CN111242433B - 电力数据识别方法、装置、计算机设备和存储介质 - Google Patents
电力数据识别方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111242433B CN111242433B CN202010001038.6A CN202010001038A CN111242433B CN 111242433 B CN111242433 B CN 111242433B CN 202010001038 A CN202010001038 A CN 202010001038A CN 111242433 B CN111242433 B CN 111242433B
- Authority
- CN
- China
- Prior art keywords
- index
- data
- power
- comprehensive
- classification
- 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
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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本申请涉及一种电力数据识别方法、装置、计算机设备和存储介质。所述方法包括:获取电力数据,在所述电力数据中提取有效数据;将所述有效数据进行整合计算,得到多个电力指标;将多个电力指标划分为第一分类指标以及第二分类指标;调用预设矩阵,对所述第一分类指标以及第二分类指标进行计算,得到所述第一分类指标对应的第一综合指标以及第二分类指标对应的第二综合指标;根据所述第一综合指标以及第二综合指标识别对应的电力需求区域。采用本方法能够提高电力数据识别的准确性。
Description
技术领域
本申请涉及电力技术领域,特别是涉及一种电力数据识别方法、装置、计算机设备和存储介质。
背景技术
随着互联网技术的发展,售电行业的发展也面临诸多挑战。售电公司在向用户推荐供电产品之前,需要了解用户在多方面的用电情况,以了解用户电力需求。在传统方式中,是通过对特定方面的用户电力数据进行识别,只考虑用户在部分方面的用电情况,存在用户电力需求识别不准确的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高用户电力需求识别准确性的电力数据识别方法、装置、计算机设备和存储介质。
一种电力数据识别方法,所述方法包括:
获取电力数据,在所述电力数据中提取有效数据;
将所述有效数据进行整合计算,得到多个电力指标;
将多个电力指标划分为第一分类指标以及第二分类指标;
调用预设矩阵,对所述第一分类指标以及第二分类指标进行计算,得到所述第一分类指标对应的第一综合指标以及第二分类指标对应的第二综合指标;
根据所述第一综合指标以及第二综合指标识别对应的电力需求区域。
在其中一个实施例中,所述将所述有效数据进行整合计算,得到多个电力指标包括:
将所述有效数据中的电压暂降数据整合为电网暂降水平指标;
根据所述有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备免疫水平指标;
根据所述有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备状态指标;
根据所述有效数据中的业务数据以及预设关系计算得到业务水平指标;
根据所述有效数据中的电量使用数据计算得到电量需求水平指标。
在其中一个实施例中,所述将所述有效数据中的电压暂降数据整合为电网暂降水平指标包括:
根据所述有效数据中的电压暂降数据计算对应的电压暂降强度以及概率分布数据;
根据所述电压暂降强度以及概率分布数据计算得到电压暂降水平指标。
在其中一个实施例中,所述根据所述有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备免疫水平指标包括:
根据所述有效数据中的电压暂降数据以及过程参数免疫时间获取对应的过程参数免疫时间曲线;
根据所述过程参数免疫时间曲线计算得到对应的设备免疫水平指标。
在其中一个实施例中,所述根据所述有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备状态指标包括:
根据所述有效数据中的电压暂降数据以及过程参数免疫时间确定电压暂降后的设备运行状态;
根据所述电压暂降后的设备运行状态计算设备状态指标。
在其中一个实施例中,所述根据所述有效数据中的电量使用数据计算得到电量需求水平指标包括:
在所述有效数据中的电量使用数据中提取最大电量使用数据以及最小电量使用数据;
根据所述最大电量使用数据、最小电量使用数据以及预设关系计算所述电量需求水平指标。
在其中一个实施例中,所述调用预设矩阵,对所述第一分类指标以及第二分类指标进行计算,得到所述第一分类指标对应的第一综合指标以及第二分类指标对应的第二综合指标包括:
调用预设矩阵,将所述第一分类指标以及第二分类指标输入至所述预设矩阵,进行归一化处理,得到归一化矩阵;
根据所述归一化矩阵计算所述第一分类指标中每个电力指标对应的指标权重以及第二分类指标中每个电力指标对应的指标权重;
根据所述第一分类指标以及对应的指标权重计算得到对应的第一综合指标;
根据所述第二分类指标以及对应的指标权重计算得到对应的第二综合指标。
一种电力数据识别装置,所述装置包括:
通信模块,用于获取电力数据,在所述电力数据中提取有效数据;
第一计算模块,用于将所述有效数据进行整合计算,得到多个电力指标;
分类模块,用于将多个电力指标划分为第一分类指标以及第二分类指标;
第二计算模块,用于调用预设矩阵,对所述第一分类指标以及第二分类指标进行计算,得到所述第一分类指标对应的第一综合指标以及第二分类指标对应的第二综合指标;
识别模块,用于根据所述第一综合指标以及第二综合指标识别对应的电力需求区域。
一种计算机设备,包括存储器和处理器,所述存储器存储有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上述各个方法实施例中的步骤。
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上述各个方法实施例中的步骤。
上述电力数据识别方法、装置、计算机设备和存储介质,通过在电力数据中提取有效数据,能够获取与用户电力需求以及电能质量水平相关的数据,有利于后续准确识别电力需求区域。服务器通过将有效数据进行整合计算,得到多个电力指标,能够从多个方面了解用户的电力需求。通过将多个电力指标划分为第一分类指标以及第二分类指标,有利于后续进行综合指标计算。通过调用预设矩阵,对第一分类指标以及第二分类指标进行计算,得到第一分类指标对应的第一综合指标以及第二分类指标对应的第二综合指标,降低了数据维度,有利于后续进行电力需求区域判断。根据第一综合指标以及第二综合指标识别对应的电力需求区域,实现对电力数据进行定性识别,有效提高了电力数据识别的准确性。
附图说明
图1为一个实施例中电力数据识别方法的应用环境图;
图2为一个实施例中电力数据识别方法的流程示意图;
图3为一个实施例中根据第一综合指标以及第二综合指标建立的二维坐标系的示意图;
图4为一个实施例中将有效数据进行整合计算,得到多个电力指标步骤的流程示意图;
图5为一个实施例中综合过程参数免疫时间曲线的示意图;
图6为一个实施例中单次暂降过程参数免疫时间曲线的示意图;
图7为一个实施例中二维坐标系以及每家企业对应的电力需求区域;
图8为一个实施例中电力数据识别装置的结构框图;
图9为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。
本申请提供的电力数据识别方法,可以应用于如图1所示的应用环境中。其中,监测终端102通过网络与服务器104通过网络进行通信。监测终端102监测用户的电力数据,服务器104从监测终端102中获取电力数据。服务器102在电力数据中提取有效数据。服务器104将有效数据进行整合计算,得到多个电力指标。服务器104将多个电力指标划分为第一分类指标以及第二分类指标。服务器104调用预设矩阵,对第一分类指标以及第二分类指标进行计算,得到第一分类指标对应的第一综合指标以及第二分类指标对应的第二综合指标。服务器104根据第一综合指标以及第二综合指标识别对应的电力需求区域。其中,102还可以是监测设备,也可以是监测服务器,此处不作限定。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。
在一个实施例中,如图2所示,提供了一种电力数据识别方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取电力数据,在电力数据中提取有效数据。
服务器可以从监测终端中获取用户的电力数据。监测终端用于实时监测用户的电力数据。电力数据可以包括不合理数据以及有效数据。不合理数据可以包括错误数据、重复数据以及与有效数据无关的数据。例如,错误数据可以包括错误的电压暂降幅值、错误的持续时间等。与有效数据无关的数据可以包括负荷用电特性等。有效数据可以包括与用户电力需求以及电能质量水平相关的数据。有效数据可以包括电压暂降数据、过程参数免疫时间、业务数据、电量使用数据等。服务器在电力数据中提取有效数据的方式有多种,可以是对电力数据进行清洗,将不合理数据进行删除,从而得到有效数据。也可以是对电力数据进行识别,提取得到有效数据。
步骤204,将有效数据进行整合计算,得到多个电力指标。
步骤206,将多个电力指标划分为第一分类指标以及第二分类指标。
有效数据可以包括电压暂降数据、过程参数免疫时间、业务数据、电量使用数据等。服务器将有效数据中的电压暂降数据整合为电网暂降水平指标。服务器可以根据有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备免疫水平指标。服务器还可以根据有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备状态指标。服务器根据有效数据中的业务数据以及预设关系计算得到业务水平指标。业务数据可以包括包括缴费业务数据。服务器还可以根据有效数据中的电量使用数据计算得到电量需求水平指标。
服务器按照电能质量水平以及用户电力需求将计算得到的多个电力数据划分为第一分类指标以及第二分类指标。第一分类指标可以包括电网暂降水平指标、设备免疫水平指标、设备状态指标。第一分类指标可以表示电能质量水平。第二分类指标可以包括业务水平指标以及电量需求水平指标。第二分类指标可以表示用户电力需求。
步骤208,调用预设矩阵,对第一分类指标以及第二分类指标进行计算,得到第一分类指标对应的第一综合指标以及第二分类指标对应的第二综合指标。
步骤210,根据第一综合指标以及第二综合指标识别对应的电力需求区域。
服务器在得到第一分类指标以及第二分类指标后,可以调用预设矩阵,将第一分类指标以及第二分类指标输入至预设矩阵,对预设矩阵进行归一化处理,进而得到归一化矩阵。服务器根据归一化矩阵计算第一分类指标中每个电力指标对应的指标权重以及第二分类指标中每个电力指标对应的指标权重。服务器根据第一分类指标以及对应的指标权重计算得到对应的第一综合指标,根据第二分类指标以及对应的指标权重计算得到对应的第二综合指标。第一综合指标可以是电能质量水平指标,第二综合指标可以是用户电力需求指标。
服务器可以将第一综合指标以及第二综合指标与预设坐标进行比较,得到电力数据对应的电力需求区域。在其中一个实施例中,服务器根据第一综合指标以及第二综合指标建立二维坐标系;根据二维坐标系确定第一综合指标以及第二综合指标对应的综合坐标;将综合坐标与预设坐标进行比较,得到综合坐标对应的电力需求区域。具体的,如图3所示,服务器将第一综合指标作为横坐标轴,将第二综合坐标作为纵坐标轴,建立二维坐标系。
服务器在二维坐标系中确定第一综合指标以及第二综合指标对应的综合坐标。综合坐标可以是(第一综合指标,第二综合指标)。服务器综合坐标中的第一综合指标与预设坐标的横坐标进行比较,将综合坐标中的第二综合指标与预设坐标的纵坐标进行比较,进而确定综合坐标对应的电力需求区域。
预设坐标可以是根据预设区域内的电能质量事件数量以及售电行业的竞争激烈程度分析得到的。售电行业的竞争激烈程度可以根据预设区域内的电能消耗量来确定。预设区域内的电能质量事件数量越少,表示预设区域受电能质量问题困扰的程度较轻微,电能质量情况较好。售电行业的竞争激烈程度越弱,表示电力资源较稀缺,电力需求越低。服务器可以根据预设坐标将电力需求区域划分为区域一、区域二、区域三和区域四。例如,区域一可以是低需求强意愿区域,区域二可以是高需求强意愿区域,区域三可以是低需求弱意愿区域,区域四可以是高需求弱意愿区域。区域一可以表示电能质量情况良好、信用高且对电量需求大。区域二可以表示电能质量情况差、信用高且对电量需求大。区域三可以表示电能质量情况良好、信用较低且对电量需求低。区域四可以表示电能质量情况差、信用低且对电量需求低。
服务器通过识别综合坐标对应的电力需求区域,从而识别电力数据,实现将电力数据进行分类。服务器可以将电力数据识别结果发送至售电终端,以使售电终端了解用户特征。当综合坐标对应的电力需求区域为低需求弱意愿区域时,售电终端不会提供优质电力服务。当综合坐标对应的电力需求区域为低需求强意愿区域时,售电终端也不会提供优质电力服务。当综合坐标对应的电力需求区域为高需求弱意愿区域时,售电终端会根据信用情况以及电量使用情况来确定是否提供优质电力服务。当综合坐标对应的电力需求区域为高需求强意愿区域时,售电终端会提供优质电力服务。
在本实施例中,服务器通过在电力数据中提取有效数据,能够获取与用户电力需求以及电能质量水平相关的数据,有利于后续准确识别电力需求区域。服务器通过将有效数据进行整合计算,得到多个电力指标,能够从多个方面了解用户的电力需求。服务器通过将多个电力指标划分为第一分类指标以及第二分类指标,有利于后续进行综合指标计算。服务器通过调用预设矩阵,对第一分类指标以及第二分类指标进行计算,得到第一分类指标对应的第一综合指标以及第二分类指标对应的第二综合指标,降低了数据维度,有利于后续进行电力需求区域判断。服务器根据第一综合指标以及第二综合指标识别对应的电力需求区域,实现对电力数据进行定性识别,有效提高了电力数据识别的准确性。
在一个实施例中,如图4所示,将有效数据进行整合计算,得到多个电力指标的步骤包括:
步骤402,将有效数据中的电压暂降数据整合为电网暂降水平指标。
步骤404,根据有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备免疫水平指标。
步骤406,根据有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备状态指标。
步骤408,根据有效数据中的业务数据以及预设关系计算得到业务水平指标。
步骤410,根据有效数据中的电量使用数据计算得到电量需求水平指标。
有效数据可以包括电压暂降数据、过程参数免疫时间、用户信用数据、电量使用数据等。电力指标可以包括电网暂降水平指标、设备免疫水平指标、设备状态指标、业务水平指标以及电量需求水平指标。在其中一个实施例中,将有效数据中的电压暂降数据整合为电网暂降水平指标包括:根据有效数据中的电压暂降数据计算对应的电压暂降强度以及电压暂降概率分布数据;根据电压暂降强度以及电压暂降概率分布数据计算得到电压暂降水平指标。
电压暂降数据可以包括电压暂降幅值、电压暂降的持续时间以及暂降频次。电压暂降水平指标可以是用户在电网接入点受电压暂降的影响程度。电压暂降强度可以包括电压暂降幅值强度和电压暂降持续时间强度。电压暂降概率分布数据可以包括电压暂降幅值的概率密度函数和电压暂降持续时间的概率密度函数。
具体的,服务器根据电压暂降幅值的最小值以及电压暂降幅值的最大值计算电压暂降幅值强度。电压暂降幅值强度的计算公式可以如下所示:
其中,SM(U)表示电压暂降幅值强度,Umin表示电压暂降幅值的最小值,Umax表示电压暂降幅值的最大值。
服务器根据电压暂降持续时间的最小值以及电压暂降持续时间的最大值计算电压暂降持续时间强度。电压暂降持续时间强度的计算公式可以如下所示:
其中,SD(T)表示电压暂降强度,Tmin表示电压暂降持续时间的最小值,Tmax表示电压暂降持续时间的最大值。
服务器根据电压暂降幅值以及电压暂降持续时间计算电压暂降幅值的概率密度函数和电压暂降持续时间的概率密度函数。计算公式可以如下所示:
max H(s)=-∫Rf(s)lnf(s)ds (3)
s.t...∫Rf(s)ds=1 (4)
∫Rsf(s)ds=E1 (5)
∫R(s-E1)nf(s)ds=En (6)
其中,H(s)表示随机变量s的熵。f(s)表示s的概率密度函数,R表示s的取值边界,R取决于随机变量s的样本数据的最大值和最小值,E1表示样本数据的1阶原点矩,En表示样本数据的n阶中心矩,n=2,3,…,N,λi(i=2,3,…,N)为第i阶矩约束条件对应的Lagrangian算子。
服务器根据电压暂降幅值的概率密度函数和电压暂降持续时间的概率密度函数计算电压暂降概率密度函数。电压暂降概率密度函数的计算公式可以如下所示:
f(U,T)=f(U)·f(T) (8)
其中,f(U,T)表示电压暂降概率密度函数,f(U)是电压暂降幅值的概率密度函数,f(T)表示电压暂降持续时间的概率密度函数。
服务器根据电压暂降概率密度函数、电压暂降幅值强度以及电压暂降持续时间强度计算电压暂降水平指标。电压暂降水平指标的计算公式可以如下所示:
其中,S(U,T)表示电压暂降水平指标,RU,T表示电压暂降幅值和持续时间的定义域,f(U,T)表示电压暂降概率密度函数,SM(U)表示电压暂降幅值强度,SD(T)表示电压暂降强度。
在本实施例中,服务器根据电压暂降数据计算对应的电压暂降强度以及概率分布数据,有利于根据电压暂降强度以及概率分布数据计算得到电压暂降水平指标,进而准确计算电压暂降水平指标。
在其中一个实施例中,根据有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备免疫水平指标包括:根据有效数据中的电压暂降数据以及过程参数免疫时间获取对应的过程参数免疫时间曲线;根据过程参数免疫时间曲线计算得到对应的设备免疫水平指标。
电压暂降数据可以包括电压暂降幅值、电压暂降的持续时间以及暂降频次。服务器可以通过改变电压暂降幅值的大小来获取过程参数免疫时间曲线(process parameterimmunity time,简称PIT)。过程参数免疫时间曲线可以是关于过程参数免疫时间和电压暂降幅值的综合曲线。服务器通过历史电压暂降持续时间的最大值、预设电压暂降幅值区间以及过程参数免疫时间曲线计算得到过程参数免疫时间曲线面积的最小值以及最大值。预设电压暂降幅值区间可以是0.1pu—0.9pu。综合过程参数免疫时间曲线可以如图5所示。其中,横坐标表示电压暂降幅值,纵坐标表示过程参数免疫时间,PITlimt表示历史电压暂降持续时间的最大值,阴影部分的面积表示过程参数免疫时间曲线面积。
服务器根据过程参数免疫时间曲线面积的最小值以及最大值计算设备免疫水平指标。设备免疫水平指标的计算公式可以如下所示:
其中,I表示设备免疫水平指标,Amin为过程参数免疫时间曲线面积的最小值,Amax为过程参数免疫时间曲线面积的最大值。
在本实施例中,服务器通过根据电压暂降数据获取对应的过程参数免疫时间曲线,能够根据电压暂降数据的变化得到设备过程参数免疫时间与电压暂降数据之间的关系,进而根据过程参数免疫时间曲线计算得到对应的设备免疫水平指标,考虑了设备免疫水平对电力数据识别的影响,有利于提高电力数据识别的全面性和准确性。
在其中一个实施例中,根据有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备状态指标包括:根据有效数据中的电压暂降数据以及过程参数免疫时间确定电压暂降后的设备运行状态;根据电压暂降后的设备运行状态计算设备状态指标。
服务器根据有效数据中的电压暂降数据以及过程参数免疫时间获取对应的过程参数免疫时间曲线,根据过程参数免疫时间曲线获取单次暂降过程参数免疫时间曲线,可以如图6所示。其中,t1表示电压暂降开始时间,t2表示过程参数发生变化的时间,t2表示某次电压暂降的结束时间,即设备在t2之前过程参数发生了变化,但并未超过过程参数临界值,设备在t2之后恢复到正常运行状态,t4表示过程参数超过过程参数临界值的时间,t5表示再一次电压暂降的结束时间,即设备在t5之前过程参数发生了变化,且超过了过程参数临界值,设备在t5之后只能通过人工恢复到正常运行状态。
服务器可以根据单次暂降过程参数免疫时间曲线中的t1-t5将设备在电压暂降后的状态划分为正常运行状态、自动恢复状态以及人工恢复状态。当有效数据中的电压暂降结束时间处于(t1,t2)时,则设备处于正常运行状态。当电压暂降结束时间处于(t2,t4)时,则设备处于自动恢复状态。当电压暂降结束时间在t4之后,则设备处于人工恢复状态。服务器可以将电压暂降后的设备运行状态进行量化分级。服务器可以将自动恢复状态对应的时间区间划分为第一等级、第二等级以及第三等级。第一等级可以表示最接近标准过程参数的区间。第三等级可以表示最接近过程参数临界值的区间。区间划分的方式可以是均等划分。服务器可以通过专家终端来对电压暂降后的设备运行状态进行评分,从而计算得到设备状态指标。例如,正常运行状态下的设备状态指标可以是0.9,自动恢复状态下的第一等级可以是0.7、第二等级可以是0.5、第三等级可以是0.3,人工恢复状态下的设备状态指标可以是0.1。
在本实施例中,服务器根据有效数据中的电压暂降数据以及过程参数免疫时间确定电压暂降后的设备运行状态,进而根据电压暂降后的设备运行状态计算设备状态指标,能够通过设备运行状态了解用户的电能质量水平,进一步提高了电力数据识别的准确性。
用户的信用水平是电力数据识别的一个重要因素。服务器通过获取有效数据,识别有效数据中的业务数据。业务数据可以包括缴费业务数据。例如,缴费业务数据可以包括超期缴费次数。服务器根据业务数据以及预设关系计算得到业务水平指标。业务水平指标计算公式可以如下所示:
H(k)=e-k (11)
其中,H(k)表示业务水平指标,k表示用户的超期缴费次数。
在其中一个实施例中,根据有效数据中的电量使用数据计算得到电量需求水平指标包括:在有效数据中的电量使用数据中提取最大电量使用数据以及最小电量使用数据;根据最大电量使用数据、最小电量使用数据以及预设关系计算电量需求水平指标。
服务器通过对所有用户的电量使用数据进行统计,得到最大电量使用数据以及最小电量使用数据。服务器进而根据最大电量使用数据、最小电量使用数据以及预设关系计算电量需求水平指标。电量需求水平指标的计算公式可以如下所示:
其中,E(Q)表示电量需求水平指标,Q表示用户当前的电量数据,Qmin表示最小电量使用数据,Qmax表示最大电量使用数据。
服务器通过提取最大电量使用数据以及最小电量使用数据,计算电量需求水平指标,从而了解用户对电量的需求,进而有利于售电公司的资源分配,提高了电力数据识别的准确性。
在本实施例中,服务器通过计算电网暂降水平指标、设备免疫水平指标、设备状态指标、业务水平指标、电量需求水平指标,能够将电网、设备以及用户等三个角度进行结合,对电力数据进行更加全面地识别,进一步提高了电力数据识别的准确性。
在一个实施例中,调用预设矩阵,对第一分类指标以及第二分类指标进行计算,得到第一分类指标对应的第一综合指标以及第二分类指标对应的第二综合指标包括:调用预设矩阵,将第一分类指标以及第二分类指标输入至预设矩阵,进行归一化处理,得到归一化矩阵;根据归一化矩阵计算第一分类指标中每个电力指标对应的指标权重以及第二分类指标中每个电力指标对应的指标权重;根据第一分类指标以及对应的指标权重计算得到对应的第一综合指标;根据第二分类指标以及对应的指标权重计算得到对应的第二综合指标。
服务器在得到第一分类指标以及第二分类指标后,可以将第一分类指标以及第二分类指标输入至预设矩阵。第一分类指标可以包括电网暂降水平指标、设备免疫水平指标、设备状态指标。第一分类指标可以表示电能质量水平。第二分类指标可以包括业务水平指标以及电量需求水平指标。第二分类指标可以表示用户电力需求。预设矩阵可以如下所示:
其中,J表示预设矩阵,aij表示第i个用户的第j个电力指标,i表示用户数量,i=1,2,3...,j表示电力指标数量,j=1,2,3...。
服务器将预设矩阵进行归一化处理,得到归一化矩阵。归一化矩阵可以如下所示:
其中,bij表示归一化处理后的第i个用户的第j个电力指标,aij表示第i个用户的第j个电力指标,i表示用户数量,i=1,2,3...,j表示电力指标数量,j=1,2,3...。
服务器根据归一化矩阵确定第一分类指标以及第二分类指标中每个电力指标对应的熵。每个电力指标对应的熵的计算公式可以如下所示:
其中,cj表示第j个指标的熵,bij表示归一化处理后的第i个用户的第j个电力指标,i表示用户数量,i=1,2,3...,j表示电力指标数量,j=1,2,3...。
服务器进而根据每个电力指标对应的熵来计算每个电力指标的指标权重。指标权重的计算公式可以如下所示:
dj=1/cj (17)
其中,dj表示第j个指标的熵的倒数,cj表示第j个指标的熵,fj表示第j个电力指标的指标权重,j表示电力指标数量,j=1,2,3...。
服务器根据每个电力指标以及对应的指标权重计算综合指标。综合指标的计算公式可以如下所示:
其中,hi表示综合指标,fj表示第j个电力指标的指标权重,aij表示第i个用户的第j个电力指标,i表示用户数量,i=1,2,3...,j表示电力指标数量,j=1,2,3...。
服务器通过将第一分类指标以及对应的指标权重代入公式(19),计算得到对应的第一综合指标,将第二分类指标以及对应的指标权重代入公式(19),计算得到对应的第二综合指标。例如,服务器在监测终端中获取五家企业的电力数据,从电力数据中提取有效数据。有效数据可以包括电压暂降数据、过程参数免疫时间、业务数据、电量使用数据等。电压暂降数据可以包括电压暂降幅值和持续时间。该五家企业可以用A、B、C、D、E表示。五家企业的电压暂降幅值和持续时间可以如表1所示:
表1
服务器通过历史电压暂降持续时间的最大值、预设电压暂降幅值区间以及过程参数免疫时间曲线计算得到过程参数免疫时间曲线面积。服务器通过专家终端来对电压暂降后的设备运行状态进行评分,得到设备运行状态分值。服务器获取到的有效数据可以如表2所示:
表2
服务器将电压暂降幅值和持续时间代入公式(1)-(9)计算得到电压暂降水指标。服务器将过程参数免疫时间曲线面积代入公式(10)计算得到设备免疫水平指标。服务器根据设备运行状态分值计算得到设备状态指标。设备状态指标也可以称为用户可接受状态指标。服务器将业务数据代入公式(11)计算得到业务水平指标。业务水平指标也可以称为用户超期缴费指标。服务器将年用电量代入公式(12)计算得到电量需求水平指标。服务器计算得到的电压暂降水平指标、设备免疫水平指标、用户可接受状态指标、用户超期缴费指标以及电量需求水平指标可以如表3所示:
表3
由表3可知,电压暂降水平指标C>D>B>E>A;设备免疫水平指标C>E>B>D>A;用户可接受状态指标(过程参数要求水平)A=C>E>D=B;用户超期缴费C>B>D>E>A;用户电量需求指标C>A>D>B>E。
服务器可以将表3中的电压暂降水平指标、设备免疫水平指标、用户可接受状态指标代入公式(13)-(19)计算电能质量指标,将表3中的用户超期缴费指标以及电量需求水平指标代入公式(13)-(19)计算得到用户电力需求指标,电力需求指标可以称为用户价值指标。计算结果可以如表4所示:
表4
服务器以电能质量水平为横坐标,用户价值为纵坐标,建立电力公司对电能质量敏感用户的投资价值识别的二维坐标系。服务器根据五家企业所在地区的电力资源分配情况将价值分类点,即预设坐标设为(0.4,0.4)。服务器将每家企业的综合指标与预设指标进行比较,识别得到每家企业对应的电力需求区域。二维坐标系以及每家企业对应的电力需求区域可以如图7所示。其中,A企业处于区域一,即低需求强意愿区域,售电公司在提供优质电力服务时将受到阻碍,建议在更细化沟通了解用户电能质量情况后做出策略的判断。B、D用户处于低需求弱意愿部分,不建议售电公司提供优质电力服务;C用户处于高需求强意愿部分,建议售电公司优先为其制定优质电力服务。E用户处于高需求弱意愿部分,建议售电公司对该用户的信用和潜力进行更深入研究后再考虑提供优质电力服务。
在本实施例中,服务器通过将第一分类指标以及第二分类指标输入至预设矩阵,进行归一化处理,有利于将多个电力指标进行统一,便于后续进行指标权重的计算。服务器根据归一化矩阵计算第一分类指标中每个电力指标对应的指标权重以及第二分类指标中每个电力指标对应的指标权重,能够确定每个电力指标的作用大小。服务器通过根据第一分类指标以及对应的指标权重计算得到对应的第一综合指标,根据第二分类指标以及对应的指标权重计算得到对应的第二综合指标,减小了电力指标的维度,有利于确定第一综合指标以及第二综合指标对应的电力需求区域。
应该理解的是,虽然图2以及图4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以及图4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。
在一个实施例中,如图8所示,提供了一种电力数据识别装置,包括:通信模块802、第一计算模块804、分类模块806、第二计算模块808和识别模块810,其中:
通信模块802,用于获取电力数据,在电力数据中提取有效数据。
第一计算模块804,用于将有效数据进行整合计算,得到多个电力指标。
分类模块806,用于将多个电力指标划分为第一分类指标以及第二分类指标。
第二计算模块808,用于调用预设矩阵,对第一分类指标以及第二分类指标进行计算,得到第一分类指标对应的第一综合指标以及第二分类指标对应的第二综合指标。
识别模块810,用于根据第一综合指标以及第二综合指标识别对应的电力需求区域。
在一个实施例中,第一计算模块804还用于将有效数据中的电压暂降数据整合为电网暂降水平指标;根据有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备免疫水平指标;根据有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备状态指标;根据有效数据中的业务数据以及预设关系计算得到业务水平指标;根据有效数据中的电量使用数据计算得到电量需求水平指标。
在一个实施例中,第一计算模块804还用于根据有效数据中的电压暂降数据计算对应的电压暂降强度以及概率分布数据;根据电压暂降强度以及概率分布数据计算得到电压暂降水平指标。
在一个实施例中,第一计算模块804还用于根据有效数据中的电压暂降数据以及过程参数免疫时间获取对应的过程参数免疫时间曲线;根据过程参数免疫时间曲线计算得到对应的设备免疫水平指标。
在一个实施例中,第一计算模块804还用于根据有效数据中的电压暂降数据以及过程参数免疫时间确定电压暂降后的设备运行状态;根据电压暂降后的设备运行状态计算设备状态指标。
在一个实施例中,第一计算模块804还用于在有效数据中的电量使用数据中提取最大电量使用数据以及最小电量使用数据;根据最大电量使用数据、最小电量使用数据以及预设关系计算所述电量需求水平指标。
在一个实施例中,第二计算模块808还用于调用预设矩阵,将第一分类指标以及第二分类指标输入至预设矩阵,进行归一化处理,得到归一化矩阵;根据归一化矩阵计算第一分类指标中每个电力指标对应的指标权重以及第二分类指标中每个电力指标对应的指标权重;根据第一分类指标以及对应的指标权重计算得到对应的第一综合指标;根据第二分类指标以及对应的指标权重计算得到对应的第二综合指标。
在一个实施例中,识别模块810还用于根据第一综合指标以及第二综合指标建立二维坐标系;根据二维坐标系确定第一综合指标以及第二综合指标对应的综合坐标;将综合坐标与预设坐标进行比较,得到综合坐标对应的电力需求区域。
关于电力数据识别装置的具体限定可以参见上文中对于电力数据识别方法的限定,在此不再赘述。上述电力数据识别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服务器,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、网络接口和数据库。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、计算机程序和数据库。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。该计算机设备的数据库用于存储电力数据和有效数据。该计算机设备的网络接口用于与外部的监测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电力数据识别方法。
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。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述各个方法实施例中的步骤。
在一个实施例中,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上述各个方法实施例中的步骤。
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)
1.一种电力数据识别方法,所述方法包括:
获取电力数据,在所述电力数据中提取有效数据;
将所述有效数据进行整合计算,得到多个电力指标;
将多个电力指标划分为第一分类指标以及第二分类指标;
调用预设矩阵,对所述第一分类指标以及第二分类指标进行计算,得到所述第一分类指标对应的第一综合指标以及第二分类指标对应的第二综合指标;
根据所述第一综合指标以及第二综合指标识别对应的电力需求区域,包括:根据所述第一综合指标以及所述第二综合指标建立二维坐标系;在所述二维坐标系中确定所述第一综合指标和所述第二综合指标所组成的综合坐标;将所述综合坐标与预设坐标进行比较,得到所述电力数据对应的电力需求区域。
2.根据权利要求1所述的方法,其特征在于,所述将所述有效数据进行整合计算,得到多个电力指标包括:
将所述有效数据中的电压暂降数据整合为电网暂降水平指标;
根据所述有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备免疫水平指标;
根据所述有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备状态指标;
根据所述有效数据中的业务数据以及预设关系计算得到业务水平指标;
根据所述有效数据中的电量使用数据计算得到电量需求水平指标。
3.根据权利要求2所述的方法,其特征在于,所述将所述有效数据中的电压暂降数据整合为电网暂降水平指标包括:
根据所述有效数据中的电压暂降数据计算对应的电压暂降强度以及概率分布数据;
根据所述电压暂降强度以及概率分布数据计算得到电压暂降水平指标。
4.根据权利要求2所述的方法,其特征在于,所述根据所述有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备免疫水平指标包括:
根据所述有效数据中的电压暂降数据以及过程参数免疫时间获取对应的过程参数免疫时间曲线;
根据所述过程参数免疫时间曲线计算得到对应的设备免疫水平指标。
5.根据权利要求2所述的方法,其特征在于,所述根据所述有效数据中的电压暂降数据以及过程参数免疫时间计算得到设备状态指标包括:
根据所述有效数据中的电压暂降数据以及过程参数免疫时间确定电压暂降后的设备运行状态;
根据所述电压暂降后的设备运行状态计算设备状态指标。
6.根据权利要求2所述的方法,其特征在于,所述根据所述有效数据中的电量使用数据计算得到电量需求水平指标包括:
在所述有效数据中的电量使用数据中提取最大电量使用数据以及最小电量使用数据;
根据所述最大电量使用数据、最小电量使用数据以及预设关系计算所述电量需求水平指标。
7.根据权利要求1所述的方法,其特征在于,所述调用预设矩阵,对所述第一分类指标以及第二分类指标进行计算,得到所述第一分类指标对应的第一综合指标以及第二分类指标对应的第二综合指标包括:
调用预设矩阵,将所述第一分类指标以及第二分类指标输入至所述预设矩阵,进行归一化处理,得到归一化矩阵;
根据所述归一化矩阵计算所述第一分类指标中每个电力指标对应的指标权重以及第二分类指标中每个电力指标对应的指标权重;
根据所述第一分类指标以及对应的指标权重计算得到对应的第一综合指标;
根据所述第二分类指标以及对应的指标权重计算得到对应的第二综合指标。
8.一种电力数据识别装置,其特征在于,所述装置包括:
通信模块,用于获取电力数据,在所述电力数据中提取有效数据;
第一计算模块,用于将所述有效数据进行整合计算,得到多个电力指标;
分类模块,用于将多个电力指标划分为第一分类指标以及第二分类指标;
第二计算模块,用于调用预设矩阵,对所述第一分类指标以及第二分类指标进行计算,得到所述第一分类指标对应的第一综合指标以及第二分类指标对应的第二综合指标;
识别模块,用于根据所述第一综合指标以及第二综合指标识别对应的电力需求区域,包括:根据所述第一综合指标以及所述第二综合指标建立二维坐标系;在所述二维坐标系中确定所述第一综合指标和所述第二综合指标所组成的综合坐标;将所述综合坐标与预设坐标进行比较,得到所述电力数据对应的电力需求区域。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有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7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7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010001038.6A CN111242433B (zh) | 2020-01-02 | 2020-01-02 | 电力数据识别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010001038.6A CN111242433B (zh) | 2020-01-02 | 2020-01-02 | 电力数据识别方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111242433A CN111242433A (zh) | 2020-06-05 |
CN111242433B true CN111242433B (zh) | 2022-07-22 |
Family
ID=70879584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010001038.6A Active CN111242433B (zh) | 2020-01-02 | 2020-01-02 | 电力数据识别方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111242433B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102385723A (zh) * | 2011-10-25 | 2012-03-21 | 中国电力科学研究院 | 一种重要电力用户应急电源配置方法 |
CN104200275A (zh) * | 2014-06-24 | 2014-12-10 | 国家电网公司 | 基于用户行为特点的用电模式分类和控制方法 |
CN107403263A (zh) * | 2017-07-19 | 2017-11-28 | 国网江苏省电力公司电力科学研究院 | 一种电力大客户用电需求识别方法 |
WO2018086488A1 (zh) * | 2016-11-10 | 2018-05-17 | 中国电力科学研究院有限公司 | 一种配电网风险辨识系统、方法及计算机存储介质 |
CN110196377A (zh) * | 2019-04-18 | 2019-09-03 | 华南理工大学 | 一种电网电压暂降评级方法 |
CN110488119A (zh) * | 2019-08-13 | 2019-11-22 | 广东电网有限责任公司 | 一种考虑冗余度的工业过程电压暂降中断概率评估方法 |
-
2020
- 2020-01-02 CN CN202010001038.6A patent/CN111242433B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102385723A (zh) * | 2011-10-25 | 2012-03-21 | 中国电力科学研究院 | 一种重要电力用户应急电源配置方法 |
CN104200275A (zh) * | 2014-06-24 | 2014-12-10 | 国家电网公司 | 基于用户行为特点的用电模式分类和控制方法 |
WO2018086488A1 (zh) * | 2016-11-10 | 2018-05-17 | 中国电力科学研究院有限公司 | 一种配电网风险辨识系统、方法及计算机存储介质 |
CN107403263A (zh) * | 2017-07-19 | 2017-11-28 | 国网江苏省电力公司电力科学研究院 | 一种电力大客户用电需求识别方法 |
CN110196377A (zh) * | 2019-04-18 | 2019-09-03 | 华南理工大学 | 一种电网电压暂降评级方法 |
CN110488119A (zh) * | 2019-08-13 | 2019-11-22 | 广东电网有限责任公司 | 一种考虑冗余度的工业过程电压暂降中断概率评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111242433A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876133B (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
CN109461078B (zh) | 一种基于资金交易网络的异常交易识别方法及系统 | |
CN109858737B (zh) | 基于模型部署的评分模型调整方法、装置和计算机设备 | |
CN106067088A (zh) | 电子银行访问行为的检测方法和装置 | |
CN108256810B (zh) | 保险业务审批流程处理方法和装置 | |
CN111199018A (zh) | 异常数据检测方法、装置、存储介质及电子设备 | |
CN110391840B (zh) | 太阳同步轨道卫星遥测参数异常判断方法和系统 | |
CN103065050A (zh) | 一种信息系统运维期健康度状态层次判断方法 | |
CN111986026A (zh) | 基于层次分析法的个人信贷业务风险评估方法及装置 | |
CN111242430A (zh) | 电力设备供应商评价方法和装置 | |
CN110335144B (zh) | 个人电子银行账户安全检测方法及装置 | |
CN114612119A (zh) | 基于层次分析法和有序加权算子的供应商风险预警系统 | |
CN109308225A (zh) | 一种虚拟机异常检测方法、装置、设备及存储介质 | |
CN110781303A (zh) | 一种短文本分类方法及系统 | |
CN110569363A (zh) | 一种决策流组件生成方法、装置、电子设备及存储介质 | |
CN112016856B (zh) | 综合倍率异常识别方法、装置、计量系统和存储介质 | |
CN111242433B (zh) | 电力数据识别方法、装置、计算机设备和存储介质 | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的系统和方法 | |
CN117593115A (zh) | 信贷风险评估模型的特征值确定方法、装置、设备和介质 | |
CN107844496B (zh) | 统计信息输出方法及装置 | |
CN109800975B (zh) | 一种资源评估方法、装置、计算机设备和存储介质 | |
CN111353797B (zh) | 资源分配方法、装置以及电子设备 | |
CN111147441A (zh) | 网络购票的舞弊行为自动检测方法、设备及可读存储介质 | |
CN113837467B (zh) | 点对点能源项目评估方法、装置、计算机设备和存储介质 | |
CN108446907B (zh) | 安全校验方法及装置 |
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 |