CN111223007A - 用户异常用电行为分析预警方法、装置、设备和介质 - Google Patents
用户异常用电行为分析预警方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN111223007A CN111223007A CN201911425309.4A CN201911425309A CN111223007A CN 111223007 A CN111223007 A CN 111223007A CN 201911425309 A CN201911425309 A CN 201911425309A CN 111223007 A CN111223007 A CN 111223007A
- Authority
- CN
- China
- Prior art keywords
- parameter data
- power
- user
- abnormal
- utilization
- 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 238
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 162
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 title claims description 28
- 230000006399 behavior Effects 0.000 claims abstract description 150
- 230000008859 change Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 abstract description 12
- 238000012544 monitoring process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- 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
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种用户异常用电行为分析预警方法、装置、设备和介质，所述方法包括：获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型；根据各所述实时用电电力参数数据，基于所述正常用电行为模型识别所述用户的异常电力参数数据；根据所述异常电力参数数据分析用户的异常用电行为，发出预警信息。本申请根据异常电力参数数据可以分析用户的异常用电行为，当发现用户的异常用电行为时，可以通过发出预警信息提醒用户密切关注最新使用的电气设备或者是家庭输电线路的工作状态，以及时发现并排除用电风险，避免人身与财产损失。
Description
技术领域
本申请涉及电力系统技术领域，特别是涉及一种用户异常用电行为分析预警方法、装置、设备和介质。
背景技术
随着国民经济的快速发展和人们日常生活水平的日益提高，各种电气产品出现在人们的日常生活中，他们在方便人们日常生活的同时，需要更高质量的电能供应，并且它们在用电工作的过程中，会带来用电风险。不同的电气产品在用电工作的过程中对用户家庭供电系统的影响可能不同，可能给用户的用电电力参数带来不同的变化。
然而传统的家庭供电系统中，缺乏有效的供电监测预警装置，没有有效地利用用户的历史用电数据去挖掘用户潜在的用电行为规律，不能及时发现用户供电系统中存在的潜在风险，缺乏有效的用电风险预警设备。
发明内容
基于此，有必要针对上述背景技术中的技术问题，提供一种能够及时发现用户家庭供电系统中存在的潜在风险并发出预警信息的用户异常用电行为分析预警方法、装置、设备和介质。
本申请的一方面提供一种用户异常用电行为分析预警方法，包括：
获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；
根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型；
根据各所述实时用电电力参数数据，基于所述正常用电行为模型识别所述用户的异常电力参数数据；
根据所述异常电力参数数据分析用户的异常用电行为，并发出预警信息。
于上述实施例中的用户异常用电行为分析预警方法中，可以获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据。用电电力参数数据可以包括电压、电流、有功功率、无功功率、功率因数、线损和电压变化率中的至少一种。由于家庭供电系统中，电力参数的变化主要来源于不同电气设备的使用，电气设备带来的用电风险以及家庭供电系统本身的线路风险均隐藏在用户的用电数据中。用户的正常用电行为规律也隐藏在用户的历史用电数据中，因此可以根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型，通过监测用户的实时用电电力参数数据，基于所述用户的正常用电行为模型识别所述用户的异常电力参数数据。根据所述异常电力参数数据可以分析用户的异常用电行为，例如用户的线损过高，可能用户的家庭供电线路出现老化或接触不良等情况，电压变化率过大可能存在短路电流的情况。当发现用户的异常用电行为时，可以通过发出安全预警信息提醒用户密切关注最新使用的电气设备或者是家庭输电线路的工作状态，以及时发现并排除用电风险，避免人身与财产的损失。
在其中一个实施例中，所述用电电力参数数据包括：电压、电流、有功功率、无功功率、功率因数、线损和电压变化率中的至少一种。通过监测多种类型的电力参数，可以更加全面的分析出用户的用电行为，以更加全面准确地挖掘出家庭供电系统的用电风险。
在其中一个实施例中，所述获取用户的用电电力参数数据后，还包括：按照预设的时间间隔对所述用电电力参数数据进行数据提取，得到处理后的电力参数数据，所述处理后的电力参数数据包括处理后的历史用电电力参数数据和处理后的实时用电电力参数数据。以降低数据分析处理的工作量。
在其中一个实施例中，所述根据所述历史电力数据确定所述用户的正常用电行为模型包括：
将各所述历史用电电力参数数据按照时间维度降序排列；
获取所述排列的第一时间序列级比数；
基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围。
于上述实施例中的用户异常用电行为分析预警方法中，由于用户的正常日用电量数据值的时间变化曲线可以呈现出周期性变化的趋势，但可能受到突发因素的影响，例如最新使用的电气设备为电阻性负载，可以使得用户家庭供电系统的无功功率增加，而突然使用耗电量极高的电气设备例如是大功率的空调，可能使得电压的变化率增大，但正常用电情况下的用户家庭供电系统中各电力参数的幅值应该在一定的阈值范围内，若严重偏离正常阈值范围，可能存在非正常工作的电气设备或输电线路故障。因此，通过将各所述历史用电电力参数数据按照时间维度降序排列；获取所述排列的第一时间序列级比数；以基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围。通过发觉突然变化很大的电力参数数值，来监测家庭供电系统中各电力参数是否运行在合适的阈值范围内，可以及时发掘出反应用户异常用电行为的异常电力参数。
在其中一个实施例中，所述基于所述正常用电行为模型识别所述用户的异常电力参数数据包括：
将各所述处理后的实时用电电力参数数据按照时间维度降序排列；
获取所述排列的第二时间序列级比数；
获取并保存所述第二时间序列级比数大于或小于所述级比阈值范围的异常电力参数数据。
于上述实施例中的用户异常用电行为分析预警方法中，用户安全用电的情况下，家庭供电系统中的各电力参数应该在预设的阈值范围内。若出现异常用电行为，例如是输电线路老化会造成线损值突增，会导致某些用电参数的幅值超过预设的阈值范围。通过将各所述处理后的实时用电电力参数数据按照时间维度降序排列，获取所述排列的第二时间序列级比数，获取并保存所述第二时间序列级比数大于或小于所述级比阈值范围的异常电力参数数据。通过发觉突然变化很大的电力参数数值，来监测家庭供电系统中各电力参数是否运行在合适的阈值范围内，可以及时发掘出反应用户异常用电行为的异常电力参数。
在其中一个实施例中，所述发出预警信息包括将所述异常电力参数数据发送至预设的手机客户端。以更加智能高效地提醒用户可能存在的用电风险，便于用户及时采取相应的处理措施防止用电风险可能导致的人身与财产损失。
本申请的一方面提供一种用户异常用电行为分析预警装置，包括：
用户用电电力参数数据获取模块，用于获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；
正常用电行为模型确定模块，用于根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型；
异常电力参数数据获取模块，用于根据各所述实时用电电力参数数据，基于所述正常用电行为模型识别所述用户的异常电力参数数据；
异常用电行为分析预警模块，用于根据所述异常电力参数数据分析用户的异常用电行为，并发出预警信息。
于上述实施例中的用户异常用电行为分析预警装置中，可以获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据。用电电力参数数据可以包括电压、电流、有功功率、无功功率、功率因数、线损和电压变化率中的至少一种。由于家庭供电系统中，电力参数的变化主要来源于不同电气设备的使用，电气设备带来的用电风险以及家庭供电系统本身的线路风险均隐藏在用户的用电数据中。用户的正常用电行为规律也隐藏在用户的历史用电数据中，因此可以根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型，通过监测用户的实时用电电力参数数据，基于所述用户的正常用电行为模型识别所述用户的异常电力参数数据。根据所述异常电力参数数据可以分析用户的异常用电行为，例如用户的线损过高，可能用户的家庭供电线路出现老化或接触不良等情况，电压变化率过大可能存在短路电流的情况。当发现用户的异常用电行为时，可以通过发出安全预警信息提醒用户密切关注最新使用的电气设备或者是家庭输电线路的工作状态，以及时发现并排除用电风险，避免人身与财产的损失。
在其中一个实施例中，于所述用户异常用电行为分析预警装置中，所述正常用电行为模型确定模块包括：
降序排列模块，用于将各所述历史用电电力参数数据按照时间维度降序排列；
第一时间序列级比数获取模块，用于获取所述排列的第一时间序列级比数；
级比阈值范围获取模块，用于基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围。
于上述实施例中的用户异常用电行为分析预警装置中，由于用户的正常日用电量数据值的时间变化曲线可以呈现出周期性变化的趋势，但可能受到突发因素的影响，例如最新使用的电气设备为电阻性负载，可以使得用户家庭供电系统的无功功率增加，而突然使用耗电量极高的电气设备例如是大功率的空调，可能使得电压的变化率增大，但正常用电情况下的用户家庭供电系统中各电力参数的幅值应该在一定的阈值范围内，若严重偏离正常阈值范围，可能存在非正常工作的电气设备或输电线路故障。因此，通过将各所述历史用电电力参数数据按照时间维度降序排列；获取所述排列的第一时间序列级比数；以基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围。通过发觉突然变化很大的电力参数数值，来监测家庭供电系统中各电力参数是否运行在合适的阈值范围内，可以及时发掘出反应用户异常用电行为的异常电力参数。
本申请的一方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请中任一个实施例中所述方法的步骤。
本申请的另一方面提供一种计算机可读存储介质，其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本申请中任一个实施例中所述的方法的步骤。
于上述实施例中的计算机设备或计算机可读存储介质中，可以获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据。用电电力参数数据可以包括电压、电流、有功功率、无功功率、功率因数、线损和电压变化率中的至少一种。由于家庭供电系统中，电力参数的变化主要来源于不同电气设备的使用，电气设备带来的用电风险以及家庭供电系统本身的线路风险均隐藏在用户的用电数据中。用户的正常用电行为规律也隐藏在用户的历史用电数据中，因此可以根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型，通过监测用户的实时用电电力参数数据，基于所述用户的正常用电行为模型识别所述用户的异常电力参数数据。根据所述异常电力参数数据可以分析用户的异常用电行为，例如用户的线损过高，可能用户的家庭供电线路出现老化或接触不良等情况，电压变化率过大可能存在短路电流的情况。当发现用户的异常用电行为时，可以通过发出安全预警信息提醒用户密切关注最新使用的电气设备或者是家庭输电线路的工作状态，以及时发现并排除用电风险，避免人身与财产的损失。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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实施例的附图。
图1为本申请第一实施例中提供的一种用户异常用电行为分析预警方法的应用场景图。
图2为本申请第二实施例中提供的一种用户异常用电行为分析预警方法的流程示意图。
图3为本申请第三实施例中提供的一种用户异常用电行为分析预警方法的流程示意图。
图4为本申请第四实施例中提供的一种用户异常用电行为分析预警方法的流程示意图。
图5为本申请第五实施例中提供的一种用户异常用电行为分析预警方法的流程示意图。
图6为本申请第六实施例中提供的一种用户异常用电行为分析预警方法的流程示意图。
图7为本申请第七实施例中提供的一种用户异常用电行为分析预警装置的结构框图。
图8为本申请第八实施例中提供的一种用户异常用电行为分析预警装置的结构框图。
图9为本申请一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在本申请的一个实施例中，提供的一种用户异常用电行为分析预警方法，可以应用于如图1所示的应用环境中。其中，第一终端102通过网络与服务器104通过网络进行通信。具体的，第一终端102可以获取预设用户的家庭供电系统的历史用电电力参数数据和实时用电电力参数数据。第一终端102根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型；根据各所述实时用电电力参数数据，基于所述正常用电行为模型识别所述用户的异常电力参数数据；根据所述异常电力参数数据分析用户的异常用电行为，并发出预警信息，以提示用户可能存在的用电风险，以及时发觉并排除导致用电风险的因素。其中，第一终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。应当说明的是，本实施例中的第一终端102通过网络与服务器104通过网络进行通信，可以通过服务器获取预设用户的家庭供电系统的历史用电电力参数数据和实时用电电力参数数据。
在本申请的一个实施例中提供的一种用户异常用电行为分析预警方法中，如图2所示，提供了一种用户异常用电行为分析预警方法，以该方法应用于图1中的第一终端为例进行说明，包括以下步骤：
步骤202，获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据。
第一终端是具有可操作界面的终端，第一终端界面显示输入窗口，也可以显示网页，用户可通过输入窗口输入数据，也可对网页进行浏览，获取本地存储的或者是与该第一终端通过网络连接的服务器上存储的数据。该网络应用可以是浏览器或者其他可以显示页面内容的应用程序(例如工控软件应用、和即时通信应用等)。在网页中可设置实施异常用电行为分析预警技术的用户，在设置好监控区域后，第一终端进入用户的异常用电行为分析预警程序。用户可通过网页上的操作指示设置相应的操作步骤，以完成对实施异常用电行为分析预警的区域的设置。第一终端获取到该页面中设置的监控区域，第一终端通过网络通信从服务器获取该区域内历史用电电力参数数据和实时用电电力参数数据。
步骤204，根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型。
由于用户家庭供电系统的历史电力数据隐藏着该用户正常用电行为规律，对于预设的时间段内，该用户家庭供电系统输电线路的各电力参数应该符合所述用户的正常用电行为模型。因此可以根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型，例如可以通过神经网络算法、聚类分析算法和小波算法等来建立所述用户的正常用电行为模型，以识别出该用户的异常用电行为，发掘出潜在的用电风险。
步骤206，根据各所述实时用电电力参数数据，基于所述正常用电行为模型识别所述用户的异常电力参数数据。
由于用户在正常用电过程中，可能受到个别电气设备的不良影响，使得某些电力参数数据偏离其历史阈值范围，不符合该用户的正常用电行为规律，基于用户正常用电行为模型可以识别出这些不符合该用户的正常用电行为规律的数据，可以识别出该用户的异常电力参数数据。
步骤208，根据所述异常电力参数数据分析用户的异常用电行为，并发出预警信息。
由于用户的用电电力参数数据隐藏着该用户的真实用电规律，用户的用电行为也会影响到该用户的用电电力参数数据，可以根据所述异常电力参数数据分析用户的异常用电行为，例如线损过高，可能用户的家庭供电线路出现老化或接触不良等情况；电压变化率过大可能存在短路电流的情况；无功功率过高可能是因为用户使用了感性负载。用户可以通过异常电力参数数据自行分析排查可能出现的用电风险，也可以建立异常电力参数与可能对应的用电风险因素的对照表，便于用户通过异常电力参数数据快速锁定风险因素，及时排除可能存在的用电风险。
于上述实施例中的用户异常用电行为分析预警方法中，可以获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据。用电电力参数数据可以包括电压、电流、有功功率、无功功率、功率因数、线损和电压变化率中的至少一种。由于家庭供电系统中，电力参数的变化主要来源于不同电气设备的使用，电气设备带来的用电风险以及家庭供电系统本身的线路风险均隐藏在用户的用电数据中。用户的正常用电行为规律也隐藏在用户的历史用电数据中，因此可以根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型，通过监测用户的实时用电电力参数数据，基于所述用户的正常用电行为模型识别所述用户的异常电力参数数据。根据所述异常电力参数数据可以分析用户的异常用电行为，例如用户的线损过高，可能用户的家庭供电线路出现老化或接触不良等情况，电压变化率过大可能存在短路电流的情况。当发现用户的异常用电行为时，可以通过发出安全预警信息提醒用户密切关注最新使用的电气设备或者是家庭输电线路的工作状态，以及时发现并排除用电风险，避免人身与财产的损失。
进一步地，在本申请的一个实施例中提供的一种用户异常用电行为分析预警方法中，所述用电电力参数数据包括：电压、电流、有功功率、无功功率、功率因数、线损和电压变化率中的至少一种。通过监测多种类型的电力参数，可以更加全面的分析出用户的用电行为，以更加全面准确地挖掘出家庭供电系统的用电风险。
进一步地，在本申请的一个实施例中提供的一种用户异常用电行为分析预警方法中，如图3所示，所述根据所述历史电力数据确定所述用户的正常用电行为模型包括：
步骤203：按照预设的时间间隔对所述用电电力参数数据进行数据提取，得到处理后的电力参数数据，所述处理后的电力参数数据包括处理后的历史用电电力参数数据和处理后的实时用电电力参数数据。以降低数据分析处理的工作量。
进一步地，在本申请的一个实施例中提供的一种用户异常用电行为分析预警方法中，如图4所示，所述根据所述历史电力数据确定所述用户的正常用电行为模型包括：
步骤2041，将各所述历史用电电力参数数据按照时间维度降序排列；
步骤2042，获取所述排列的第一时间序列级比数；
步骤2043，基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围。
具体地，用户的正常日用电量数据值的时间变化曲线可以呈现出周期性变化的趋势，但可能受到突发因素的影响，例如最新使用的电气设备为电阻性负载，可以使得用户家庭供电系统的无功功率增加，而突然使用耗电量极高的电气设备例如是大功率的空调，可能使得电压的变化率增大，但正常用电情况下的用户家庭供电系统中各电力参数的幅值应该在一定的阈值范围内，若严重偏离正常阈值范围，可能存在非正常工作的电气设备或输电线路故障。通过将各所述历史用电电力参数数据按照时间维度降序排列；获取所述排列的第一时间序列级比数；以基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围。
于上述实施例中的用户异常用电行为分析预警方法中，通过将各所述历史用电电力参数数据按照时间维度降序排列；获取所述排列的第一时间序列级比数；以基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围。通过发觉突然变化很大的电力参数数值，来监测家庭供电系统中各电力参数是否运行在合适的阈值范围内，可以及时发掘出反应用户异常用电行为的异常电力参数。
进一步地，在本申请的一个实施例中提供的一种用户异常用电行为分析预警方法中，如图5所示，所述基于所述正常用电行为模型识别所述用户的异常电力参数数据包括：
步骤2061，将各所述处理后的实时用电电力参数数据按照时间维度降序排列；
步骤2062，获取所述排列的第二时间序列级比数；
步骤2063，获取并保存所述第二时间序列级比数大于或小于所述级比阈值范围的异常电力参数数据。
具体地，用户安全用电的情况下，家庭供电系统中的各电力参数应该在预设的阈值范围内。若出现异常用电行为，例如是输电线路老化会造成线损值突增，会导致某些用电参数的幅值超过预设的阈值范围。通过将各所述处理后的实时用电电力参数数据按照时间维度降序排列，获取所述排列的第二时间序列级比数，获取并保存所述第二时间序列级比数大于或小于所述级比阈值范围的异常电力参数数据。通过发觉突然变化很大的电力参数数值，来监测家庭供电系统中各电力参数是否运行在合适的阈值范围内。
于上述实施例中的用户异常用电行为分析预警方法中，通过将各所述处理后的实时用电电力参数数据按照时间维度降序排列，获取所述排列的第二时间序列级比数，获取并保存所述第二时间序列级比数大于或小于所述级比阈值范围的异常电力参数数据。通过发觉突然变化很大的电力参数数值，来监测家庭供电系统中各电力参数是否运行在合适的阈值范围内，可以及时发掘出反应用户异常用电行为的异常电力参数。
在本申请的一个实施例中，如图6所示，提供了一种用户异常用电行为分析预警方法，以该方法应用于图1中的第一终端为例进行说明，所述方法包括以下步骤：
步骤209：将所述异常电力参数数据发送至预设的手机客户端。以更加智能高效地提醒用户可能存在的用电风险，便于用户及时采取相应的处理措施防止用电风险可能导致的人身与财产损失。
应该理解的是，虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在本申请的一个实施例中，如图7所示，提供了一种用户异常用电行为分析预警装置，包括：用户用电电力参数数据获取模块20、正常用电行为模型确定模块40、异常电力参数数据获取模块60和异常用电行为分析预警模块80，其中：
用户用电电力参数数据获取模块20，用于获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；
正常用电行为模型确定模块40，用于根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型；
异常电力参数数据获取模块60，用于根据各所述实时用电电力参数数据，基于所述正常用电行为模型识别所述用户的异常电力参数数据；
异常用电行为分析预警模块80，用于根据所述异常电力参数数据分析用户的异常用电行为，并发出预警信息。
进一步地，在本申请的一个实施例中，提供了一种用户异常用电行为分析预警装置，如图8所示，所述正常用电行为模型确定模块40包括：
降序排列模块41，用于将各所述历史用电电力参数数据按照时间维度降序排列；
第一时间序列级比数获取模块42，用于获取所述排列的第一时间序列级比数；
级比阈值范围获取模块43，用于基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围。
于上述实施例中的用户异常用电行为分析预警装置中，可以获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据。用电电力参数数据可以包括电压、电流、有功功率、无功功率、功率因数、线损和电压变化率中的至少一种。由于家庭供电系统中，电力参数的变化主要来源于不同电气设备的使用，电气设备带来的用电风险以及家庭供电系统本身的线路风险均隐藏在用户的用电数据中。用户的正常用电行为规律也隐藏在用户的历史用电数据中，因此可以根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型，通过监测用户的实时用电电力参数数据，基于所述用户的正常用电行为模型识别所述用户的异常电力参数数据。根据所述异常电力参数数据可以分析用户的异常用电行为，例如用户的线损过高，可能用户的家庭供电线路出现老化或接触不良等情况，电压变化率过大可能存在短路电流的情况。当发现用户的异常用电行为时，可以通过发出安全预警信息提醒用户密切关注最新使用的电气设备或者是家庭输电线路的工作状态，以及时发现并排除用电风险，避免人身与财产的损失。
关于用户异常用电行为分析预警装置的具体限定可以参见上文中对于用户异常用电行为分析预警方法的限定，在此不再赘述。上述用户异常用电行为分析预警装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在本申请的一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种用户异常用电行为分析预警方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在本申请的一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；
根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型；
根据各所述实时用电电力参数数据，基于所述正常用电行为模型识别所述用户的异常电力参数数据；
根据所述异常电力参数数据分析用户的异常用电行为，并发出预警信息。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；
按照预设的时间间隔对所述用电电力参数数据进行数据提取，得到处理后的电力参数数据，所述处理后的电力参数数据包括处理后的历史用电电力参数数据和处理后的实时用电电力参数数据；
根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型；
根据各所述实时用电电力参数数据，基于所述正常用电行为模型识别所述用户的异常电力参数数据；
根据所述异常电力参数数据分析用户的异常用电行为，并发出预警信息。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；
按照预设的时间间隔对所述用电电力参数数据进行数据提取，得到处理后的电力参数数据，所述处理后的电力参数数据包括处理后的历史用电电力参数数据和处理后的实时用电电力参数数据；
将各所述历史用电电力参数数据按照时间维度降序排列；
获取所述排列的第一时间序列级比数；
基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围；
根据各所述实时用电电力参数数据，基于各所述电力参数的级比阈值范围识别所述用户的异常电力参数数据；
根据所述异常电力参数数据分析用户的异常用电行为，并发出预警信息。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；
按照预设的时间间隔对所述用电电力参数数据进行数据提取，得到处理后的电力参数数据，所述处理后的电力参数数据包括处理后的历史用电电力参数数据和处理后的实时用电电力参数数据；
将各所述历史用电电力参数数据按照时间维度降序排列；
获取所述排列的第一时间序列级比数；
基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围；
将各所述处理后的实时用电电力参数数据按照时间维度降序排列；
获取所述排列的第二时间序列级比数；
获取并保存所述第二时间序列级比数大于或小于所述级比阈值范围的异常电力参数数据；
根据所述异常电力参数数据分析用户的异常用电行为，并发出预警信息。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；
按照预设的时间间隔对所述用电电力参数数据进行数据提取，得到处理后的电力参数数据，所述处理后的电力参数数据包括处理后的历史用电电力参数数据和处理后的实时用电电力参数数据；
将各所述历史用电电力参数数据按照时间维度降序排列；
获取所述排列的第一时间序列级比数；
基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围；
将各所述处理后的实时用电电力参数数据按照时间维度降序排列；
获取所述排列的第二时间序列级比数；
获取并保存所述第二时间序列级比数大于或小于所述级比阈值范围的异常电力参数数据；
根据所述异常电力参数数据分析用户的异常用电行为，并将所述异常电力参数数据发送至预设的手机客户端。
在本申请的一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；
根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型；
根据各所述实时用电电力参数数据，基于所述正常用电行为模型识别所述用户的异常电力参数数据；
根据所述异常电力参数数据分析用户的异常用电行为，并发出预警信息。
在本申请的一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；
按照预设的时间间隔对所述用电电力参数数据进行数据提取，得到处理后的电力参数数据，所述处理后的电力参数数据包括处理后的历史用电电力参数数据和处理后的实时用电电力参数数据；
根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型；
根据各所述实时用电电力参数数据，基于所述正常用电行为模型识别所述用户的异常电力参数数据；
根据所述异常电力参数数据分析用户的异常用电行为，并发出预警信息。
在本申请的一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；
按照预设的时间间隔对所述用电电力参数数据进行数据提取，得到处理后的电力参数数据，所述处理后的电力参数数据包括处理后的历史用电电力参数数据和处理后的实时用电电力参数数据；
将各所述历史用电电力参数数据按照时间维度降序排列；
获取所述排列的第一时间序列级比数；
基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围；
根据各所述实时用电电力参数数据，基于各所述电力参数的级比阈值范围识别所述用户的异常电力参数数据；
根据所述异常电力参数数据分析用户的异常用电行为，并发出预警信息。
在本申请的一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；
按照预设的时间间隔对所述用电电力参数数据进行数据提取，得到处理后的电力参数数据，所述处理后的电力参数数据包括处理后的历史用电电力参数数据和处理后的实时用电电力参数数据；
将各所述历史用电电力参数数据按照时间维度降序排列；
获取所述排列的第一时间序列级比数；
基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围；
将各所述处理后的实时用电电力参数数据按照时间维度降序排列；
获取所述排列的第二时间序列级比数；
获取并保存所述第二时间序列级比数大于或小于所述级比阈值范围的异常电力参数数据；
根据所述异常电力参数数据分析用户的异常用电行为，并发出预警信息。
在本申请的一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；
按照预设的时间间隔对所述用电电力参数数据进行数据提取，得到处理后的电力参数数据，所述处理后的电力参数数据包括处理后的历史用电电力参数数据和处理后的实时用电电力参数数据；
将各所述历史用电电力参数数据按照时间维度降序排列；
获取所述排列的第一时间序列级比数；
基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围；
将各所述处理后的实时用电电力参数数据按照时间维度降序排列；
获取所述排列的第二时间序列级比数；
获取并保存所述第二时间序列级比数大于或小于所述级比阈值范围的异常电力参数数据；
根据所述异常电力参数数据分析用户的异常用电行为，并将所述异常电力参数数据发送至预设的手机客户端。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种用户异常用电行为分析预警方法，其特征在于，包括：
获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；
根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型；
根据各所述实时用电电力参数数据，基于所述正常用电行为模型识别所述用户的异常电力参数数据；
根据所述异常电力参数数据分析用户的异常用电行为，并发出预警信息。
2.根据权利要求1所述的方法，其特征在于，所述用电电力参数数据包括：电压、电流、有功功率、无功功率、功率因数、线损和电压变化率中的至少一种。
3.根据权利要求2所述的方法，其特征在于，所述获取用户的用电电力参数数据后，还包括：
按照预设的时间间隔对所述用电电力参数数据进行数据提取，得到处理后的电力参数数据，所述处理后的电力参数数据包括处理后的历史用电电力参数数据和处理后的实时用电电力参数数据。
4.根据权利要求3所述的方法，其特征在于，所述根据所述历史电力数据确定所述用户的正常用电行为模型包括：
将各所述历史用电电力参数数据按照时间维度降序排列；
获取所述排列的第一时间序列级比数；
基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围。
5.根据权利要求3所述的方法，其特征在于，所述基于所述正常用电行为模型识别所述用户的异常电力参数数据包括：
将各所述处理后的实时用电电力参数数据按照时间维度降序排列；
获取所述排列的第二时间序列级比数；
获取并保存所述第二时间序列级比数大于或小于所述级比阈值范围的异常电力参数数据。
6.根据权利要求5中所述的方法，其特征在于，所述发出预警信息包括：
将所述异常电力参数数据发送至预设的手机客户端。
7.一种用户异常用电行为分析预警装置，其特征在于，包括：
用户用电电力参数数据获取模块，用于获取用户的用电电力参数数据，所述用电电力参数数据包括历史用电电力参数数据和实时用电电力参数数据；
正常用电行为模型确定模块，用于根据所述历史用电电力参数数据，确定所述用户的正常用电行为模型；
异常电力参数数据获取模块，用于根据各所述实时用电电力参数数据，基于所述正常用电行为模型识别所述用户的异常电力参数数据；
异常用电行为分析预警模块，用于根据所述异常电力参数数据分析用户的异常用电行为，并发出预警信息。
8.根据权利要求7所述的装置，其特征在于，所述正常用电行为模型确定模块包括：
降序排列模块，用于将各所述历史用电电力参数数据按照时间维度降序排列；
第一时间序列级比数获取模块，用于获取所述排列的第一时间序列级比数；
级比阈值范围获取模块，用于基于所述第一时间序列级比数确定各所述电力参数的级比阈值范围。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911425309.4A CN111223007A (zh) | 2019-12-31 | 2019-12-31 | 用户异常用电行为分析预警方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911425309.4A CN111223007A (zh) | 2019-12-31 | 2019-12-31 | 用户异常用电行为分析预警方法、装置、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111223007A true CN111223007A (zh) | 2020-06-02 |
Family
ID=70828060
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911425309.4A Pending CN111223007A (zh) | 2019-12-31 | 2019-12-31 | 用户异常用电行为分析预警方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111223007A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111539492A (zh) * | 2020-07-08 | 2020-08-14 | 武汉格蓝若智能技术有限公司 | 一种基于强化学习的异常用电判决系统及方法 |
| CN113269478A (zh) * | 2021-07-21 | 2021-08-17 | 武汉中原电子信息有限公司 | 一种基于多模型的集中器异常数据提醒方法及系统 |
| CN117491792A (zh) * | 2023-12-27 | 2024-02-02 | 四川中威能电力科技有限公司 | 一种基于智能电表的用电异常检测方法、系统和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104239963A (zh) * | 2014-08-14 | 2014-12-24 | 国家电网公司 | 基于灰色gm(1,1)模型查找异常电能表的方法 |
| CN106204335A (zh) * | 2016-07-21 | 2016-12-07 | 广东工业大学 | 一种电价执行异常判断方法、装置及系统 |
| CN109284886A (zh) * | 2018-02-02 | 2019-01-29 | 中领世能（天津）科技有限公司 | 基于人工智能的用电安全管理方法及装置 |
-
2019
- 2019-12-31 CN CN201911425309.4A patent/CN111223007A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104239963A (zh) * | 2014-08-14 | 2014-12-24 | 国家电网公司 | 基于灰色gm(1,1)模型查找异常电能表的方法 |
| CN106204335A (zh) * | 2016-07-21 | 2016-12-07 | 广东工业大学 | 一种电价执行异常判断方法、装置及系统 |
| CN109284886A (zh) * | 2018-02-02 | 2019-01-29 | 中领世能（天津）科技有限公司 | 基于人工智能的用电安全管理方法及装置 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111539492A (zh) * | 2020-07-08 | 2020-08-14 | 武汉格蓝若智能技术有限公司 | 一种基于强化学习的异常用电判决系统及方法 |
| CN111539492B (zh) * | 2020-07-08 | 2020-11-20 | 武汉格蓝若智能技术有限公司 | 一种基于强化学习的异常用电判决系统及方法 |
| CN113269478A (zh) * | 2021-07-21 | 2021-08-17 | 武汉中原电子信息有限公司 | 一种基于多模型的集中器异常数据提醒方法及系统 |
| CN113269478B (zh) * | 2021-07-21 | 2021-10-15 | 武汉中原电子信息有限公司 | 一种基于多模型的集中器异常数据提醒方法及系统 |
| CN117491792A (zh) * | 2023-12-27 | 2024-02-02 | 四川中威能电力科技有限公司 | 一种基于智能电表的用电异常检测方法、系统和存储介质 |
| CN117491792B (zh) * | 2023-12-27 | 2024-03-22 | 四川中威能电力科技有限公司 | 一种基于智能电表的用电异常检测方法、系统和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111223007A (zh) | 用户异常用电行为分析预警方法、装置、设备和介质 | |
| CN103019842B (zh) | 后台程序整理方法及系统 | |
| CN111224469A (zh) | 输电线路线损监测预警方法、装置、设备和介质 | |
| CN112052111B (zh) | 服务器异常预警的处理方法、装置、设备及存储介质 | |
| CN111738404B (zh) | 模型训练任务处理方法、装置、电子设备和存储介质 | |
| CN110990645B (zh) | 用电监测方法、装置、计算机设备和存储介质 | |
| CN104007806A (zh) | 一种安卓系统中的cpu频率的控制方法、装置和设备 | |
| CN111143147A (zh) | 仪器自动调试方法、装置、计算机设备及可读存储介质 | |
| CN112541016A (zh) | 用电异常检测方法、装置、计算机设备和存储介质 | |
| CN111190890B (zh) | 用户日用电量数据清洗方法、装置、设备和介质 | |
| Ren et al. | Online multi-fault power system dynamic security assessment driven by hybrid information of anticipated faults and pre-fault power flow | |
| CN111680478B (zh) | 基于组态软件的报表生成方法、装置、设备和存储介质 | |
| CN113779328A (zh) | 供电监测数据整合处理方法、系统、终端及存储介质 | |
| CN117829416A (zh) | 用电安全监测方法、装置、计算机设备和存储介质 | |
| CN111062503B (zh) | 一种电网监控告警处理方法、系统、终端及存储介质 | |
| CN115657570B (zh) | 低功耗模式下的芯片智能控制方法、装置及存储介质 | |
| CN111090014A (zh) | 一种基于高斯模型的电器识别方法及装置 | |
| CN110677271A (zh) | 基于elk的大数据告警方法、装置、设备及存储介质 | |
| CN116183051A (zh) | 电机温度监测方法、系统、设备及存储介质 | |
| CN116431731A (zh) | 数据异步导出方法、装置、设备及其存储介质 | |
| CN115904055A (zh) | 基于基板管理控制器的省电方法、装置、设备和存储介质 | |
| CN115409345A (zh) | 业务指标计算方法、装置、计算机设备和存储介质 | |
| CN111880945A (zh) | 共享设备信息处理方法、系统、装置、计算机和存储介质 | |
| CN114239690A (zh) | 胶浸纸局部放电阶段的数字孪生模型建立处理方法和装置 | |
| CN111242308B (zh) | 节能策略推荐方法、装置、计算机设备以及存储介质 |
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 |