CN110598933A - 一种停电敏感用户管理方法、系统及相关组件 - Google Patents
一种停电敏感用户管理方法、系统及相关组件 Download PDFInfo
- Publication number
- CN110598933A CN110598933A CN201910871955.7A CN201910871955A CN110598933A CN 110598933 A CN110598933 A CN 110598933A CN 201910871955 A CN201910871955 A CN 201910871955A CN 110598933 A CN110598933 A CN 110598933A
- Authority
- CN
- China
- Prior art keywords
- samples
- identified
- power failure
- sensitive user
- sample
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 42
- 238000003066 decision tree Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000005192 partition Methods 0.000 claims abstract description 22
- 238000003860 storage Methods 0.000 claims abstract description 9
- 238000000638 solvent extraction Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种停电敏感用户管理方法，包括：通过电网用户数据库中的样本构建已辨识样本集及待辨识样本集；根据信息熵指标确定当前最优划分属性，通过当前最优划分属性及决策树算法对已辨识样本集进行逐层划分，得到停电敏感用户辨识决策树智能体；通过停电敏感用户辨识决策树智能体对待辨识样本集进行辨识，得到停电敏感用户集；对停电敏感用户集中的用户采取对应的供电保护措施。相较于现有技术，本申请没有缩小样本数量，同时提高了辨识覆盖率和辨识准确性。本申请还公开了一种停电敏感用户管理系统、装置及计算机可读存储介质，具有上述有益效果。
Description
技术领域
本申请涉及电力供应领域，特别是涉及一种停电敏感用户管理方法、系统及相关组件。
背景技术
停电敏感用户是指对电力供应可靠性要求较高，一旦停电将对其生产、生活产生较大影响的用户群体。停电敏感用户的分析与辨识是电网企业客户服务与用电管理的基本内容。按照辨识机理上的差别，停电敏感用户分析与辨识主要包括影响程度辨识法和用户属性分类法两种主要途径。目前所进行的研究往往采用不考虑样本取值缺失的属性类型或剔除属性取值缺失的样本两种处理方式，这样会直接导致样本缩小，影响人工智能算法的学习效果，容易导致过拟合等问题，会降低辨识覆盖率和辨识准确性。
因此，如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。
发明内容
本申请的目的是提供一种停电敏感用户管理方法，没有缩小样本数量，同时提高了辨识覆盖率和辨识准确性。本申请的另一目的是提供一种停电敏感用户管理系统、装置及计算机可读存储介质。
为解决上述技术问题，本申请提供了一种停电敏感用户管理方法，包括：
通过电网用户数据库中的样本构建已辨识样本集及待辨识样本集；
根据信息熵指标确定当前最优划分属性，通过当前最优划分属性及决策树算法对所述已辨识样本集进行逐层划分，得到停电敏感用户辨识决策树智能体；
通过所述停电敏感用户辨识决策树智能体对所述待辨识样本集进行辨识，得到停电敏感用户集；
对所述停电敏感用户集中的用户采取对应的供电保护措施。
优选的，所述通过电网用户数据库中的样本构建已辨识样本集的过程具体为：
在电网用户数据库中随机筛选预设比例的样本；
根据预设规则确定所有所述样本中为停电敏感用户的已辨识样本；
通过所有所述已辨识样本构建已辨识样本集。
优选的，所述根据预设规则确定所有所述样本中为停电敏感用户的已辨识样本的过程具体为：
通过经验确定所有所述样本中为停电敏感用户的已辨识样本。
优选的，所述根据预设规则确定所有所述样本中为停电敏感用户的已辨识样本的过程具体为：
通过专家系统确定所有所述样本中为停电敏感用户的已辨识样本。
优选的，所述通过当前最优划分属性及决策树算法对所述已辨识样本集进行逐层划分，得到停电敏感用户辨识决策树智能体的过程具体为：
通过当前最优划分属性划分所述已辨识样本集，得到当前划分层的多个样本子集；
若当前划分层的多个所述样本子集中存在不满足返回条件的待处理样本子集，确定与所述待处理样本子集对应的当前最优划分属性，通过当前最优划分属性划分所述待处理样本子集，得到下一划分层的多个样本子集，将所述下一划分层作为当前划分层，重复本步骤，直至所有所述样本子集均满足所述返回条件，获取停电敏感用户辨识决策树智能体。
优选的，所述返回条件包括：
同一划分层的所有所述样本子集均属于同一类型；
或，当前最优划分属性为空集；
或，所述样本子集为空集。
为解决上述技术问题，本申请还提供了一种停电敏感用户管理系统，包括：
划分模块，用于通过电网用户数据库中的样本构建已辨识样本集及待辨识样本集；
构建模块，用于根据信息熵指标确定当前最优划分属性，通过当前最优划分属性及决策树算法对所述已辨识样本集进行逐层划分，得到停电敏感用户辨识决策树智能体；
辨识模块，用于通过所述停电敏感用户辨识决策树智能体对所述待辨识样本集进行辨识，得到停电敏感用户集；
管理模块，用于对所述停电敏感用户集中的用户采取对应的供电保护措施。
优选的，所述通过电网用户数据库中的样本构建已辨识样本集的过程具体为：
在电网用户数据库中随机筛选预设比例的样本；
根据预设规则确定所有所述样本中为停电敏感用户的已辨识样本；
通过所有所述已辨识样本构建已辨识样本集。
为解决上述技术问题，本申请还提供了一种停电敏感用户管理装置，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上文任意一项所述停电敏感用户管理方法的步骤。
为解决上述技术问题，本申请还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文任意一项所述停电敏感用户管理方法的步骤。
本申请所提供的一种停电敏感用户管理方法，通过信息熵指标确定最优划分属性对已辨识样本集进行划分得到样本子集，信息熵指标取值越小，样本子集的纯度越高，从而使决策树生成中按照某属性分类后所得的样本子集纯度越高，决策树执行效率越高，以便当某属性取值大量缺失时，可以用没有缺失的样本子集来估计原样本集整体的情况，或某属性的样本基本完整，而个别样本该属性缺失，可利用无缺失的样本子集估计该样本属性取值，相较于现有技术，本申请没有缩小样本数量，同时提高了辨识覆盖率和辨识准确性。本申请还提供了一种停电敏感用户管理系统、装置及计算机可读存储介质，具有和上述停电敏感用户管理方法相同的有益效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对现有技术和实施例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申请的一些实施例，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为本申请所提供的一种停电敏感用户管理方法的步骤流程图；
图2为本申请所提供的一种ID3决策树的结构图；
图3为本申请所提供的一种停电敏感用户管理系统的结构示意图。
具体实施方式
本申请的核心是提供一种停电敏感用户管理方法，没有缩小样本数量，同时提高了辨识覆盖率和辨识准确性。本申请的另一核心是提供一种停电敏感用户管理系统、装置及计算机可读存储介质。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
请参照图1，图1为本申请所提供的一种停电敏感用户管理方法的步骤流程图，该停电敏感用户管理方法包括：
步骤1：通过电网用户数据库中的样本构建已辨识样本集及待辨识样本集；
具体的，从电网用户数据库中按一定比例随机筛选部分样本，根据人工经验或专家系统判定其是否属于停电敏感用户，若是，根据所有停电敏感用户的样本构建已辨识样本集；相应的，待辨识样本集是用户数据库中按一定比例随机筛选出已辨识样本集后剩下未辨识的样本构成的样本集。
可以理解的是，可以根据想要训练的样本数量决定筛选比例，按一定比例随机筛选保证了样本的多样性、随机性，不会出现相同属性样本大量出现的情况。
进一步的，判定样本是否属于停电敏感用户时，可以根据所在区域停电敏感用户的判定规则作为判定条件，如用户停电损失与停电发生时段、停电持续时间等，根据各自区域用户特点，制定专家库规则。
步骤2：根据信息熵指标确定当前最优划分属性，通过当前最优划分属性及决策树算法对已辨识样本集进行逐层划分，得到停电敏感用户辨识决策树智能体；
具体的，利用改进ID3决策树算法对已辨识样本集进行训练，首先根据信息熵指标，选定当前最优划分属性，对所选择的最优划分属性，根据其可能的取值对已辨识样本集进行划分，属性取值数即为分支数，其中，信息熵是指样本分类的集合纯度，信息熵取值越小，样本集的纯度越高，而决策树生成按照某属性分类后所得的样本集纯度越高，决策树执行效率越高。可以理解的是，根据不同类型的样本进行计算，算出的最优化分属性可能是不一样的。
参照图2所示，ID3决策树算法是按照样本的属性取值对其逐层划分，并得到不同属性组合下的判定结果，从而形成树状结构。首先通过当前最优划分属性划分已辨识样本集，得到当前划分层的多个样本子集；若当前划分层的多个样本子集中存在不满足返回条件的待处理样本子集，确定与待处理样本子集对应的当前最优划分属性，通过当前最优划分属性将待处理样本子集向下划分，直至所有样本子集均满足返回条件，满足所有停电敏感的属性无法继续划分时，停止训练获取停电敏感用户辨识决策树智能体。
具体的，规定为样本集D在属性a上没有缺失值的样本子集，若属性有V个可能取值{a1，a2，…，aV}，在样本子集中属性a取值为av的样本子集为则定义无缺失值样本子集占比指标ρ，属性k(k≠a)在样本子集占比指标和属性取值占比指标可表示如下：
式中，|D|、依次为原样本集D、样本子集样本子集中属于第k类的样本子集样本子集D按照属性a划分后取值为av的样本子集中样本数。信息增益和信息熵可表示如下：
进一步的，返回条件包括：划分后所得的样本子集均属于同一类型，不需要进一步划分；最优划分属性为空集；样本子集为空集；若满足三个条件其中之一，则判定满足返回条件。
步骤3：通过停电敏感用户辨识决策树智能体对待辨识样本集进行辨识，得到停电敏感用户集；
步骤4：对停电敏感用户集中的用户采取对应的供电保护措施。
具体的，利用训练得到的停电敏感用户辨识决策树智能体对待辨识样本集辨识，得到停电敏感用户集。
可以理解的是，停电敏感用户的分析与辨识是电网企业客户服务与用电管理的基本内容，近年来我国不断加强电力行业监管，电网企业加大了客户服务管理投入力度，以避免可能的客户投诉事件。本申请通过步骤2获取到的停电敏感用户辨识决策树智能体对待辨识样本进行辨识，得到停电敏感用户集，确定停电敏感用户，以便供电公司对比较敏感的用户采取相应的保护供电措施。
可以理解的是，样本i在属性a缺失的取值可用分布概率形式表示为：
式中，表示属性a取值为av的概率为
综上所述，当面对某属性取值大量缺失，本申请可以用没有缺失的样本子集来估计原样本集整体情况，当存在某属性样本基本完整，而个别样本该属性取值缺失的情况时，可利用无缺失的样本子集估计该样本属性取值。
本申请所提供的一种停电敏感用户管理方法，通过信息熵指标确定最优划分属性对已辨识样本集进行划分得到样本子集，信息熵指标取值越小，样本子集的纯度越高，从而使决策树生成中按照某属性分类后所得的样本子集纯度越高，决策树执行效率越高，以便当某属性取值大量缺失时，可以用没有缺失的样本子集来估计原样本集整体的情况，或某属性的样本基本完整，而个别样本该属性缺失，可利用无缺失的样本子集估计该样本属性取值，相较于现有技术，本申请没有缩小样本数量，同时提高了辨识覆盖率和辨识准确性。
请参照图3，图3为本申请所提供的一种停电敏感用户管理系统的结构示意图，包括：
划分模块1，用于通过电网用户数据库中的样本构建已辨识样本集及待辨识样本集；
构建模块2，用于根据信息熵指标确定当前最优划分属性，通过当前最优划分属性及决策树算法对已辨识样本集进行逐层划分，得到停电敏感用户辨识决策树智能体；
辨识模块3，用于通过停电敏感用户辨识决策树智能体对待辨识样本集进行辨识，得到停电敏感用户集；
管理模块4，用于对停电敏感用户集中的用户采取对应的供电保护措施。
作为一种优选的实施例，通过电网用户数据库中的样本构建已辨识样本集的过程具体为：
在电网用户数据库中随机筛选预设比例的样本；
根据预设规则确定所有样本中为停电敏感用户的已辨识样本；
通过所有已辨识样本构建已辨识样本集。
作为一种优选的实施例，根据预设规则确定所有样本中为停电敏感用户的已辨识样本的过程具体为：
通过经验确定所有样本中为停电敏感用户的已辨识样本。
作为一种优选的实施例，根据预设规则确定所有样本中为停电敏感用户的已辨识样本的过程具体为：
通过专家系统确定所有样本中为停电敏感用户的已辨识样本。
作为一种优选的实施例，通过当前最优划分属性及决策树算法对已辨识样本集进行逐层划分，得到停电敏感用户辨识决策树智能体的过程具体为：
通过当前最优划分属性划分已辨识样本集，得到当前划分层的多个样本子集；
若当前划分层的多个样本子集中存在不满足返回条件的待处理样本子集，确定与待处理样本子集对应的当前最优划分属性，通过当前最优划分属性划分待处理样本子集，得到下一划分层的多个样本子集，将下一划分层作为当前划分层，重复本步骤，直至所有样本子集均满足返回条件，获取停电敏感用户辨识决策树智能体。
作为一种优选的实施例，返回条件包括：
同一划分层的所有样本子集均属于同一类型；
或，当前最优划分属性为空集；
或，样本子集为空集。
对于本申请所提供的一种停电敏感用户管理系统的介绍请参照上述实施例，本申请在此不再赘述。
本申请所提供的一种停电敏感用户管理系统，具有和上述停电敏感用户管理方法相同的有益效果。
相应的，本申请还提供了一种停电敏感用户管理装置，包括：
存储器，用于存储计算机程序；
处理器，用于执行计算机程序时实现如上文任意一项停电敏感用户管理方法的步骤。
对于本申请所提供的一种停电敏感用户管理装置的介绍请参照上述实施例，本申请在此不再赘述。
本申请所提供的一种停电敏感用户管理装置，具有和上述停电敏感用户管理方法相同的有益效果。
相应的，本申请还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上文任意一项停电敏感用户管理方法的步骤。
对于本申请所提供的一种计算机可读存储介质的介绍请参照上述实施例，本申请在此不再赘述。
本申请所提供的一种计算机可读存储介质，具有和上述停电敏感用户管理方法相同的有益效果。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
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申请。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申请的精神或范围的情况下，在其他实施例中实现。因此，本申请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)
1.一种停电敏感用户管理方法，其特征在于，包括：
通过电网用户数据库中的样本构建已辨识样本集及待辨识样本集；
根据信息熵指标确定当前最优划分属性，通过当前最优划分属性及决策树算法对所述已辨识样本集进行逐层划分，得到停电敏感用户辨识决策树智能体；
通过所述停电敏感用户辨识决策树智能体对所述待辨识样本集进行辨识，得到停电敏感用户集；
对所述停电敏感用户集中的用户采取对应的供电保护措施。
2.根据权利要求1所述的停电敏感用户管理方法，其特征在于，所述通过电网用户数据库中的样本构建已辨识样本集的过程具体为：
在电网用户数据库中随机筛选预设比例的样本；
根据预设规则确定所有所述样本中为停电敏感用户的已辨识样本；
通过所有所述已辨识样本构建已辨识样本集。
3.根据权利要求2所述的停电敏感用户管理方法，其特征在于，所述根据预设规则确定所有所述样本中为停电敏感用户的已辨识样本的过程具体为：
通过经验确定所有所述样本中为停电敏感用户的已辨识样本。
4.根据权利要求2所述的停电敏感用户管理方法，其特征在于，所述根据预设规则确定所有所述样本中为停电敏感用户的已辨识样本的过程具体为：
通过专家系统确定所有所述样本中为停电敏感用户的已辨识样本。
5.根据权利要求1所述的停电敏感用户管理方法，其特征在于，所述通过当前最优划分属性及决策树算法对所述已辨识样本集进行逐层划分，得到停电敏感用户辨识决策树智能体的过程具体为：
通过当前最优划分属性划分所述已辨识样本集，得到当前划分层的多个样本子集；
若当前划分层的多个所述样本子集中存在不满足返回条件的待处理样本子集，确定与所述待处理样本子集对应的当前最优划分属性，通过当前最优划分属性划分所述待处理样本子集，得到下一划分层的多个样本子集，将所述下一划分层作为当前划分层，重复本步骤，直至所有所述样本子集均满足所述返回条件，获取停电敏感用户辨识决策树智能体。
6.根据权利要求5所述的停电敏感用户管理方法，其特征在于，所述返回条件包括：
同一划分层的所有所述样本子集均属于同一类型；
或，当前最优划分属性为空集；
或，所述样本子集为空集。
7.一种停电敏感用户管理系统，其特征在于，包括：
划分模块，用于通过电网用户数据库中的样本构建已辨识样本集及待辨识样本集；
构建模块，用于根据信息熵指标确定当前最优划分属性，通过当前最优划分属性及决策树算法对所述已辨识样本集进行逐层划分，得到停电敏感用户辨识决策树智能体；
辨识模块，用于通过所述停电敏感用户辨识决策树智能体对所述待辨识样本集进行辨识，得到停电敏感用户集；
管理模块，用于对所述停电敏感用户集中的用户采取对应的供电保护措施。
8.根据权利要求7所述的停电敏感用户管理系统，其特征在于，所述通过电网用户数据库中的样本构建已辨识样本集的过程具体为：
在电网用户数据库中随机筛选预设比例的样本；
根据预设规则确定所有所述样本中为停电敏感用户的已辨识样本；
通过所有所述已辨识样本构建已辨识样本集。
9.一种停电敏感用户管理装置，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1-6任意一项所述停电敏感用户管理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读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1-6任意一项所述停电敏感用户管理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910871955.7A CN110598933A (zh) | 2019-09-16 | 2019-09-16 | 一种停电敏感用户管理方法、系统及相关组件 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910871955.7A CN110598933A (zh) | 2019-09-16 | 2019-09-16 | 一种停电敏感用户管理方法、系统及相关组件 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110598933A true CN110598933A (zh) | 2019-12-20 |
Family
ID=68859809
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910871955.7A Pending CN110598933A (zh) | 2019-09-16 | 2019-09-16 | 一种停电敏感用户管理方法、系统及相关组件 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110598933A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112737103A (zh) * | 2020-12-09 | 2021-04-30 | 国网江苏省电力有限公司连云港供电分公司 | 一种敏感用户用电状态的监测系统及监测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1816670A2 (en) * | 2001-04-06 | 2007-08-08 | Eni Technology, Inc. | Predictive failure scheme for industrial power delivery system |
| CN105406461A (zh) * | 2015-10-21 | 2016-03-16 | 广西电网有限责任公司北海供电局 | 一种配电网停电事件的负荷自适应动态监测方法 |
| CN107220732A (zh) * | 2017-05-31 | 2017-09-29 | 福州大学 | 一种基于梯度提升树的停电投诉风险预测方法 |
| CN108090679A (zh) * | 2017-12-20 | 2018-05-29 | 国网冀北电力有限公司承德供电公司 | 一种基于用户停电敏感度的停电服务管理方法和系统 |
| CN108304990A (zh) * | 2017-12-27 | 2018-07-20 | 广东电网有限责任公司信息中心 | 一种停电敏感预判方法和系统 |
| CN108364187A (zh) * | 2017-12-20 | 2018-08-03 | 国网冀北电力有限公司承德供电公司 | 一种基于停电敏感特性的停电敏感用户确定方法和系统 |
| CN108876068A (zh) * | 2018-09-05 | 2018-11-23 | 淮阴工学院 | 一种电网故障预测检测方法及装置 |
-
2019
- 2019-09-16 CN CN201910871955.7A patent/CN110598933A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1816670A2 (en) * | 2001-04-06 | 2007-08-08 | Eni Technology, Inc. | Predictive failure scheme for industrial power delivery system |
| CN105406461A (zh) * | 2015-10-21 | 2016-03-16 | 广西电网有限责任公司北海供电局 | 一种配电网停电事件的负荷自适应动态监测方法 |
| CN107220732A (zh) * | 2017-05-31 | 2017-09-29 | 福州大学 | 一种基于梯度提升树的停电投诉风险预测方法 |
| CN108090679A (zh) * | 2017-12-20 | 2018-05-29 | 国网冀北电力有限公司承德供电公司 | 一种基于用户停电敏感度的停电服务管理方法和系统 |
| CN108364187A (zh) * | 2017-12-20 | 2018-08-03 | 国网冀北电力有限公司承德供电公司 | 一种基于停电敏感特性的停电敏感用户确定方法和系统 |
| CN108304990A (zh) * | 2017-12-27 | 2018-07-20 | 广东电网有限责任公司信息中心 | 一种停电敏感预判方法和系统 |
| CN108876068A (zh) * | 2018-09-05 | 2018-11-23 | 淮阴工学院 | 一种电网故障预测检测方法及装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112737103A (zh) * | 2020-12-09 | 2021-04-30 | 国网江苏省电力有限公司连云港供电分公司 | 一种敏感用户用电状态的监测系统及监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103744928B (zh) | 一种基于历史访问记录的网络视频分类方法 | |
| CN108960488B (zh) | 一种基于深度学习与多源信息融合的饱和负荷空间分布精准预测方法 | |
| CN115600774B (zh) | 一种装配式建筑构件产线的多目标生产调度优化方法 | |
| CN110690701A (zh) | 一种异常线损影响因素的分析方法 | |
| CN112330052A (zh) | 一种配变负荷预测方法 | |
| CN112257784A (zh) | 一种基于梯度提升决策树的窃电检测方法 | |
| CN112800148A (zh) | 一种基于聚类特征树和离群度量化的散乱污企业研判方法 | |
| CN106407379A (zh) | 一种基于Hadoop平台的电影推荐方法 | |
| CN113743538A (zh) | 基于ipso-bp神经网络的智能楼宇能耗预测方法、设备和介质 | |
| CN110287237B (zh) | 一种基于社会网络结构分析社团数据挖掘方法 | |
| CN113094448B (zh) | 住宅空置状态的分析方法及分析装置、电子设备 | |
| CN110598933A (zh) | 一种停电敏感用户管理方法、系统及相关组件 | |
| CN110134646A (zh) | 知识平台服务数据存储与集成方法及系统 | |
| CN109978023A (zh) | 面向高维大数据分析的特征选择方法及计算机存储介质 | |
| CN113962477A (zh) | 一种产业电量关联聚集预测方法、装置、设备及存储介质 | |
| CN112508363A (zh) | 基于深度学习的电力信息系统状态分析方法及装置 | |
| CN109919219B (zh) | 一种基于粒计算ML-kNN的Xgboost多视角画像构建方法 | |
| CN112329971A (zh) | 一种输变电工程投资决策模型的建模方法 | |
| CN111091301A (zh) | 一种省级电网可持续发展策略的优选方法 | |
| CN113837486B (zh) | 一种基于rnn-rbm的配网馈线长期负荷预测方法 | |
| CN115883392A (zh) | 算力网络的数据感知方法、装置、电子设备及存储介质 | |
| CN112241812B (zh) | 基于单边优化与遗传算法协作的低压配电网拓扑识别方法 | |
| CN115689201A (zh) | 面向企业资源供需调配的多准则智能决策优化方法及系统 | |
| CN113344392A (zh) | 一种企业项目综合管理方法及系统 | |
| CN111931861A (zh) | 一种异质性数据集的异常检测方法及计算机可读存储介质 |
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: 20191220 |