A (zh) | 用电量异常评估方法、装置、设备和计算机存储介质 | |
| EP3644219A1 (en) | Human face feature point tracking method, device, storage medium and apparatus | |
| CN111522669A (zh) | 横向联邦学习系统优化方法、装置、设备及可读存储介质 | |
| CN107577522B (zh) | 应用控制方法、装置、存储介质以及电子设备 | |
| CN109727155A (zh) | 基于电量预测的用电控制方法、装置、设备和存储介质 | |
| CN107305611B (zh) | 恶意账号对应的模型建立方法和装置、恶意账号识别的方法和装置 | |
| CN107809740B (zh) | Wi-Fi热点部署优化方法、服务器及存储介质 | |
| CN109116299B (zh) | 一种指纹定位方法、终端、计算机可读存储介质 | |
| KR20140009074A (ko) | 동기화 애플리케이션들에 대한 스마트 스케줄링 동기화 방법 및 모바일 디바이스 | |
| WO2015018233A1 (zh) | 终端设备位置确定方法和终端设备 | |
| CN110019622A (zh) | 一种实时海量地图点位聚合方法及装置 | |
| CN107943570B (zh) | 应用管理方法、装置、存储介质及电子设备 | |
| CN109657892A (zh) | 基于数据分析的机器行为识别方法、装置、设备和介质 | |
| CN106375561B (zh) | 移动终端及其剩余使用时间的检测方法 | |
| CN116933318A (zh) | 一种基于联邦学习的用电数据隐私保护方法 | |
| CN116756522B (zh) | 概率预报方法、装置、存储介质及电子设备 | |
| CN109817342A (zh) | 流行季预测模型的参数调整方法、装置、设备及存储介质 | |
| WO2019062404A1 (zh) | 应用程序的处理方法、装置、存储介质及电子设备 | |
| CN111428197B (zh) | 数据处理方法、装置及设备 | |
| CN108347355A (zh) | 一种应用状态的检测方法及其设备 | |
| CN111372286B (zh) | 移动终端数据处理方法、介质和电子设备 | |
| CN113055423B (zh) | 策略的推送方法、策略的执行方法、装置、设备及介质 | |
| CN113055212B (zh) | 策略的推送方法、策略的执行方法、装置、设备及介质 | |
| CN112669091B (zh) | 数据处理方法、装置及存储介质 | |
| CN113271351A (zh) | 一种云计算资源调度方法、装置、设备及可读存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190507 |
|
| RJ01 | Rejection of invention patent application after publication |