CN112669075B - 一种用电客户电量异常波动核查方法 - Google Patents
一种用电客户电量异常波动核查方法 Download PDFInfo
- Publication number
- CN112669075B CN112669075B CN202011624914.7A CN202011624914A CN112669075B CN 112669075 B CN112669075 B CN 112669075B CN 202011624914 A CN202011624914 A CN 202011624914A CN 112669075 B CN112669075 B CN 112669075B
- Authority
- CN
- China
- Prior art keywords
- user
- electric quantity
- classification
- value
- curve
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Abstract
本发明公开了一种用电客户电量异常波动核查方法,包括:S1:获取全量用户数据并进行规格化处理;S2:对用户进行分类,提取用户历史用电并根据历史结算用电及实际用电情况标记是否差错;S3:计算用户电量对比变化值并设置电量对比变化值对应的阈值,并据此得到筛查正常用户和异常用户并进行新的差错分类;S4:构建分类曲线,判断当前分类方式的可用性,若分类方式可用,则曲线拐点对应值即为阈值的最优值,据此得到筛选条件;S5:对新一期结算电费进行筛选及核查;S6:系统运行一段时间,选取最近的历史用户作为分析样本,重复S4得到新的拐点值并据此进行调整。本发明在控制核查遗漏数即控制差错量的同时减少人工核查工作量提高核查效率。
Description
技术领域
本发明涉及电力系统技术领域,更具体地,涉及一种用电客户电量异常波动核查方法。
背景技术
电力体制改革背景下,随着电力市场的开放,用电客户从目前的卖方市场逐步向买方市场转变,从而用电客户对供电服务质量的关注程度越来越高。供电单位通过对用电客户服务质量类的投诉进行分析,发现相当部分的投诉是用电客户反映收到电费账单慢。而导致出具客户电费账单慢的原因,相当部分都是客户的结算电费计算结果被系统设置的电费异常核查规则检出,需要工作人员逐户进行人工核实,花费时间较多。进一步对异常用户进行分析,发现是电量突变(突增或突减)规则检出异常用户较多。突变规则的波动值设置过大,筛选出的异常用户量多,遗漏的差错用户少;波动值设置过小,筛选出的用户少,但是遗漏的差错用户多。目前筛选出来的异常用户,还是采用人工核查,在筛选出来的用户多的情况下,增加人工无效复核工作量;筛选出来的用户少的情况下,真正有差错需要核查的用户就会遗漏,不利于客户服务。
现有技术中,公开号为CN108647246A的中国发明专利,于2018年10月12日公开了一种专变电量异常诊断平台架构的诊断方法。该方法以专变电量异常诊断平台通过自动采集电力营销系统、计量自动化系统的档案数据和抄表数据,通过定制化的规则与阀值,对专变电量异常数据进行自动化智能诊断,给出异常数据提示,引导电费核算人员进行电量电费确认工作。该方案结构原理复杂,诊断核查效果不理想。
发明内容
本发明为克服上述现有技术中用电客户电量异常波动核查依靠人工,效率低、容易遗漏的缺陷,提供一种用电客户电量异常波动核查方法。
本发明的首要目的是为解决上述技术问题,本发明的技术方案如下:
一种用电客户电量异常波动核查方法,包括以下步骤:
S1:从电网营销系统中获取全量用户数据并进行规格化处理;
S2:根据用户的用电特性将规格化处理后的用户数据进行分类,提取用户历史用电,并根据历史结算用电及实际用电情况标记是否差错;
S3:根据用户历史用电,计算用户电量对比变化值(如:同期对比、环比绝对或相对波动值)并设置电量对比变化值对应的阈值,根据阈值得到筛查正常用户和异常用户,将正常用户、异常用户与实际的标记作比较得到每个用户新的差错分类;
S4:调节所述阈值大小,得到用户新的差错分类,据此构建分类曲线,利用分类曲线判断当前分类方式的可用性,若分类方式可用,则曲线拐点对应值即为阈值的最优值,据此得到筛选条件,若当前分类方式不可用,则改变步骤S3中的电量对比变化值计算方式重新对每个用户分类或弃用;
S5:利用步骤S4的阈值的最优值作为筛选条件对新一期结算电费进行筛选及核查。
S6:电网营销系统运行一段时间,选取最近时间段的历史用户作为分析样本,重复S4得到新的曲线拐点对应值并据此进行用户分类调整。
进一步地,步骤S1所述的规格化处理具体为:
获取全量用户数据,以用户计费周期月为最小时间周期对每个用户进行数据划分,剔除当月有影响电量波动的业务发生的用户。
进一步地,所述影响电量波动的业务包括有:本月用户增加使用容量、用户办理设备停用。
进一步地,步骤S3的具体过程为:
S301根据用户历史用电,计算用户电量对比变化值M及设置电量对比变化值对应的阈值m;
S302将规格化处理后用户电量对比变化值M与m比较,若用户电量对比变化值M大于或等于m则判定为异常用户,若用户电量对比变化值M小于m则判定为正常用户;
S303将正常用户、异常用户与实际的标记作比较得到每个用户新的差错分类。
进一步地,S303所述将正常用户、异常用户与实际的标记作比较得到每个用户新的差错分类,具体分类过程如下:
用电量实际正确且系统判断正确则设为真正类,记为TP;
用电量实际正确且系统判断错误则设为假负类,记为FN;
用电量实际错误且系统判断正确则设为假正类,记为FP;
用电量实际错误且系统判断错误则设为真负类,记为TN。
进一步地,步骤S4调节所述阈值大小,得到用户新的差错分类,据此构建分类曲线,利用分类曲线判断当前分类方式的可用性,若分类方式可用,则曲线拐点对应值即为阈值的最优值,据此得到筛选条件,若当前分类方式不可用,则改变步骤S3中电量对比变化值的计算方式重新对每个用户分类或弃用,具体过程为:
S401:利用新的差错分类计算出假负率FNR、真负率TNR、假正率FPR和真正率TPR;
S402:以假正率为横坐标,以真正率为纵坐标,通过改变电量对比变化值对应的阈值得到不同的坐标点,在平面直角坐标系中将坐标点连线构建出分类曲线,其中分类曲线横坐标和纵坐标的取值范围均为0至1;
S403:在坐标系中将坐标原点和(1,1)点连线得到判别直线,若分类曲线在判别直线的上方,则当前分类方式可用,若分类曲线在判别直线的下方,则当前分类方式不可用,改变步骤S3中的电量对比变化值计算方式重新对每个用户分类;
S404:若当前分类方式可用,以分类曲线中到坐标(0,1)距离最短的点作为拐点,所述拐点对应的取值即为电量对比变化值对应的阈值取值最优值,据此得到筛选条件。
进一步地,
所述假负率的计算公式为:
FNR=FN/(FN+TN)
所述真负率的计算公式为:
TNR=1-FNR
所述假正率的计算公式为:
FPR=FP/(FP+TP)
所述真正率的计算公式为:
TPR=1-FPR。
进一步地,当电量对比变化值对应的阈值最小时,对应的坐标点为(0,0),当电量对比变化值对应的阈值最大时,对应的坐标点为(1,1)。
与现有技术相比,本发明技术方案的有益效果是:
本发明首先获取全量用户数据进行规格化处理,然后计算电量对比变化值及设置电量对比变化值阈值进行用户分类,构建分类曲线判断分类的可用性进而确定分类的筛选条件,本发明可以更加合理的对电量异常用户进行分类,在控制核查遗漏数即控制差错量的同时减少人工核查工作量,提高核查效率。
附图说明
图1为本发明的方法流程图。
图2为本发明理想分类曲线图。
图3为本发明实施例中居民有功电量突的分类曲线图。
图4为本发明实施例中有功电量变化的分类曲线图。
图5为本发明实施例中专变用户有功电量突变的分类曲线图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
实施例1
如图1所示,一种用电客户电量异常波动核查方法,包括以下步骤:
S1:从电网营销系统中获取全量用户数据并进行规格化处理;
在一个具体的实施例中,首先从从电网营销系统中获取全量用户数据,以用户计费周期月为最小时间周期对每个用户进行数据划分,剔除当月有影响电量波动的业务发生的用户,更具体的,所述影响电量波动的业务包括有:本月用户增加使用容量、用户办理设备停用。
S2:根据用户的用电特性将规格化处理后的用户数据进行分类,提取用户历史用电,并根据历史结算用电及实际用电情况标记是否差错;
S3:根据用户历史用电,计算用户电量对比变化值并设置电量对比变化值对应的阈值,根据阈值得到正常用户和异常用户,将正常用户、异常用户与实际的标记作比较得到每个用户新的差错分类;
步骤S3的具体过程为:
S301根据用户历史用电,计算电量对比变化值M以及设置电量对比变化值对应的阈值m;
需要说明的是,在一个具体的实施例中,所述电量对比变化值可为同比电量差值、环比电量差值、同比电量波动率、环比电量波动率等。
S302将规格化处理后的用户电量对比变化值M与m比较,若用户电量电量对比变化值差值M大于或等于m则判定为异常用户,若用户电量对比变化值M小于m则判定为正常用户;
S303将正常用户、异常用户与实际的标记作比较得到每个用户新的差错分类。
更具体的,S303所述将正常用户、异常用户与实际的标记作比较得到每个用户新的差错分类,具体分类过程如下:
用电量实际正确且系统判断正确则设为真正类,记为TP;
用电量实际正确且系统判断错误则设为假负类,记为FN,也即误判(α错误);
用电量实际错误且系统判断正确则设为假正类,记为FP,也即漏判(β错误);
用电量实际错误且系统判断错误则设为真负类,记为TN。
S4:调节所述阈值大小,得到用户新的差错分类,据此构建分类曲线,利用分类曲线判断当前分类方式的可用性,若分类方式可用,则曲线拐点对应值即为阈值的最优值,据此得到筛选条件,若当前分类方式不可用,则改变步骤S3中电量对比变化值计算方式重新对每个用户分类或弃用;
具体过程为:
S401:利用新的差错分类计算出假负率FNR、真负率TNR、假正率FPR和真正率TPR;所述假负率的计算公式为:
FNR=FN/(FN+TN)
所述真负率的计算公式为:
TNR=1-FNR
所述假正率的计算公式为:
FPR=FP/(FP+TP)
所述真正率的计算公式为:
TPR=1-FPR;
S402:以假正率为横坐标,以真正率为纵坐标,通过改变电量对比变化值对应的阈值得到不同的坐标点,在平面直角坐标系中将坐标点连线构建出分类曲线,其中分类曲线横坐标和纵坐标的取值范围均为0至1,其中,当电量差值对应的阈值最小时,对应的坐标点为(0,0),当电量差值对应的阈值最大时,对应的坐标点为(1,1)。
如图2所示为理想分类曲线图。横轴FPR(误判率):FPR越大,预测正类中实际负类越多;纵轴TPR(正判率):TPR越大,预测正类中实际正类越多。理想目标:TPR=1,FNR=0,即图中(0,1)点,故曲线越靠拢(0,1)点,越偏离45度对角线越好,应用效果越好。
S403:在坐标系中将坐标原点和(1,1)点连线得到判别直线,若分类曲线在判别直线的上方,则当前分类方式可用,若分类曲线在判别直线的下方,则当前分类方式不可用,改变步骤S3中的电量对比变化值计算方式重新对每个用户分类;
S404:若当前分类方式可用,以分类曲线中到坐标(0,1)距离最短的点作为拐点,所述拐点对应的取值即为电量对比变化值对应的阈值取值最优值,据此得到筛选条件。
S5:利用步骤S4的阈值的最优阈值作为筛选条件对新一期结算电费进行筛选及核查;
S6:电网营销系统运行一段时间,选取最近时间段的历史用户作为分析样本,重复S4得到新的曲线拐点对应值并据此进行用户分类调整。
验证分析
1、居民有功电量突增
随机抽取触发“居民有功电量突增”规则的样本共84377条,其中电费实际差错501条。图3所示为居民有功电量突的分类曲线图(ROC曲线图),表1为居民有功电量突增分类曲线下面积检验表。
表1居民有功电量突增分类曲线下面积检验表
通过统计假设检验,分类曲线检验P值<0.05,说明突变电量M和突变倍数P对诊断有效;AUC值>0.9,证明突变电量阈值M和突变倍数阈值P的诊断效果非常好。ROC曲线中,越靠近(0,1)点表示拦截率较高且系统误判率较低,适合取靠近左上角极值对应的M和P值作为参数较优解。
2、有功电量变化
随机抽取某电费结算期触发规则“本期有功电量不为0且上期有功电量为0”的样本共11502条,其中电费实际差错335条,图4为有功电量变化的分类曲线图,表2为有功电量变化分类曲线下面积检验表。
表2有功电量变化分类曲线下面积检验表
通过统计假设检验,分类曲线检验P值<0.05,说明突变电量阈值M对本期有功电量不为0且上期有功电量为0错误诊断有效;AUC值=0.737,表明M诊断效果较好;取较靠近左上角的极值对应的M值作为较优解。
3、专变用户有功电量突变
简单随机抽取触发规则“转变用户有功电量突变”的样本共2154条,其中电费实际差错46条。图5为专变用户有功电量突变的分类曲线图,表3为分类曲线下面积检验表。
表3专变用户有功电量突变分类曲线下面积检验表
通过检验发现M(突变电量)分类曲线下面积AUC值=0.004,说明突变电量阈值M对专变用户有功电量突增差错的诊断无效,说明专变用户重算原因主要不是电量突变影响的;突变倍数阈值P的AUC值=0.525,说明突变倍数阈值P对专变用户有功电量突增差错的诊断效果不明显。综合业务实际及分类曲线情况,可知专变用户差错的主要原因不在于电量差错,此规则筛查的异常数据不具有参考性,此分类选取角度失效。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种用电客户电量异常波动核查方法,其特征在于,包括以下步骤:
S1:从电网营销系统中获取全量用户数据并进行规格化处理;
S2:根据用户的用电特性将规格化处理后的用户数据进行分类,提取用户历史用电,并根据历史结算用电及实际用电情况标记是否差错;
S3:根据用户历史用电,计算用户电量对比变化值并设置电量对比变化值对应的阈值,根据阈值得到筛查正常用户和异常用户,将正常用户、异常用户与实际的标记作比较得到每个用户新的差错分类;
S4:调节所述阈值大小,得到用户新的差错分类,据此构建分类曲线,利用分类曲线判断当前分类方式的可用性,若分类方式可用,则曲线拐点对应值即为阈值的最优值,据此得到筛选条件,若当前分类方式不可用,则改变步骤S3中电量对比变化值计算方式重新对每个用户分类或弃用;
S5:将步骤S4得到的阈值的最优值作为筛选条件对新一期结算电费进行筛选及核查;
S6:电网营销系统运行一段时间,选取最近时间段的历史用户作为分析样本,重复S4得到新的曲线拐点对应值并据此进行用户分类调整。
2.根据权利要求1所述的一种用电客户电量异常波动核查方法,其特征在于,步骤S1所述的规格化处理具体为:
获取全量用户数据,以用户计费周期月为最小时间周期对每个用户进行数据划分,剔除当月有影响电量波动的业务发生的用户。
3.根据权利要求2所述的一种用电客户电量异常波动核查方法,其特征在于,所述影响电量波动的业务包括有:本月用户增加使用容量、用户办理设备停用。
4.根据权利要求1所述的一种用电客户电量异常波动核查方法,其特征在于,步骤S3的具体过程为:
S301根据用户历史用电,计算用户电量对比变化值M及设置电量对比变化值对应的阈值m;
S302将规格化处理后用户的电量对比变化值M与m比较,若用户电量对比变化值M大于或等于m则判定为异常用户,若用户的电量对比变化值M小于m则判定为正常用户;
S303将正常用户、异常用户与实际的标记作比较得到每个用户新的差错分类。
5.根据权利要求4所述的一种用电客户电量异常波动核查方法,其特征在于,S303所述将正常用户、异常用户与实际的标记作比较得到每个用户新的差错分类,具体分类过程如下:
用电量实际正确且系统判断正确则设为真正类,记为TP;
用电量实际正确且系统判断错误则设为假负类,记为FN;
用电量实际错误且系统判断正确则设为假正类,记为FP;
用电量实际错误且系统判断错误则设为真负类,记为TN。
6.根据权利要求5所述的一种用电客户电量异常波动核查方法,其特征在于,步骤S4调节所述阈值大小,得到用户新的差错分类,据此构建分类曲线,利用分类曲线判断当前分类方式的可用性,若分类方式可用,则曲线拐点对应值即为阈值的最优值,据此得到筛选条件,若当前分类方式不可用,则改变步骤S3中电量对比变化值计算方式重新对每个用户分类或弃用,具体过程为:
S401:利用新的差错分类计算出假负率FNR、真负率TNR、假正率FPR和真正率TPR;
S402:以假正率为横坐标,以真正率为纵坐标,通过改变电量对比变化值对应的阈值得到不同的坐标点,在平面直角坐标系中将坐标点连线构建出分类曲线,其中分类曲线横坐标和纵坐标的取值范围均为0至1;
S403:在坐标系中将坐标原点和(1,1)点连线得到判别直线,若分类曲线在判别直线的上方,则当前分类方式可用,若分类曲线在判别直线的下方,则当前分类方式不可用,改变步骤S3中电量对比变化值的计算方式重新对每个用户分类;
S404:若当前分类方式可用,以分类曲线中到坐标(0,1)距离最短的点作为拐点,所述拐点对应的取值即为电量对比变化值对应的阈值取值最优值,据此得到筛选条件。
7.根据权利要求6所述的一种用电客户电量异常波动核查方法,其特征在于,
所述假负率的计算公式为:
FNR=FN/(FN+TN)
所述真负率的计算公式为:
TNR=1-FNR
所述假正率的计算公式为:
FPR=FP/(FP+TP)
所述真正率的计算公式为:
TPR=1-FPR。
8.根据权利要求6所述的一种用电客户电量异常波动核查方法,其特征在于,当电量对比变化值对应的阈值最小时,对应的坐标点为(0,0),当电量对比变化值对应的阈值最大时,对应的坐标点为(1,1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011624914.7A CN112669075B (zh) | 2020-12-30 | 2020-12-30 | 一种用电客户电量异常波动核查方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011624914.7A CN112669075B (zh) | 2020-12-30 | 2020-12-30 | 一种用电客户电量异常波动核查方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112669075A CN112669075A (zh) | 2021-04-16 |
CN112669075B true CN112669075B (zh) | 2022-03-29 |
Family
ID=75412297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011624914.7A Active CN112669075B (zh) | 2020-12-30 | 2020-12-30 | 一种用电客户电量异常波动核查方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112669075B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116956198B (zh) * | 2023-09-18 | 2023-12-26 | 湖南迈格瑞特物联科技有限公司 | 基于物联网的智慧用电数据分析方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104391202A (zh) * | 2014-11-27 | 2015-03-04 | 国家电网公司 | 基于电量异常分析的异常用电判断方法 |
CN106447198A (zh) * | 2016-09-28 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 一种基于业扩报装数据的用电量核对方法 |
CN108647246A (zh) * | 2018-04-15 | 2018-10-12 | 广东电网有限责任公司 | 专变电量异常诊断平台架构的诊断方法 |
CN111861121A (zh) * | 2020-06-17 | 2020-10-30 | 国网安徽省电力有限公司 | 基于用户电量波动与线损波动分析的异常用电判定方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170011437A1 (en) * | 2015-07-08 | 2017-01-12 | United Parcel Service Of America, Inc. | Systems, methods, and computer program products for detecting billing anomalies |
CN111310120B (zh) * | 2020-02-14 | 2023-01-17 | 广东电网有限责任公司 | 基于大数据的异常用电用户识别方法、装置、终端和介质 |
-
2020
- 2020-12-30 CN CN202011624914.7A patent/CN112669075B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104391202A (zh) * | 2014-11-27 | 2015-03-04 | 国家电网公司 | 基于电量异常分析的异常用电判断方法 |
CN106447198A (zh) * | 2016-09-28 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 一种基于业扩报装数据的用电量核对方法 |
CN108647246A (zh) * | 2018-04-15 | 2018-10-12 | 广东电网有限责任公司 | 专变电量异常诊断平台架构的诊断方法 |
CN111861121A (zh) * | 2020-06-17 | 2020-10-30 | 国网安徽省电力有限公司 | 基于用户电量波动与线损波动分析的异常用电判定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112669075A (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106682079B (zh) | 一种基于聚类分析的用户用电行为检测方法 | |
CN112381476B (zh) | 用于确定状态异常的电能表的方法及装置 | |
CN112699913A (zh) | 一种台区户变关系异常诊断方法及装置 | |
US20180011459A1 (en) | Systems and methods for adaptively updating equipment models | |
CN105930976B (zh) | 基于加权理想点法的节点电压暂降严重程度综合评估方法 | |
EP2595098A2 (en) | Method and system for detecting an appliance based on users' feedback information | |
KR20120107846A (ko) | 플라즈마 프로세싱 시스템 내에서의 자동적인 결함 검출 및 분류와 그 방법 | |
CN109816031B (zh) | 一种基于数据不均衡度量的变压器状态评估聚类分析方法 | |
CN109636110A (zh) | 一种获取继电保护装置运行状态的方法及装置 | |
CN112669075B (zh) | 一种用电客户电量异常波动核查方法 | |
CN108829878A (zh) | 一种工业实验数据异常点检测方法及装置 | |
CN109947815B (zh) | 一种基于离群点算法的窃电辨识方法 | |
CN111667144B (zh) | 用户的识别方法及装置 | |
CN110866691A (zh) | 一种孤立批智能电能表的分阶段与分层抽样方法 | |
CN110930057A (zh) | 基于lof算法的配电变压器检验结果可信度的量化评判方法 | |
CN114881374A (zh) | 用于建筑能耗预测的多元异构能耗数据融合方法和系统 | |
CN110826859A (zh) | 一种基于日电量远程识别用户用电性质的方法及系统 | |
CN111832955B (zh) | 一种基于可靠度与多元统计的接触网状态评价方法 | |
CN117592609A (zh) | 渠系水利用系数的在线监测方法、监测终端及存储介质 | |
CN110852906B (zh) | 一种基于高维随机矩阵进行窃电嫌疑识别的方法和系统 | |
CN109784777B (zh) | 基于时序信息片段云相似度度量的电网设备状态评估方法 | |
CN112567241A (zh) | 环境传感器协同校准方法 | |
CN107403224B (zh) | 劣化推定方法以及劣化推定装置 | |
CN111539840A (zh) | 一种融合聚类与密度估计的窃电检测方法及系统 | |
CN115809805A (zh) | 基于边缘计算的电网多源数据处理方法 |
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 |