CN112769232A - 一种基于大数据分析的提高报警准确率的方法 - Google Patents

Abstract

本发明公开了一种基于大数据分析的提高报警准确率的方法，包括以下步骤：智慧用电主机通过配置参数得到参考用电数据集合，对所有参考用电数据集合分析得到参考过电流阈值、参考过电流变化率、参考过电压阈值以及参考过电压变化率；通过参考过电流阈值、参考过电流变化率、参考过电压阈值以及参考过电压变化率实现异常报警；智慧用电主机运行预设时间后，得到实际用电数据集合，通过实际用电数据集合分别调整参考过电流阈值、参考过电流变化率、参考过电压阈值以及参考过电压变化率，以实现异常报警；本发明通过在云平台上提取与当前安装调试的智慧用电主机相同配置参数的数据做大数据分析，计算得到参考阈值，以提高报警准确率。

Description

一种基于大数据分析的提高报警准确率的方法

技术领域

本发明属于电气火灾预防领域，具体来说涉及一种基于大数据分析的提高报警准确率的方法。

背景技术

在各种灾害中，火灾是最经常、最普遍地威胁公众安全和社会发展的主要灾害之一。人们在日常生活过程中，往往会不小心引发火灾，其中电气火灾隐蔽性高、损失大，因此预防电气火灾是一个至关重要的问题。

智慧用电主机可采集用电回路的电压、电流等数值，通过设定报警阈值实现异常报警，包括过压、过流、线路升温报警等，从而识别线路老化、私拉电线、违规用电等危险行为。

在不同的地区、不同的回路中，用电情况各不相同，当设备安装调试时，需要根据实际情况设定阈值，才能提高告警的准确率。对智慧用电主机不了解、或者对用电环境不了解的人员，设定报警阈值时会无从下手。

发明内容

本发明的目的在于提供一种基于大数据分析的提高报警准确率的方法，以解决背景技术中现有的智慧用主机无法根据实际地区、实用场景等设定适当的阈值以提高报警准确率的问题。

为实现上述目的，本发明提供技术方案如下：

一种基于大数据分析的提高报警准确率的方法，包括智慧用电主机，智慧用电主机分别与电流互感器、电压互感器配合设置，智慧用电主机与云平台配合设置，所述方法包括以下步骤：

步骤1：智慧用电主机激活，获取配置参数，所述配置参数包括用电回路类型和供电区域；

步骤2：云平台通过智慧用电主机的配置参数提供若干参考用电数据集合，智慧用电主机对所有参考用电数据集合分析得到参考过电流阈值、参考过电流变化率、参考过电压阈值以及参考过电压变化率；

步骤3：智慧用电主机分别通过参考过电流阈值、参考过电流变化率、参考过电压阈值以及参考过电压变化率实现异常报警；

步骤4：智慧用电主机运行预设时间后，得到实际用电数据集合，通过实际用电数据集合分别调整参考过电流阈值、参考过电流变化率、参考过电压阈值以及参考过电压变化率，得到过电流阈值、过电流变化率、过电压阈值和过电压变化率；

步骤5：通过电流阈值、过电流变化率、过电压阈值和过电压变化率实现异常报警。

优选地，任一所述参考用电数据集合包括电流-时间变化图、电压-时间变化图、过电流报警时间以及过电压报警时间。

优选地，所述步骤2包括以下步骤：

步骤2.1：对任一参考用电数据集中的电压-时间变化图和电流-时间变化图分别进行去噪处理，得到电压-时间修正图和电流-时间修正图；

步骤2.2：通过过电压报警时间确定电压监测时间区间，在电压-时间修正图上确定电压监测区间内的监测过电压变化率k_U；通过过电流报警时间确定电流监测时间区间，在电流-时间修正图上确定电流检测区间内的监测过电流变化率K_I；

步骤2.3：通过所有参考用电数据集中的监测过电压变化率和监测过电流变化率分别计算过电压平均变化率

和过电流平均变化率

将过电压平均变化率作为参考过电压变化率，将过电流平均变化率作为参考过电流变化率；

步骤2.4：将过电压报警时间的电压值作为电压异常值，通过所有参考用电数据集计算电压异常平均值，将所有参考用电数据集中距离电压异常平均值最近的电压异常值作为参考过电压阈值，将电流报警时间的电流值作为电流异常值，通过所有参考用电数据集计算电流异常平均值，将所有参考用电数据集中距离电流异常平均值最近的电流异常值作为参考过电流阈值。

优选地，所述步骤2.1包括以下步骤：

步骤2.1.1：对每一分钟的电压计算电压变化率，判断电压变化率是否小于或等于第一预设值，若是，则将对应时间内的电压曲线设置为连续的水平线段，否则根据电压变化率设置电压曲线的倾斜角度；

步骤2.1.2：对每一分钟的电流计算电流变化率，判断电流变化率是否小于或等于第二预设值，若是，则将对应时间的电流曲线设置为连续的水平线段，否则根据电流变化率设置电流曲线的倾斜角度。

优选地，所述电压监测时间区间为过电压报警时间的前1-1.5分钟；所述电流监测时间区间为过电流报警时间的前1-1.5分钟。

优选地，所述配置参数还包括激活后5分钟内的电压-时间变化图，云平台将激活后5分钟内的电压-时间变化图作为用电回路类型识别网络的输入，输出得到预测回路类型，判断预测回路类型与配置参数中的回路类型是否一致，若是，则云平台通过配置参数提供参考用电数据集合，否则触发智能用电主机发出提醒，由用户确定是否将配置参数中的回路类型更新为预测回路类型。

优选地，所述用电回路类型识别网络的预训练模型为resnet网络。

优选地，所述步骤3包括过电压的异常报警和过电流的异常报警，所述过电压的异常报警为判断电压是否大于或等于参考过电压阈值且电压在预设时间区间的变化率是否大于或等于参考过电压变化率，若是，则实现异常报警；所述过电流的异常报警为判断电流是否大于或等于参考过电流阈值且电流在预设时间区间的变化率是否大于或等于参考过电流变化率，若是，则实现异常报警。

优选地，所述实际用电数据集合包括准确告警记录、漏告警记录。

优选地，所述步骤4包括调整参考过电流阈值和参考过电流变化率以及调整参考过电压阈值和参考过电压变化率；

调整参考过电压阈值和参考过电压变化率包括以下步骤：

步骤4.1：计算漏告警记录中的过电压值和对应的过电压变化率，若最小过电压值小于参考过电压阈值，则将最小过电压值作为参考过电压阈值，否则执行步骤4.2；

步骤4.2：判断最小过电压变化率是否大于参考过电压变化率，若大于，则结束，否则将最小过电压变化率作为参考过电压变化率；

调整参考过电流阈值和参考过电压变化率包括以下步骤：

步骤4.3：计算漏告警记录中的过电流值和对应的过电流变化率，若最小过电流值小于参考过电流阈值，则将最小过电流值作为参考过电流阈值，否则执行步骤4.3；

步骤4.4：判断最小过电流变化率是否大于参考过电流变化率，若大于，则结束，否则将最小过电流变化率作为参考过电流变化率。

与现有技术相比，本发明的有益效果为：

本发明通过在云平台上提取与当前安装调试的智慧用电主机相同配置参数的数据做大数据分析，计算得到参考阈值，以提高报警准确率。

附图说明

图1为本发明的流程图。

具体实施方式

下面将结合本发明附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

一种基于大数据分析的提高报警准确率的方法，包括智慧用电主机，智慧用电主机分别与电流互感器、电压互感器配合设置，智慧用电主机与云平台配合设置，本发明中，电流互感器用于检测电流，电压互感器用于检测电压，智慧用电主机分别与电流互感器、电压互感器配合设置，用于接收电流数据和电压数据，电流互感器、电压互感器如何与智慧用电主机配合设置从而获取电流数据、电压数据，此为本领域公知常识，本领域技术人员可根据实际情况自行设置。此外，智慧用电主机还与云平台无线通信连接，用于进行数据交互。

本发明的提高报警准确率的方法包括以下步骤：

步骤1：智慧用电主机激活，获取配置参数，所述配置参数包括用电回路类型和供电区域；

本发明中，智慧用电主机设置有人机交互模块，该人机交互模块用于获取认为配置的参数，该参数包括用电回路类型和供电区域，这里的用电回路类型为家用电中的各供电回路，举例来说一般包括照明回路、空调回路、热水器用电回路、地暖用电回路等用电回路类型，本领域技术人员可根据实际情况自行划分；供电区域则可按照省级进行划分，当然也可以按照市级进行划分。

步骤2：云平台通过智慧用电主机的配置参数提供若干参考用电数据集合，智慧用电主机对所有参考用电数据集合分析得到参考过电流阈值、参考过电流变化率、参考过电压阈值以及参考过电压变化率；

本发明中，云平台存储的任一参考用电数据集合均设置有用电回路标签和供电区域标签，这样云平台就可以根据智慧用电主机的配置参数来进行数据集合的选择，得到参考用电数据集合；任一所述参考用电数据集合包括电流-时间变化图、电压-时间变化图、过电流报警时间以及过电压报警时间；举例来说，参考用电数据集合A＝{电流-时间变化图、电压-时间变化图、过电流报警时间、过电压报警时间}---地暖用电回路、北京市。

步骤3：智慧用电主机分别通过参考过电流阈值、参考过电流变化率、参考过电压阈值以及参考过电压变化率实现异常报警。

本发明中，过电压是指超过额定电压的电压，过电流是超过额定电流的电流，但是在实际的生活应用过程中，超过额定电压、超过额定电流等并不会一定表示就会出现危险，举例来说，当处于凌晨1点时居民都处于睡眠状态，用电量非常小，此时的电压就可能接近280v，但并不能说明此时存在危险情况。本发明通过设置电流变化率和电压变化率用来表明电流及电压的变化快慢，当电流以异常速度超过额定电流时、电压以异常速度超过额定电压时，此时认为存在危险，需要进行异常告警。

而对于智慧用电主机不了解、或者对用电环境不了解的人，在设置报警阈值时会无从下手，因此，本发明通过在云平台上提取与当前安装调试的智慧用电主机相同配置参数的数据做大数据分析，计算得到参考阈值，以提高报警准确率。

所述步骤2中，智慧用电主机通过以下方法对所有参考用电数据集合分析得到参考过电流阈值、参考过电流变化率、参考过电压阈值以及参考过电压变化率：

步骤2.1：对任一参考用电数据集中的电压-时间变化图和电流-时间变化图分别进行去噪处理，得到电压-时间修正图和电流-时间修正图；

本发明中，由于电流和电压电器启动的时候发生波动，而这种小幅度的正常波动与过电流、过电压无关，因此进行去噪处理，这里的去噪处理包括以下步骤：

步骤2.1.1：对每一分钟的电压计算电压变化率，判断电压变化率是否小于或等于第一预设值，若是，则将对应时间内的电压曲线设置为连续的水平线段，否则根据电压变化率设置电压曲线的倾斜角度；这里的第一预设值根据用电回路类型不同而不同，举例来说，当用电回路类型为照明用电回路时第一预设值为0.33，电压-时间变化图中，电压的单位为10²，如220v为2.2*10²。

步骤2.1.2：对每一分钟的电流计算电流变化率，判断电流变化率是否小于或等于第二预设值，若是，则将对应时间的电流曲线设置为连续的水平线段，否则根据电流变化率设置电流曲线的倾斜角度；这里的第二预设值根据用电回礼类型的不同而不同，举例来说，当用电回路类型为空调用电回路时第二预设值为0.68，本领域技术人员可根据实际情况自行设置。

步骤2.2：通过过电压报警时间确定电压监测时间区间，在电压-时间修正图上确定电压监测区间内的监测过电压变化率k_U；通过过电流报警时间确定电流监测时间区间，在电流-时间修正图上确定电流检测区间内的监测过电流变化率K_I；

所述电压监测时间区间为过电压报警时间的前1-1.5分钟；所述电流监测时间区间为过电流报警时间的前1-1.5分钟。

步骤2.3：通过所有参考用电数据集中的监测过电压变化率和监测过电流变化率分别计算过电压平均变化率

和过电流平均变化率

将过电压平均变化率作为参考过电压变化率，将过电流平均变化率作为参考过电流变化率；这里的过电压平均变化率为所有参考用电数据集中的所有监测过电压变化率的平均值，过电流平均变化率为所有参考用电数据集中所有过电流变化率的平均值。

步骤2.4：将过电压报警时间的电压值作为电压异常值，通过所有参考用电数据集计算电压异常平均值，将所有参考用电数据集中距离电压异常平均值最近的电压异常值作为参考过电压阈值，将电流报警时间的电流值作为电流异常值，通过所有参考用电数据集计算电流异常平均值，将所有参考用电数据集中距离电流异常平均值最近的电流异常值作为参考过电流阈值。

所述步骤3包括过电压的异常报警和过电流的异常报警；

所述过电压的异常报警为判断电压是否大于或等于参考过电压阈值且电压在预设时间区间的变化率是否大于或等于参考过电压变化率，若是，则实现异常报警；

所述过电流的异常报警为判断电流是否大于或等于参考过电流阈值且电流在预设时间区间的变化率是否大于或等于参考过电流变化率，若是，则实现异常报警。

步骤4：智慧用电主机运行预设时间后，得到实际用电数据集合，通过实际用电数据集合分别调整参考过电流阈值、参考过电流变化率、参考过电压阈值以及参考过电压变化率，得到过电流阈值、过电流变化率、过电压阈值和过电压变化率；所述实际用电数据集合包括准确告警记录、漏告警记录。

所述步骤4包括调整参考过电流阈值和参考过电流变化率以及调整参考过电压阈值和参考过电压变化率；

调整参考过电压阈值和参考过电压变化率包括以下步骤：

步骤4.1：计算漏告警记录中的过电压值和对应的过电压变化率，若最小过电压值小于参考过电压阈值，则将最小过电压值作为参考过电压阈值，否则执行步骤4.2；

步骤4.2：判断最小过电压变化率是否大于参考过电压变化率，若大于，则结束，否则将最小过电压变化率作为参考过电压变化率；

调整参考过电流阈值和参考过电压变化率包括以下步骤：

步骤4.3：计算漏告警记录中的过电流值和对应的过电流变化率，若最小过电流值小于参考过电流阈值，则将最小过电流值作为参考过电流阈值，否则执行步骤4.3；

步骤4.4：判断最小过电流变化率是否大于参考过电流变化率，若大于，则结束，否则将最小过电流变化率作为参考过电流变化率。

步骤5：通过电流阈值、过电流变化率、过电压阈值和过电压变化率实现异常报警。

本发明步骤5的异常报警原理与本发明步骤3的异常报警原理一致。

本发明中，当智慧用电主机运行一段周期之后，需要根据自身采集的数据做分析来调整参考过电流阈值、参考过电流变化率、参考过电压阈值以及参考过电压变化率，使其达到最合理值，从而提升报警准确率。

进一步的，所述配置参数还包括激活后5分钟内的电压-时间变化图，云平台将激活后5分钟内的电压-时间变化图作为用电回路类型识别网络的输入，输出得到预测回路类型，判断预测回路类型与配置参数中的回路类型是否一致，若是，则云平台通过配置参数提供参考用电数据集合，否则触发智能用电主机发出提醒，由用户确定是否将配置参数中的回路类型更新为预测回路类型。所述用电回路类型识别网络的预训练模型为resnet网络。

本发明中，通过电压-时间变化图来判断用电回路类型，当判断得到的用电回路类型与智慧用电主机的人机交互模块选择的用电回路类型不一致时，由用户通过智慧用电主机的人机交互模块确定该用电回路属于哪一种用电回路类型，增加可靠性。这里的用电回路类型识别网络是有resnet网络经过训练得到，主要为对任一类型的用电回路采集若干电压-时间变化图，以构建数据集，将数据集中的图作为输入，对应的用电回路类型作为输出，对resnet网络进行训练优化，得到用电回路识别网络，该训练为本领域的公知常识，本领域技术人员可根据实际情况自行设置。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (10)

1.一种基于大数据分析的提高报警准确率的方法，其特征在于，包括智慧用电主机，智慧用电主机分别与电流互感器、电压互感器配合设置，智慧用电主机与云平台配合设置，所述方法包括以下步骤：

步骤1：智慧用电主机激活，获取配置参数，所述配置参数包括用电回路类型和供电区域；

步骤2：云平台通过智慧用电主机的配置参数提供若干参考用电数据集合，智慧用电主机对所有参考用电数据集合分析得到参考过电流阈值、参考过电流变化率、参考过电压阈值以及参考过电压变化率；

步骤3：智慧用电主机分别通过参考过电流阈值、参考过电流变化率、参考过电压阈值以及参考过电压变化率实现异常报警；

步骤4：智慧用电主机运行预设时间后，得到实际用电数据集合，通过实际用电数据集合分别调整参考过电流阈值、参考过电流变化率、参考过电压阈值以及参考过电压变化率，得到过电流阈值、过电流变化率、过电压阈值和过电压变化率；

步骤5：通过电流阈值、过电流变化率、过电压阈值和过电压变化率实现异常报警。

2.如权利要求1所述的一种基于大数据分析的提高报警准确率的方法，其特征在于，任一所述参考用电数据集合包括电流-时间变化图、电压-时间变化图、过电流报警时间以及过电压报警时间。

3.如权利要求2所述的一种基于大数据分析的提高报警准确率的方法，其特征在于，所述步骤2包括以下步骤：

步骤2.1：对任一参考用电数据集中的电压-时间变化图和电流-时间变化图分别进行去噪处理，得到电压-时间修正图和电流-时间修正图；

步骤2.2：通过过电压报警时间确定电压监测时间区间，在电压-时间修正图上确定电压监测区间内的监测过电压变化率k_U；通过过电流报警时间确定电流监测时间区间，在电流-时间修正图上确定电流检测区间内的监测过电流变化率k_I；

步骤2.3：通过所有参考用电数据集中的监测过电压变化率和监测过电流变化率分别计算过电压平均变化率

和过电流平均变化率

将过电压平均变化率作为参考过电压变化率，将过电流平均变化率作为参考过电流变化率；

步骤2.4：将过电压报警时间的电压值作为电压异常值，通过所有参考用电数据集计算电压异常平均值，将所有参考用电数据集中距离电压异常平均值最近的电压异常值作为参考过电压阈值，将电流报警时间的电流值作为电流异常值，通过所有参考用电数据集计算电流异常平均值，将所有参考用电数据集中距离电流异常平均值最近的电流异常值作为参考过电流阈值。

4.如权利要求3所述的一种基于大数据分析的提高报警准确率的方法，其特征在于，所述步骤2.1包括以下步骤：

步骤2.1.1：对每一分钟的电压计算电压变化率，判断电压变化率是否小于或等于第一预设值，若是，则将对应时间内的电压曲线设置为连续的水平线段，否则根据电压变化率设置电压曲线的倾斜角度；

步骤2.1.2：对每一分钟的电流计算电流变化率，判断电流变化率是否小于或等于第二预设值，若是，则将对应时间的电流曲线设置为连续的水平线段，否则根据电流变化率设置电流曲线的倾斜角度。

5.如权利要求3所述的一种基于大数据分析的提高报警准确率的方法，其特征在于，所述电压监测时间区间为过电压报警时间的前1-1.5分钟；所述电流监测时间区间为过电流报警时间的前1-1.5分钟。

6.如权利要求1所述的一种基于大数据分析的提高报警准确率的方法，其特征在于，所述配置参数还包括激活后5分钟内的电压-时间变化图，云平台将激活后5分钟内的电压-时间变化图作为用电回路类型识别网络的输入，输出得到预测回路类型，判断预测回路类型与配置参数中的回路类型是否一致，若是，则云平台通过配置参数提供参考用电数据集合，否则触发智能用电主机发出提醒，由用户确定是否将配置参数中的回路类型更新为预测回路类型。

7.如权利要求6所述的一种基于大数据分析的提高数据准确率的方法，其特征在于，所述用电回路类型识别网络的预训练模型为resnet网络。

8.如权利要求1所述的一种基于大数据分析的提高报警准确率的方法，其特征在于，所述步骤3包括过电压的异常报警和过电流的异常报警，所述过电压的异常报警为判断电压是否大于或等于参考过电压阈值且电压在预设时间区间的变化率是否大于或等于参考过电压变化率，若是，则实现异常报警；所述过电流的异常报警为判断电流是否大于或等于参考过电流阈值且电流在预设时间区间的变化率是否大于或等于参考过电流变化率，若是，则实现异常报警。

9.如权利要求1所述的一种基于大数据分析的提高数据准确率的方法，其特征在于，所述实际用电数据集合包括准确告警记录、漏告警记录。

10.如权利要求9所述的一种基于大数据分析的提高数据准确率的方法，其特征在于，所述步骤4包括调整参考过电流阈值和参考过电流变化率以及调整参考过电压阈值和参考过电压变化率；

调整参考过电压阈值和参考过电压变化率包括以下步骤：

步骤4.1：计算漏告警记录中的过电压值和对应的过电压变化率，若最小过电压值小于参考过电压阈值，则将最小过电压值作为参考过电压阈值，否则执行步骤4.2；

步骤4.2：判断最小过电压变化率是否大于参考过电压变化率，若大于，则结束，否则将最小过电压变化率作为参考过电压变化率；

调整参考过电流阈值和参考过电压变化率包括以下步骤：

步骤4.3：计算漏告警记录中的过电流值和对应的过电流变化率，若最小过电流值小于参考过电流阈值，则将最小过电流值作为参考过电流阈值，否则执行步骤4.3；

步骤4.4：判断最小过电流变化率是否大于参考过电流变化率，若大于，则结束，否则将最小过电流变化率作为参考过电流变化率。

Images