CN112949700A - 企业限产政策执行力度的识别方法及装置 - Google Patents

企业限产政策执行力度的识别方法及装置 Download PDF

Info

Publication number
CN112949700A
CN112949700A CN202110189553.6A CN202110189553A CN112949700A CN 112949700 A CN112949700 A CN 112949700A CN 202110189553 A CN202110189553 A CN 202110189553A CN 112949700 A CN112949700 A CN 112949700A
Authority
CN
China
Prior art keywords
enterprise
data
yield
target data
execution strength
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
Application number
CN202110189553.6A
Other languages
English (en)
Inventor
严嘉慧
王艳松
段大鹏
高鑫
李香龙
张禄
马龙飞
徐蕙
王培祎
胡彩娥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Beijing Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Beijing Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Beijing Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110189553.6A priority Critical patent/CN112949700A/zh
Publication of CN112949700A publication Critical patent/CN112949700A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种企业限产政策执行力度的识别方法及装置。其中，该方法包括：获取目标数据，其中，目标数据至少包括：企业用电档案信息以及企业用电信息；依据目标数据构建识别指标，其中，识别指标用于识别企业执行限产政策的执行力度；基于K‑Means聚类模型对识别指标进行聚类，得到企业执行限产政策的执行力度标签，其中，执行力度标签包括：完全响应、不完全相应以及未响应。本申请解决了现有的环保监测方法难以对污染企业违规生产的行为实现精准锁定的技术问题。

Description

企业限产政策执行力度的识别方法及装置
技术领域
本申请涉及企业异常用电监控领域，具体而言，涉及一种企业限产政策执行力度的识别方法及装置。
背景技术
近些年，相关部门提出加快调整能源结构，构建清洁低碳高效能源体系，具体的措施包括“提高能源利用效率”、“加快发展清洁能源和新能源”、“强化科技基础支撑”。推动污染源治理，开展“散乱污”企业综合整治是环保行动的重要内容。部分污染企业为了利益，未遵守管控指令，正常生产或转移为夜间生产。
现阶段主要通过不定期突击检查，调研客户生产用电情况。现有的环保管控监测方法难以对该部分企业的违法行为实现精准锁定、精准打击，目前的这种方式过多依赖于人员，且效率低下，不具有通用性。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种企业限产政策执行力度的识别方法及装置，以至少解决现有的环保监测方法难以对污染企业违规生产的行为实现精准锁定的技术问题。
根据本申请实施例的一个方面，提供了一种企业限产政策执行力度的识别方法，包括：获取目标数据，其中，目标数据至少包括：企业用电档案信息以及企业用电信息；依据目标数据构建识别指标，其中，识别指标用于识别企业执行限产政策的执行力度；基于K-Means聚类模型对识别指标进行聚类，得到企业执行限产政策的执行力度标签，其中，执行力度标签包括：完全响应、不完全相应以及未响应。
可选地，获取目标数据，包括：将企业信息与用电客户信息进行匹配，得到企业用电档案信息以及企业用电信息。
可选地，企业信息至少包括：企业名称、企业地址、企业所属行业、企业对应的用户编号；用电客户信息至少包括：用户编号、用户名称、用电地址、行业类别、用电类别、负荷性质、电压等级、合同容量；企业用电信息至少包括：日用电量数据、96点功率数据。
可选地，依据目标数据构建识别指标之前，上述方法还包括：通过以下方法对目标数据进行数据清洗：如果同一电表上显示的日用电量数据小于上一条记录的日用电量数据，将当前显示的日用电量数据置空，选取与上一条记录的日用电量数据临近的值作为当前显示的日用电量数据；将96点功率数据中功率数据为负值或者功率数据超过2倍额定容量的值置空，选取与该功率数据临近的值作为该功率数据；将96点功率数据中每4点功率数据的平均值形成24点负荷；如果一个用户对应多个电表，将多个电表的日用电量数据求和，作为该用户的日用电量数据。
可选地，依据目标数据构建识别指标，包括：依据目标数据构建反映以下参数的识别指标：企业执行限产政策的响应时长、企业的用电水平以及企业的负荷平衡度。
可选地，依据目标数据构建识别指标之后，上述方法还包括：从识别指标中筛选出目标指标，其中，目标指标为在识别企业执行限产政策的执行力度的过程中权重占比大于预设阈值的识别指标。
可选地，基于K-Means聚类模型对识别指标进行聚类，包括：依据轮廓系数选取聚类中心的数量；依据聚类中心的数量利用K-Means聚类模型对目标指标进行聚类，得到执行力度标签。
根据本申请实施例的另一方面，还提供了一种企业限产政策执行力度的识别装置，包括：获取模块，用于获取目标数据，其中，目标数据至少包括：企业用电档案信息以及企业用电信息；建立模块，用于依据目标数据构建识别指标，其中，识别指标用于识别企业执行限产政策的执行力度；处理模块，用于基于K-Means聚类模型对识别指标进行聚类，得到企业执行限产政策的执行力度标签，其中，执行力度标签包括：完全响应、不完全相应以及未响应。
根据本申请实施例的再一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行以上的企业限产政策执行力度的识别方法。
根据本申请实施例的再一方面，还提供了一种处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行以上的企业限产政策执行力度的识别方法。
在本申请实施例中，采用获取目标数据，其中，目标数据至少包括：企业用电档案信息以及企业用电信息；依据目标数据构建识别指标，其中，识别指标用于识别企业执行限产政策的执行力度；基于K-Means聚类模型对识别指标进行聚类，得到企业执行限产政策的执行力度标签，其中，执行力度标签包括：完全响应、不完全相应以及未响应的方式，根据环保部门提供的重点企业工商注册信息，结合营销业务系统中的用户档案信息，开展数据匹配探索、关联，形成重点企业用户台账数据，以政府发布的空气重污染应急响应日期，作为管控日期。基于企业用电量、功率数据构建企业用电特征，利用K-Means算法构建重点用能企业限产政策执行力度分析模型。在企业生产管控期间，对用电异常企业进行预警，从而实现了针对重点企业进行全天候监测，识别管控期间异常生产企业，为环保监查提供依据的技术效果，进而解决了现有的环保监测方法难以对污染企业违规生产的行为实现精准锁定技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种企业限产政策执行力度的识别方法的流程图；
图2是根据本申请实施例的一种企业限产政策执行力度的识别装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例，提供了一种企业限产政策执行力度的识别方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
针对背景技术中提到的技术问题，本申请实施例提供的方法，根据环保局提供的应急预警日期，作为管控日期。基于企业用电和功率数据，通过聚类算法，构建应急响应分析模型，输出日频度的企业应急响应结果，归纳企业应急响应程度。根据每次应急预警，计算企业的响应天数，给出未响应企业清单。下面对上述方法详细说明：
图1是根据本申请实施例的一种企业限产政策执行力度的识别方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取目标数据，其中，目标数据至少包括：企业用电档案信息以及企业用电信息；
步骤S104，依据目标数据构建识别指标，其中，识别指标用于识别企业执行限产政策的执行力度；
步骤S106，基于K-Means聚类模型对识别指标进行聚类，得到企业执行限产政策的执行力度标签，其中，执行力度标签包括：完全响应、不完全相应以及未响应。
K-Means算法，也被称为K-平均或K-均值，是一种最广泛使用的聚类算法。主要思想是：首先将各个聚类子集内的所有数据样本的均值作为该聚类的代表点，然后把每个数据点划分到最近的类别中，使得评价聚类性能的准则函数达到最优，从而使同一个类中的对象相似度较高，而不同类之间的对象的相似度较小。
通过上述步骤，基于企业用电量、功率数据构建企业用电特征，利用K-Means算法构建重点用能企业限产政策执行力度分析模型。在企业生产管控期间，对用电异常企业进行预警，从而实现了针对重点企业进行全天候监测，识别管控期间异常生产企业，为环保监查提供依据的技术效果。
根据本申请的一个可选的实施例，步骤S102通过以下方法实现：将企业信息与用电客户信息进行匹配，得到企业用电档案信息以及企业用电信息。
根据本申请的另一个可选的实施例，企业信息至少包括：企业名称、企业地址、企业所属行业、企业对应的用户编号；用电客户信息至少包括：用户编号、用户名称、用电地址、行业类别、用电类别、负荷性质、电压等级、合同容量；企业用电信息至少包括：日用电量数据、96点功率数据。
在本步骤中，将企业名称和用电客户档案信息进行匹配，获取企业用电档案信息和电量、96点功率数据。
在本申请的一些可选的实施例中，执行步骤S104之前，通过以下方法对目标数据进行数据清洗：如果同一电表上显示的日用电量数据小于上一条记录的日用电量数据，将当前显示的日用电量数据置空，选取与上一条记录的日用电量数据临近的值作为当前显示的日用电量数据；将96点功率数据中功率数据为负值或者功率数据超过2倍额定容量的值置空，选取与该功率数据临近的值作为该功率数据；将96点功率数据中每4点功率数据的平均值形成24点负荷；如果一个用户对应多个电表，将多个电表的日用电量数据求和，作为该用户的日用电量数据。
具体地，电量数据为电量示数值，对同一电表的示数值小于上条记录的数据置空，取临近值填充；96点功率数据，对功率为负的值，功率超过2倍额定容量的值，置空，取临近值填充；对96点功率数据，取每4点的平均值形成24点负荷；对一户多表的情况，电量和功率求和处理。
通过上述方法，制定了数据清洗规则，解决一户多表情况，填充缺失数据、剔除异常数据，确保数据质量。
根据本申请的一个可选的实施例，步骤S104通过以下方法实现：依据目标数据构建反映以下参数的识别指标：企业执行限产政策的响应时长、企业的用电水平以及企业的负荷平衡度。
从响应时长、用电水平、负荷平衡度三方面，构建响应时长占比、用电下降水平、日负荷率、日负荷变异系数指标，从指标本身和相关性两个方面，联合考察筛选对识别企业生产状态有积极贡献的重要指标。
响应时长占比：根据负荷阈值，判断开始响应时间，计算响应时间与管控时间的比值，比值越大说明企业响应时间越长。
用电下降水平：计算日用电量与管控前5日的日用电量的差值比。
月不平衡系数：月平均日用电量/月最大日用电量(上个月、前三个月、前6个月)
日负荷率：日负荷率＝日用电量/24*日最大负荷
日负荷变异系数：日负荷标准差/日平均负荷
时点负载率：各时点负荷/合同容量
日峰谷差率：日最大负荷与最小负荷之差/日最大负荷
根据本申请的另一个可选的实施例，步骤S104执行完成之后，还需要从识别指标中筛选出目标指标，其中，目标指标为在识别企业执行限产政策的执行力度的过程中权重占比大于预设阈值的识别指标。
指标选择的主要目的是寻找对识别企业生产状态有积极贡献的重要指标。指标的重要性可以从两个方面联合考察：第一，从指标本身考察；第二，从指标的相关性考察。
1)从指标自身考察
重要的指标应该是携带信息较多，也就是变量变异较大的变量，对于数值型变量而言，如果数值型变量的变异系数或者标准差小于某个标准值，则认为该变量应归为不重要的变量；对二分类型变量而言，如果变量中的某个值的占比大于90％，则应认为该变量不重要。
2)从相关性角度考察
通过相关性或关联性分析发现最有预测力的指标。衡量变量之间相关性或者关联性的方法主要有：皮尔森相关系数、皮尔森卡斱统计量、概率比、基尼方差、信息值等。
在本申请的一些可选的实施例中，步骤S106通过以下方法实现：依据轮廓系数选取聚类中心的数量；依据聚类中心的数量利用K-Means聚类模型对目标指标进行聚类，得到执行力度标签。
通过轮廓系数评估选取合适的聚类中心数量，利用K-Means算法对管控期间的指标进行聚类，根据划分类别的类中心判断输出完全响应、不完全响应、未响应三种重点企业限产政策执行力度标签。
本发明提出的K-Means聚类模型相对于现有技术，模型清晰，计算时间短，速度快，解决了手动阈值和需要人工干预的问题；模型可解释性强，实施简单，非常高效，可以在大数据场景中使用。
本发明实施例提供的上述方法，通过基于重点企业的基本信息和用电行为特征数据分析，实现了对“应急响应程度”指标的采集。采用了K-Means算法，解决了在自动划分企业限产政策执行力度问题，因为利用K-Means算法构建聚类模型，仅需要配置合适的聚类中心数量，实现不同情况下自动分析企业限产政策执行力度。
本发明经过试验、模拟、使用证明可行。通过K-Means算法可以得知，该模型对重点企业具有明显的区分度，划分出的3个不同企业群体之间实际执行力度的比例差异非常明显，对业务上识别未响应企业具备一定的指导意义。
图2是根据本申请实施例的一种企业限产政策执行力度的识别装置的结构框图，如图2所示，该装置包括：
获取模块20，用于获取目标数据，其中，目标数据至少包括：企业用电档案信息以及企业用电信息；
建立模块22，用于依据目标数据构建识别指标，其中，识别指标用于识别企业执行限产政策的执行力度；
处理模块24，用于基于K-Means聚类模型对识别指标进行聚类，得到企业执行限产政策的执行力度标签，其中，执行力度标签包括：完全响应、不完全相应以及未响应。
需要说明的是，图2所示实施例的优选实施方式可以参见图1所示实施例的相关描述，此处不再赘述。
本申请实施例还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行以上的企业限产政策执行力度的识别方法。
上述非易失性存储介质用于存储执行以下功能的程序：获取目标数据，其中，目标数据至少包括：企业用电档案信息以及企业用电信息；依据目标数据构建识别指标，其中，识别指标用于识别企业执行限产政策的执行力度；基于K-Means聚类模型对识别指标进行聚类，得到企业执行限产政策的执行力度标签，其中，执行力度标签包括：完全响应、不完全相应以及未响应。
本申请实施例还提供了一种处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行以上的企业限产政策执行力度的识别方法。
上述处理器用于处理执行以下功能的程序：获取目标数据，其中，目标数据至少包括：企业用电档案信息以及企业用电信息；依据目标数据构建识别指标，其中，识别指标用于识别企业执行限产政策的执行力度；基于K-Means聚类模型对识别指标进行聚类，得到企业执行限产政策的执行力度标签，其中，执行力度标签包括：完全响应、不完全相应以及未响应。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种企业限产政策执行力度的识别方法，其特征在于，包括：
获取目标数据，其中，所述目标数据至少包括：企业用电档案信息以及企业用电信息；
依据所述目标数据构建识别指标，其中，所述识别指标用于识别企业执行限产政策的执行力度；
基于K-Means聚类模型对所述识别指标进行聚类，得到所述企业执行所述限产政策的执行力度标签，其中，所述执行力度标签包括：完全响应、不完全相应以及未响应。
2.根据权利要求1所述的方法，其特征在于，获取目标数据，包括：
将企业信息与用电客户信息进行匹配，得到所述企业用电档案信息以及所述企业用电信息。
3.根据权利要求2所述的方法，其特征在于，
所述企业信息至少包括：企业名称、企业地址、企业所属行业、所述企业对应的用户编号；
所述用电客户信息至少包括：用户编号、用户名称、用电地址、行业类别、用电类别、负荷性质、电压等级、合同容量；
所述企业用电信息至少包括：日用电量数据、96点功率数据。
4.根据权利要求3所述的方法，其特征在于，依据所述目标数据构建识别指标之前，所述方法还包括：
通过以下方法对所述目标数据进行数据清洗：
如果同一电表上显示的所述日用电量数据小于上一条记录的日用电量数据，将当前显示的所述日用电量数据置空，选取与所述上一条记录的日用电量数据临近的值作为当前显示的所述日用电量数据；
将所述96点功率数据中功率数据为负值或者功率数据超过2倍额定容量的值置空，选取与该功率数据临近的值作为该功率数据；
将所述96点功率数据中每4点功率数据的平均值形成24点负荷；
如果一个用户对应多个电表，将所述多个电表的日用电量数据求和，作为该用户的日用电量数据。
5.根据权利要求1所述的方法，其特征在于，依据所述目标数据构建识别指标，包括：
依据所述目标数据构建反映以下参数的识别指标：所述企业执行所述限产政策的响应时长、所述企业的用电水平以及所述企业的负荷平衡度。
6.根据权利要求1所述的方法，其特征在于，依据所述目标数据构建识别指标之后，所述方法还包括：
从所述识别指标中筛选出目标指标，其中，所述目标指标为在识别企业执行限产政策的执行力度的过程中权重占比大于预设阈值的识别指标。
7.根据权利要求6所述的方法，其特征在于，基于K-Means聚类模型对所述识别指标进行聚类，包括：
依据轮廓系数选取聚类中心的数量；
依据所述聚类中心的数量利用所述K-Means聚类模型对所述目标指标进行聚类，得到所述执行力度标签。
8.一种企业限产政策执行力度的识别装置，其特征在于，包括：
获取模块，用于获取目标数据，其中，所述目标数据至少包括：企业用电档案信息以及企业用电信息；
建立模块，用于依据所述目标数据构建识别指标，其中，所述识别指标用于识别企业执行限产政策的执行力度；
处理模块，用于基于K-Means聚类模型对所述识别指标进行聚类，得到所述企业执行所述限产政策的执行力度标签，其中，所述执行力度标签包括：完全响应、不完全相应以及未响应。
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至7中任意一项所述的企业限产政策执行力度的识别方法。
10.一种处理器，其特征在于，所述处理器用于运行存储在存储器中的程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的企业限产政策执行力度的识别方法。
CN202110189553.6A 2021-02-19 2021-02-19 企业限产政策执行力度的识别方法及装置 Pending CN112949700A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110189553.6A CN112949700A (zh) 2021-02-19 2021-02-19 企业限产政策执行力度的识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110189553.6A CN112949700A (zh) 2021-02-19 2021-02-19 企业限产政策执行力度的识别方法及装置

Publications (1)

Publication Number Publication Date
CN112949700A true CN112949700A (zh) 2021-06-11

Family

ID=76244378

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110189553.6A Pending CN112949700A (zh) 2021-02-19 2021-02-19 企业限产政策执行力度的识别方法及装置

Country Status (1)

Country Link
CN (1) CN112949700A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113988711A (zh) * 2021-11-22 2022-01-28 国网江苏省电力有限公司连云港供电分公司 基于用电数据的管控状态下排污企业停或限产监测方法
CN114091783A (zh) * 2021-11-30 2022-02-25 广东电网有限责任公司 一种企业用电预警方法、装置、计算机设备和存储介质
CN114548673A (zh) * 2022-01-14 2022-05-27 国网河北省电力有限公司保定供电分公司 一种减排指标监测方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140007214A1 (en) * 2011-10-11 2014-01-02 Zenprise, Inc. Gateway for controlling mobile device access to enterprise resources
WO2014030373A1 (ja) * 2012-08-24 2014-02-27 日立コンシューマエレクトロニクス株式会社 省エネルギー行動継続支援システム
JP2015022457A (ja) * 2013-07-18 2015-02-02 日本電信電話株式会社 アプリケーション実行制御装置、アプリケーション実行制御方法およびアプリケーション実行制御プログラム
CN104573136A (zh) * 2014-12-31 2015-04-29 中冶京诚工程技术有限公司 电网数据处理方法及装置
CN110991477A (zh) * 2019-10-29 2020-04-10 中国电力科学研究院有限公司 一种识别电力系统异常行业用户和异常用电行为的方法和系统
CN111210170A (zh) * 2020-04-21 2020-05-29 国网四川省电力公司电力科学研究院 基于90%用电分布特征指标的环保管控监测及评价方法
CN111209595A (zh) * 2020-04-21 2020-05-29 国网四川省电力公司电力科学研究院 一种涉污企业用电信息匹配及数据处理方法
CN111539845A (zh) * 2020-04-21 2020-08-14 国网四川省电力公司电力科学研究院 一种基于用电模式隶属评分的企业环保管控响应研判方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140007214A1 (en) * 2011-10-11 2014-01-02 Zenprise, Inc. Gateway for controlling mobile device access to enterprise resources
WO2014030373A1 (ja) * 2012-08-24 2014-02-27 日立コンシューマエレクトロニクス株式会社 省エネルギー行動継続支援システム
JP2015022457A (ja) * 2013-07-18 2015-02-02 日本電信電話株式会社 アプリケーション実行制御装置、アプリケーション実行制御方法およびアプリケーション実行制御プログラム
CN104573136A (zh) * 2014-12-31 2015-04-29 中冶京诚工程技术有限公司 电网数据处理方法及装置
CN110991477A (zh) * 2019-10-29 2020-04-10 中国电力科学研究院有限公司 一种识别电力系统异常行业用户和异常用电行为的方法和系统
CN111210170A (zh) * 2020-04-21 2020-05-29 国网四川省电力公司电力科学研究院 基于90%用电分布特征指标的环保管控监测及评价方法
CN111209595A (zh) * 2020-04-21 2020-05-29 国网四川省电力公司电力科学研究院 一种涉污企业用电信息匹配及数据处理方法
CN111539845A (zh) * 2020-04-21 2020-08-14 国网四川省电力公司电力科学研究院 一种基于用电模式隶属评分的企业环保管控响应研判方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
GHEORGHE GRIGORAS 等: "Influence of Sampling Size in Profiling Process of Electricity Consumption at Small and Medium Enterprises", 《2018 INTERNATIONAL CONFERENCE AND EXPOSITION ON ELECTRICAL AND POWER ENGINEERING (EPE)》, pages 0743 - 0748 *
YUZHOU WU 等: "Clustering enterprise Electricity consumption", 《 2019 IEEE 4TH ADVANCED INFORMATION TECHNOLOGY, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (IAEAC)》, pages 1703 - 7 *
孙毅 等: "面向电力大数据的用户负荷特性和可调节潜力综合聚类方法", 《中国电机工程学报》, vol. 41, no. 18, pages 6259 - 6271 *
杨桂元 等: "《数学建模》", vol. 1, 28 February 2015, 上海财经大学出版社, pages: 127 - 129 *
皇甫汉聪 等: "基于熵权法与改进的PCA聚类算法的电力客户价值分类与应用", 《现代电子技术》, vol. 40, no. 07, pages 183 - 186 *
罗建国 等: "基于用电客户群体细分的差异化用电行为特征分析", 《电网与清洁能源》, vol. 36, no. 10, pages 68 - 72 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113988711A (zh) * 2021-11-22 2022-01-28 国网江苏省电力有限公司连云港供电分公司 基于用电数据的管控状态下排污企业停或限产监测方法
CN114091783A (zh) * 2021-11-30 2022-02-25 广东电网有限责任公司 一种企业用电预警方法、装置、计算机设备和存储介质
CN114548673A (zh) * 2022-01-14 2022-05-27 国网河北省电力有限公司保定供电分公司 一种减排指标监测方法及装置
CN114548673B (zh) * 2022-01-14 2024-06-11 国网河北省电力有限公司保定供电分公司 一种减排指标监测方法及装置

Similar Documents

Publication Publication Date Title
CN110097297B (zh) 一种多维度窃电态势智能感知方法、系统、设备及介质
CN110824270B (zh) 结合台区线损和异常事件的窃电用户辨识方法及装置
CN112949700A (zh) 企业限产政策执行力度的识别方法及装置
CN111738462B (zh) 电力计量装置故障抢修主动服务预警方法
CN108876034B (zh) 一种改进的Lasso+RBF神经网络组合预测方法
CN111008193B (zh) 一种数据清洗与质量评价方法及系统
CN111178957B (zh) 一种用电客户电量突增预警的方法
CN111177208A (zh) 基于大数据分析的用电异常检测方法
CN111062620B (zh) 基于混合计费数据的电力计费公平性智能分析系统及方法
CN103530806A (zh) 一种用电客户信用与电费回收风险预警预测方法及系统
CN112001409A (zh) 一种基于K-means聚类算法的配电网线损异常诊断方法和系统
CN116882804A (zh) 一种智能电力监控方法及系统
CN112686491A (zh) 一种基于用电行为的企业电力数据分析方法
CN112288172A (zh) 台区线损率的预测方法、装置
CN114662563A (zh) 一种基于梯度提升算法的工业用电非侵入负荷分解方法
CN114493238A (zh) 供电服务风险预测方法、系统、存储介质及计算机设备
CN117436688A (zh) 一种基于电力营销数据的电费回收风险预警方法及系统
CN114723554B (zh) 异常账户识别方法及装置
CN114219245B (zh) 基于大数据的乡村电力指数评价方法、装置及存储介质
CN110852621A (zh) 电力客户负荷特性分析及分类方法、装置及可读存储介质
CN116245399A (zh) 模型训练方法、装置、非易失性存储介质及电子设备
CN116298910A (zh) 电池安全管控方法及装置
CN115687788A (zh) 一种智能化商机推荐方法和系统
CN115271907A (zh) 基于公开数据对中小微企业评价的方法及相关设备
CN115049107A (zh) 一种基于物联采集边缘计算的电量预测系统

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