CN113255996B - 一种标签化的电费余额管理方法、装置、设备及存储介质 - Google Patents
一种标签化的电费余额管理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113255996B CN113255996B CN202110563805.7A CN202110563805A CN113255996B CN 113255996 B CN113255996 B CN 113255996B CN 202110563805 A CN202110563805 A CN 202110563805A CN 113255996 B CN113255996 B CN 113255996B
- Authority
- CN
- China
- Prior art keywords
- electricity
- user
- electricity consumption
- period
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003860 storage Methods 0.000 title claims abstract description 32
- 230000005611 electricity Effects 0.000 claims abstract description 383
- 238000002372 labelling Methods 0.000 claims abstract description 17
- 238000007726 management method Methods 0.000 claims description 47
- 238000009826 distribution Methods 0.000 claims description 24
- 230000001932 seasonal effect Effects 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 230000008014 freezing Effects 0.000 claims description 10
- 238000007710 freezing Methods 0.000 claims description 10
- 230000001360 synchronised effect Effects 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000002354 daily effect Effects 0.000 description 19
- 238000012360 testing method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (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)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种标签化的电费余额管理方法、装置、设备及存储介质。所述方法包括:根据用电类别属性标签确定用户的用电价格,获取用户的当前电费余额;基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量;基于所述用户用电价格、当前电费余额以及预测用电量确定当前电费余额可用的单位周期数,并将所述单位周期数进行标签化标记;根据标记后的所述单位周期数对电费余额进行管理。利用该方法,能够根据当前电费余额可用的单位周期数对用户电费余额进行标签化管理,有效发挥电费余额价值。
Description
技术领域
本发明实施例涉及电力技术领域,尤其涉及一种标签化的电费余额管理方法、装置、设备及存储介质。
背景技术
随着智能电表的普及,逐步实现了用户“先用电,后交费”到“预存电费,后用电”的转变,但是在用户预存电费管理方面未能充分关注用户电费余额的价值。
现有技术的方案包括借助信息通信技术,通过实时费控系统、营销业务应用系统、用电信息采集系统及手机短信平台,采集远程费控智能电能表数据信息,实时计算电费,通过费控策略比对,自动发送电费预警信息、远程下达停复电指令,实现可用电费余额自动测算、交费信息自动预警、停复电指令自动发送的远程互动的电费管理方式。
但是,上述方案存在以下不足:计算电费的算法精度不高,不具备实时监控欠费停电预警功能和用户的电费余额价值未体现。
发明内容
本发明实施例提供了一种标签化的电费余额管理方法、装置、设备及存储介质,能够根据当前电费余额可用的单位周期数对用户电费余额进行标签化管理,有效发挥电费余额价值。
第一方面,本发明实施例提供了一种标签化的电费余额管理方法,包括:
根据用电类别属性标签确定用户的用电价格,获取用户的当前电费余额;
基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量;
基于所述用户用电价格、当前电费余额以及预测用电量确定当前电费余额可用的单位周期数;并将所述单位周期数进行标签化标记;
根据标记后的所述单位周期数对电费余额进行管理。
第二方面,本发明实施例还提供了一种标签化的电费余额管理装置,包括:
第一获取模块,用于根据用电类别属性标签确定用户的用电价格,获取用户的当前电费余额;
第二获取模块,用于基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量;
确定模块,用于基于所述用户用电价格、当前电费余额以及预测用电量确定当前电费余额可用的单位周期数;并将所述单位周期数进行标签化标记;
管理模块,用于根据标记后的所述单位周期数对电费余额进行管理。
第三方面,本发明实施例还提供了一种计算机设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器用于实现本发明任意实施例中所述的标签化的电费余额管理方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的标签化的电费余额管理方法。
本发明实施例提供了一种标签化的电费余额管理方法、装置、设备及存储介质,首先根据用电类别属性标签确定用户的用电价格,获取用户的当前电费余额;然后基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量;之后基于所述用户用电价格、当前电费余额以及预测用电量确定当前电费余额可用的单位周期数,并将所述单位周期数进行标签化标记;最后根据标记后的所述单位周期数对电费余额进行管理。利用上述技术方案,能够根据当前电费余额可用的单位周期数对用户电费余额进行标签化管理,有效发挥电费余额价值。
附图说明
图1为本发明实施例一所提供的一种标签化的电费余额管理方法的流程示意图;
图2为本发明实施例一所提供的一种标签化的电费余额管理方法的失真度路径示意图;
图3为本发明实施例二所提供的一种标签化的电费余额管理方法中的获取预测用电量的示例流程图;
图4为本发明实施例三所提供的一种标签化的电费余额管理装置的结构示意图;
图5为本发明实施例四所提供的一种计算机设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
应当理解,本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
实施例一
图1为本发明实施例一所提供的一种标签化的电费余额管理方法的流程示意图,该方法可适用于对用户的电费余额进行管理的情况,该方法可以由一种标签化的电费余额管理装置来执行,其中该装置可由软件和/或硬件实现,并一般集成在计算机设备上。
如图1所示,本发明实施例一提供的一种标签化的电费余额管理方法,包括如下步骤:
S110、根据用电类别属性标签确定用户的用电价格,获取用户的当前电费余额。
在本实施例中,用电类别可以通过属性标签来表征,即根据属性标签可以直观的显示当前用户用电的类别,用电类别可以包括居民生活用电、商业供电、大工业用电以及农业生产用电等,不同用电类别对应不同的用电价格。
其中,获取用户的当前电费余额的方式可以包括根据电费余额的标签获取用户的当前电费余额,即标签上可以直观显示电费余额。
S120、基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量。
在本实施例中,用电信息可以包括多个历史同期用电数据和供电单位的与未来设定时长同期的用户用电数据。其中,历史同期用电数据可以理解为历史用电数据中与未来设定时长同期的用户用电数据。示例性的,若未来设定时长为2021年5月份的后5天,则历史同期用电数据可以为2020年5月份的用电数据;多个历史同期数据可以包括2021年之前的任意一年中5月份的用电数据,历史同期数据的个数可以根据实际情况进行选择,若只能获取到用户3年内的用电数据,则历史同期数据只能包括2020年5月份的用电数据和2019年5月份的用电数据。
在本实施例中,当前季节信息可以为表征季节性的用电数据,根据季节信息可以进一步结合季节因素对用户用电量的影响从而更精准的预测未来设定时长内每个单位周期的预测用电量。普遍而言,用户在夏季的用电量明显高于用户在春秋季的用电量。
在本实施例中,天气预报信息可以为未来设定时长内每个单位周期的天气预报,示例性的,天气预报信息可以为未来3天的天气预报。根据天气预报信息可以进一步结合天气因素对用户用电量的影响从而更精准的预测未来定时长内每个单位周期的预测用电量。一般而言,雷雨天气的用电量会高于晴朗天气的用电量。
其中,未来设定时长可以为预先设定的未来时空内的任意时长,未来设定时长可以根据实际情况进行设置,示例性的,可以将未来设定时长设置为未来3天。未来设定时长可以包括多个单位周期,示例性的,若未来设定时长设置为未来3天,则一天可以为一个单位周期,即获取用户在未来设定时长内每个单位周期的预测用电量可以理解为获取用户在未来三天内每天的预测用电量。其中,预测用电量可以表示预测得到的用户在未来3天内每天的用电量。
在本实施例中,根据不同的场景可以通过不同的方式获取用户在未来设定时长内每个单位周期的预测用电量。不同的场景可以包括电表是否显示有冻结标记以及用户在设定历史时段内的电量数据是否完整等。在不同的场景下,基于用电信息、当前季节信息以及天气预报信息通过不同的预测方式可以获取用户在未来设定时长内每个单位周期的预测用电量。
进一步的,基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量,包括:若电表显示有冻结标记,且用户在设定历史时段内的电量数据完整,则从所述用电信息中获取多个历史同期用电数据;根据当前时期的用电数据与所述多个历史同期用电数据采用动态时间规整算法获取用户在未来设定时长内每个单位周期的初始预测用电量;对于未来设定时长内每个单位周期,将所述单位周期所在日期的至少一个相邻日期的用户用电量分别与相同季节对应的至少一个日期的用户用电量作商,得到多个比值;将各所述比值的中位数作为调整参数;基于所述调整参数以及天气预报信息对所述初始预测用电量进行调整,获得最终的预测用电量。
其中,电表显示有冻结标记可以理解为电表尾端显示有日冻结示值。用户在设定历史时段内的电量数据完整可以示例性的理解为用户3年内的用电数据完整即可以获取用户3年内的用电量。
示例性的,若想预测2021年5月份的最后5天的用户用电量,则可以根据当前时期的用电数据即2021年5月份的前20天的用电数据分别与2020年5月份的用电数据以及2019年5月份的用电数据采用动态时间规整算法预测出用户在未来5天内每天的用电量作为初始预测用电量。
其中,动态时间规则算法是一种衡量两个时间序列之间相似度的方法,可以用于寻找两个时间序列中的相似点,进一步可以对两个时间序列的数据点进行最优匹配。
在本实施例中,动态时间规则算法采用动态时间归整(Dynamic Time Warping,DTW)算法,将当前时期的用电数据作为测试模板,将多个历史同期用电数据作为参考模板。每个历史同期用电数据与当前时期的用电数据通过DTW算法都可以得到一个失真度序列。
具体的,根据当前时期的用电数据与所述多个历史同期用电数据采用动态时间规整算法获取用户在未来设定时长内每个单位周期的初始预测用电量,包括:计算当前时期的用电数据分别与所述多个历史同期用电数据在不同日期的失真度,获得多个失真度序列;对于每个失真度序列,将所述失真度序列中各个元素求和,获得总失真度;将总失真度最小的序列确定为最优失真度序列;基于所述最优失真度序列获取初始预测用电量。
示例性的,若当前时期的用电数据为2021年5月的前25天的用电数据,则可以计算2021年5月内前25天的用电数据分别与2020年5月内前25天的用电数据的失真度,还可以计算2021年5月内前25天的用电数据分别与2019年5月内前25天的用电数据的失真度。因此,可以计算出两个失真度序列。
其中,对于每一个失真度序列而言,可以将计算得到每一个失真度序列对应的总失真度,将总失真度最小的序列作为最优失真度序列。根据最优失真度的线性趋势可以预测用户在5月的最后5天的用电量。需要说明的是,总失真度越小表示两个数据的相似度越高,因此可以用相似度最高的用电数据来对预测用电量进行预测。
具体的,基于所述最优失真度序列获取初始预测用电量,包括:获取所述最优失真度序列对应的最优失真度路径;根据所述最优失真度路径预测出在未来设定时长内每个单位周期所对应的失真度;根据所述失真度和所述设定时长内的历史同期用电数据确定出初始预测用电量。
图2为本发明实施例一所提供的一种标签化的电费余额管理方法的失真度路径示意图。如图2所示,每个失真度序列都可以直观的表示为一条失真度路径,因此,可以获取最优失真度序列对应的失真度路径。
示例性的,根据最优失真度路径的线性趋势可以预测出在未来1天内每一天的失真度,若未来1天为2021年5月的最后1天,则根据失真度和设定时长内的历史同期用电数据确定出初始预测用电量可以理解为根据最后1天的失真度和2020年5月最后1天的用户用电量通过失真度计算公式可以预测出2021年5月最后一天的用户用电量。
下面以一个历史同期用电数据与当前时期的用电数据通过DTW算法得到一个失真度序列为例进行说明。参考模板的特征参数序列为{R(1),R(2),…,R(m),…R(M)},其中,M表示参考模板的总帧数即天数,m表示帧的时序标号即表示第几天,R(m)表示参考模板中第m天的特征矢量即表示参考模板中第m天的用户用电量。测试模板的特征参数序列为{T(1),T(2),…,T(m),…T(M)},其中,T表示测试模板的总帧数即天数,m表示帧的时序标号即表示第几天,T(m)表示测试模板中第m天的特征矢量即表示测试模板中第m天的用户用电量。需要说明的是,参考模板和测试模板需要采用相应的特征矢量即特征矢量都是用户用电量、帧长即帧长都是以一天为单位、帧移即表示每次间隔的时长相同,窗口函数即计算失真度的公式相同。其中,计算失真度的公式可以表示为:d[T,R]=[T(n)-R(m)]2,n=m,其中,d[T,R]表示第n天测试模板与参考模板的失真度。其中,一个失真度序列的获取方式可以为:根据测试模板和参考模板可以得到一个矩形网格如图2所示,每个矩形网格中都有一个失真度数值用于表示不同日期下测试模板和参考模板中用电量的失真度,根据每个网格中的失真度数值可以得到一个失真度序列,失真度序列可以用图2中的曲线即失真度路径直观的表示。
在本实施例中,结合季节信息获得调整参数。示例性的,若需要预测2021年5月最后一天的用户用电量,则可以获取2021年5月25日到30日的用户用电量和同季节的5天的用户用电量的比值,可以将5个比值的中位数作为调整参数。
进一步的,基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量,包括:若电表显示有冻结日示值,且用户在设定历史时段内的电量数据缺失,则从所述用电信息中获取至少两个供电单位的与所述未来设定时长同期的用户用电数据;对至少两个所述同期的用户用电数据求取平均值,获得初始预测用电量;对于未来设定时长内每个单位周期,将所述单位周期所在日期的至少一个相邻日期的用户用电量分别与相同季节对应的至少一个日期的用户用电量作商,得到多个比值;将各所述比值的中位数作为调整参数;基于所述调整参数以及天气预报信息对所述初始预测用电量进行调整,获得最终的预测用电量。
其中,用户在设定历史时段内的电量数据缺失可以示例性的理解为只能获取用户近一年的用电数据或用户近一个月的用电数据。
示例性的,若需要预测2021年5月份最后一天的用户用电量,则获取至少两个供电单位的与所述未来设定时长同期的用户用电数据可以为从两个供电单位获取2021年5月份最后一天的用户用电数据,将两个供电单位2021年5月份最后一天的用户用电数据的平均值作为初始预测用电量。
获取初始预测用电量后再根据季节信息确定出调整参数,进而根据调整参数和天气预报信息对预测用电量进行调整获得最终的预测用电量。其中,确定调整参数的方式此处不做赘述。
进一步的,基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量,包括:若电表显示无冻结日示值,且用户在设定历史时段内的电量数据完整,则从所述用电信息中获取多个历史同期用电数据;根据当前时期的用电数据与所述多个历史同期用电数据采用动态时间规整算法获取用户在未来设定时长内每个单位周期的初始预测用电量;获取与所述初始预测用电量相同季节对应的多个日期的用户季节用电量;根据所述初始预测用电量和所述用户季节用电量计算未来设定时长内的每个单位周期的电量分配比;基于电量分配比以及天气预报信息对所述初始预测用电量进行调整,获得最终的预测用电量。
在该场景中,获取初始预测用电量的方式已在前文中进行了说明,此处不进行赘述。在获取初始预测用电量之后,可以结合季节信息获取电量分配比。
示例性的,若初始预测用电量为5月最后3天的用户用电量,则获取与所述初始预测用电量相同季节对应的多个日期的用户季节用电量可以为获取春季中任意几天的用电量作为用户季节用电量。根据5月最后3天的用户用电量总和与春季中任意几天的用电量总和计算5月最后3天内每天的电量分配比。
在本实施例中,在通过采用动态时间规整算法获取初始预测用电量后可以根据基于初始预测用电量和季节信息计算得到的电量分配比以及天气预报信息对用户在未来设定天数内的用电量进行预测得到最终的预测用电量。
进一步的,基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量,包括:若电表显示无冻结日示值,且用户在设定历史时段内的电量数据缺失,则从所述用电信息中获取至少两个供电单位的与所述未来设定时长同期的用户用电数据;对至少两个所述同期的用户用电数据求取平均值,获得初始预测用电量;获取与所述初始预测用电量相同季节对应的多个日期的用户季节用电量;根据所述初始预测用电量和所述用户季节用电量计算未来设定时长内的每个单位周期的电量分配比;基于电量分配比以及天气预报信息对所述初始预测用电量进行调整,获得最终的预测用电量。
上述获取预测用电量的方式是基于至少两个供电单位的与未来设定时长同期的用户用电数据的平均值、结合季节信息获取的电量分配以及天气预报信息得到的。
其中,获取初始预测用电量以及获取电量分配比的方式已在上文中进行了详细说明,此处不作赘述。
S130、基于所述用户用电价格、当前电费余额以及预测用电量确定当前电费余额可用的单位周期数,并将所述单位周期数进行标签化标记。
其中,可用的单位周期数可以理解为可用的天数,即当前电费余额还可以用多少天,并将可用的天数进行标签化标记,使得根据标签即可直观的显示可用天数。
具体的,基于所述用户用电价格、当前电费余额以及预测用电量确定当前电费余额可用的单位周期数可以包括:根据用户用电价格和预测用电量可以计算出在未来设定时长内每个单位周期的电费,根据当前电费余额和未来设定时长内的每个单位周期的电费可以计算出单位周期数即可用天数。
S140、根据标记后的所述单位周期数对电费余额进行管理。
在本实施例中,电费余额进行管理可以包括对用户电费余额进行分级分类的标签化管理。其中,分类可以理解为根据用电类型进行分类,分级可以理解为将当前电费余额划分为余额充足、余额适中、余额低以及余额小于0的不同等级,并进行标签化标记。
在本实施例中,电费余额管理可以基于用户电费余额的实时预测以及电费余额可用的天数的实时预测得到的。
可以理解的是,对电费余额进行管理后,可以根据电费余额标签合理提醒用户预存电费,助力电费回收以及规避欠费风险。
本发明实施例一提供的一种标签化的电费余额管理方法,首先根据用电类别属性标签确定用户的用电价格,获取用户的当前电费余额;然后基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量;之后基于所述用户用电价格、当前电费余额以及预测用电量确定当前电费余额可用的单位周期数,并将所述单位周期数进行标签化标记;最后根据标记后的所述单位周期数对电费余额进行管理。利用上述技术方案,能够根据当前电费余额可用的单位周期数对用户电费余额进行标签化管理,有效发挥电费余额价值。此外,对电费余额进行管理后可以合理提醒用户预存电费,助力电费回收以及规避欠费风险。
实施例二
图3为本发明实施例二所提供的一种标签化的电费余额管理方法中的获取预测用电量的示例流程图,本实施例为对实施例一所述方案中获取预测用电量的具体实施例。如图3所示,本实施例提供的四种预测用电量的方式可以针对四种不同的场景进行用电量的预测。
图3包括尾端无日冻结示值且同期电量数据完整即用户在设定历史时段内的电量数据完整的场景和尾端无日冻结示值且同期电量数据缺失即用户在设定历史时段内的电量数据缺失的场景,以及尾端无日冻结示值且同期电量数据完整的场景和尾端无日冻结示值且同期电量数据缺失的场景。
具体的,针对上述四种场景,获取用户在未来设定时长内每个单位周期的预测用电量的方式可以包括以下四种。
对于尾端无日冻结示值且同期电量数据完整的场景,获取用户在未来设定时长内每个单位周期的预测用电量的方式可以为:首先根据用电信息采集数据即用电信息利用动态时间规整算法找缺失旧同期最相似的一天及其电量即根据当前时期的用电数据与所述多个历史同期用电数据采用动态时间规整算法获取用户在未来设定时长内每个单位周期的初始预测用电量;然后结合季节数据即季节信息计算调整参数,调整参数为缺失日近期电量与同期电量比值中位数即将所述单位周期所在日期的至少一个相邻日期的用户用电量分别与相同季节对应的至少一个日期的用户用电量作商,得到多个比值,将各所述比值的中位数作为调整参数;最后结合天气数据集天气预报信息基于最相似一天的同期电量及调整参数,补全缺少的电量值即基于所述调整参数以及天气预报信息对所述初始预测用电量进行调整,获得最终的预测用电量。
对于尾端无日冻结示值且同期电量数据缺失的场景,获取用户在未来设定时长内每个单位周期的预测用电量的方式可以为:首先根据用电信息采集数据计算电量缺失区间两该供电单位每日同行业电量平均值即获取至少两个供电单位的与所述未来设定时长同期的用户用电数据,对至少两个所述同期的用户用电数据求取平均值,获得初始预测用电量;然后结合季节数据计算调整参数,调整参数为缺失日近期电量与同行业平均值比值中位数;最后结合天气数据基于同行业用电量平均值和调整参数补全缺少的电量值。
对于尾端有日冻结示值且同期电量数据完整的场景,取用户在未来设定时长内每个单位周期的预测用电量的方式可以为:首先根据用电信息采集数据利用动态时间规整算法找缺失旧同期最相似的一天及其电量;然后集合季节数据基于同期各最相似日电量,计算缺少期间每日电量分配比即获取与所述初始预测用电量相同季节对应的多个日期的用户季节用电量,根据所述初始预测用电量和所述用户季节用电量计算未来设定时长内的每个单位周期的电量分配比;最后集合天气数据基于缺失期间总电量和每日电量分配比,补全每日缺失电量即基于电量分配比以及天气预报信息对所述初始预测用电量进行调整,获得最终的预测用电量。
对于尾端有日冻结示值且同期电量数据缺失的场景,获取用户在未来设定时长内每个单位周期的预测用电量的方式可以为:首先根据用电信息采集数据计算电量缺失区间两该供电单位每日同行业电量平均值;然后集合季节数据基于同行业电量平均值,计算缺失期间每日电量分配比,即获取与所述初始预测用电量相同季节对应的多个日期的用户季节用电量,根据所述初始预测用电量和所述用户季节用电量计算未来设定时长内的每个单位周期的电量分配比;最后集合天气数据基于缺失期间总电量和每日电量分配比,补全每日缺失电量。
本发明实施例二所提供的一种获取预测用电量的方法,能够针对不同的用电场景提供不同的方法以用于对用户在未来设定时长内的用电量进行准确预测。
实施例三
图4为本发明实施例三所提供的一种标签化的电费余额管理装置的结构示意图,该装置可适用于对用户的电费余额进行管理的情况,其中该装置可由软件和/或硬件实现,并一般集成在计算机设备上。
如图4所示,该装置包括:第一获取模块410、第二获取模块420、确定模块430以及管理模块440。
第一获取模块410,用于根据用电类别属性标签确定用户的用电价格,获取用户的当前电费余额;
第二获取模块420,用于基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量;
确定模块430,用于基于所述用户用电价格、当前电费余额以及预测用电量确定当前电费余额可用的单位周期数;并将所述单位周期数进行标签化标记;
管理模块440,用于根据标记后的所述单位周期数对电费余额进行管理。
在本实施例中,该装置首先通过第一获取模块410用于根据用电类别属性标签确定用户的用电价格,获取用户的当前电费余额;然后通过第二获取模块420用于基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量;之后通过确定模块430用于基于所述用户用电价格、当前电费余额以及预测用电量确定当前电费余额可用的单位周期数;并将所述单位周期数进行标签化标记;最后通过管理模块440用于根据标记后的所述单位周期数对电费余额进行管理。
本实施例提供了一种标签化的电费余额管理装置,利用该装置,能够根据当前电费余额可用的单位周期数对用户电费余额进行标签化管理,有效发挥电费余额价值。
进一步的,第二获取模块420,具体用于:若电表显示有冻结标记,且用户在设定历史时段内的电量数据完整,则从所述用电信息中获取多个历史同期用电数据;根据当前时期的用电数据与所述多个历史同期用电数据采用动态时间规整算法获取用户在未来设定时长内每个单位周期的初始预测用电量;对于未来设定时长内每个单位周期,将所述单位周期所在日期的至少一个相邻日期的用户用电量分别与相同季节对应的至少一个日期的用户用电量作商,得到多个比值;将各所述比值的中位数作为调整参数;基于所述调整参数以及天气预报信息对所述初始预测用电量进行调整,获得最终的预测用电量。
进一步的,第二获取模块420,具体用于:若电表显示有冻结日示值,且用户在设定历史时段内的电量数据缺失,则从所述用电信息中获取至少两个供电单位的与所述未来设定时长同期的用户用电数据;对至少两个所述同期的用户用电数据求取平均值,获得初始预测用电量;对于未来设定时长内每个单位周期,将所述单位周期所在日期的至少一个相邻日期的用户用电量分别与相同季节对应的至少一个日期的用户用电量作商,得到多个比值;将各所述比值的中位数作为调整参数;基于所述调整参数以及天气预报信息对所述初始预测用电量进行调整,获得最终的预测用电量。
进一步的,第二获取模块420,具体用于:若电表显示无冻结日示值,且用户在设定历史时段内的电量数据完整,则从所述用电信息中获取多个历史同期用电数据;根据当前时期的用电数据与所述多个历史同期用电数据采用动态时间规整算法获取用户在未来设定时长内每个单位周期的初始预测用电量;获取与所述初始预测用电量相同季节对应的多个日期的用户季节用电量;根据所述初始预测用电量和所述用户季节用电量计算未来设定时长内的每个单位周期的电量分配比;基于电量分配比以及天气预报信息对所述初始预测用电量进行调整,获得最终的预测用电量。
进一步的,第二获取模块420,具体用于:若电表显示无冻结日示值,且用户在设定历史时段内的电量数据缺失,则从所述用电信息中获取至少两个供电单位的与所述未来设定时长同期的用户用电数据;对至少两个所述同期的用户用电数据求取平均值,获得初始预测用电量;获取与所述初始预测用电量相同季节对应的多个日期的用户季节用电量;根据所述初始预测用电量和所述用户季节用电量计算未来设定时长内的每个单位周期的电量分配比;基于电量分配比以及天气预报信息对所述初始预测用电量进行调整,获得最终的预测用电量。
进一步的,根据当前时期的用电数据与所述多个历史同期用电数据采用动态时间规整算法获取用户在未来设定时长内每个单位周期的初始预测用电量,包括:计算当前时期的用电数据分别与所述多个历史同期用电数据在不同日期的失真度,获得多个失真度序列;对于每个失真度序列,将所述失真度序列中各个元素求和,获得总失真度;将总失真度最小的序列确定为最优失真度序列;基于所述最优失真度序列获取初始预测用电量。
进一步的,所述基于所述最优失真度序列获取初始预测用电量,包括:获取所述最优失真度序列对应的最优失真度路径;根据所述最优失真度路径预测出在未来设定时长内每个单位周期所对应的失真度;根据所述失真度和所述设定时长内的历史同期用电数据确定出初始预测用电量。
上述标签化的电费余额管理装置可执行本发明任意实施例所提供的标签化的电费余额管理装置方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5为本发明实施例四所提供的一种计算机设备的结构示意图。如图5所示,本发明实施例四提供的计算机设备包括:一个或多个处理器51和存储装置52;该计算机设备中的处理器51可以是一个或多个,图5中以一个处理器51为例;存储装置52用于存储一个或多个程序;所述一个或多个程序被所述一个或多个处理器51执行,使得所述一个或多个处理器51实现如本发明实施例中任一项所述的标签化的电费余额管理方法。
所述计算机设备还可以包括:输入装置53和输出装置54。
计算机设备中的处理器51、存储装置52、输入装置53和输出装置54可以通过总线或其他方式连接,图5中以通过总线连接为例。
该计算机设备中的存储装置52作为一种计算机可读存储介质,可用于存储一个或多个程序,所述程序可以是软件程序、计算机可执行程序以及模块,如本发明实施例一或二所提供的标签化的电费余额管理方法对应的程序指令/模块(例如,附图4所示的一种标签化的电费余额管理装置中的模块,包括:第一获取模块410、第二获取模块420、确定模块430以及管理模块440)。处理器51通过运行存储在存储装置52中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述方法实施例中的标签化的电费余额管理方法。
存储装置52可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储装置52可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置52可进一步包括相对于处理器51远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置53可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置54可包括显示屏等显示设备。
并且,当上述计算机设备所包括一个或者多个程序被所述一个或者多个处理器51执行时,程序进行如下操作:
根据用电类别属性标签确定用户的用电价格,获取用户的当前电费余额;
基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量;
基于所述用户用电价格、当前电费余额以及预测用电量确定当前电费余额可用的单位周期数,并将所述单位周期数进行标签化标记;
根据标记后的所述单位周期数对电费余额进行管理。
实施例五
本发明实施例五所提供的一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时用于执行一种标签化的电费余额管理方法,该方法包括:
根据用电类别属性标签确定用户的用电价格,获取用户的当前电费余额;
基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量;
基于所述用户用电价格、当前电费余额以及预测用电量确定当前电费余额可用的单位周期数,并将所述单位周期数进行标签化标记;
根据标记后的所述单位周期数对电费余额进行管理。
可选的,该程序被处理器执行时还可以用于执行本发明任意实施例所提供的标签化的电费余额管理方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是,但不限于,电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random Access Memory,RAM)、只读存储器(Read Only Memory,ROM)、可擦式可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、闪存、光纤、便携式CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于:电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、无线电频率(Radio Frequency,RF)等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种标签化的电费余额管理方法,其特征在于,所述方法包括:
根据用电类别属性标签确定用户的用电价格,获取用户的当前电费余额;
基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量;
基于所述用户用电价格、当前电费余额以及预测用电量确定当前电费余额可用的单位周期数,并将所述单位周期数进行标签化标记;
根据标记后的所述单位周期数对电费余额进行管理;
其中,基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量,包括:
若电表显示有冻结标记,且用户在设定历史时段内的电量数据完整,则从所述用电信息中获取多个历史同期用电数据;
根据当前时期的用电数据与所述多个历史同期用电数据采用动态时间规整算法获取用户在未来设定时长内每个单位周期的初始预测用电量;
对于未来设定时长内每个单位周期,将所述单位周期所在日期的至少一个相邻日期的用户用电量分别与相同季节对应的至少一个日期的用户用电量作商,得到多个比值;
将各所述比值的中位数作为调整参数;
基于所述调整参数以及天气预报信息对所述初始预测用电量进行调整,获得最终的预测用电量。
2.根据权利要求1所述的方法,其特征在于,所述基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量,包括:
若电表显示有冻结日示值,且用户在设定历史时段内的电量数据缺失,则从所述用电信息中获取至少两个供电单位的与所述未来设定时长同期的用户用电数据;
对至少两个所述同期的用户用电数据求取平均值,获得初始预测用电量;
对于未来设定时长内每个单位周期,将所述单位周期所在日期的至少一个相邻日期的用户用电量分别与相同季节对应的至少一个日期的用户用电量作商,得到多个比值;
将各所述比值的中位数作为调整参数;
基于所述调整参数以及天气预报信息对所述初始预测用电量进行调整,获得最终的预测用电量。
3.根据权利要求1所述的方法,其特征在于,所述基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量,包括:
若电表显示无冻结日示值,且用户在设定历史时段内的电量数据完整,则从所述用电信息中获取多个历史同期用电数据;
根据当前时期的用电数据与所述多个历史同期用电数据采用动态时间规整算法获取用户在未来设定时长内每个单位周期的初始预测用电量;
获取与所述初始预测用电量相同季节对应的多个日期的用户季节用电量;
根据所述初始预测用电量和所述用户季节用电量计算未来设定时长内的每个单位周期的电量分配比;
基于电量分配比以及天气预报信息对所述初始预测用电量进行调整,获得最终的预测用电量。
4.根据权利要求1所述的方法,其特征在于,所述基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量,包括:
若电表显示无冻结日示值,且用户在设定历史时段内的电量数据缺失,则从所述用电信息中获取至少两个供电单位的与所述未来设定时长同期的用户用电数据;
对至少两个所述同期的用户用电数据求取平均值,获得初始预测用电量;
获取与所述初始预测用电量相同季节对应的多个日期的用户季节用电量;
根据所述初始预测用电量和所述用户季节用电量计算未来设定时长内的每个单位周期的电量分配比;
基于电量分配比以及天气预报信息对所述初始预测用电量进行调整,获得最终的预测用电量。
5.根据权利要求1或3所述的方法,其特征在于,根据当前时期的用电数据与所述多个历史同期用电数据采用动态时间规整算法获取用户在未来设定时长内每个单位周期的初始预测用电量,包括:
计算当前时期的用电数据分别与所述多个历史同期用电数据在不同日期的失真度,获得多个失真度序列;
对于每个失真度序列,将所述失真度序列中各个元素求和,获得总失真度;
将总失真度最小的序列确定为最优失真度序列;
基于所述最优失真度序列获取初始预测用电量。
6.根据权利要求5所述的方法,其特征在于,所述基于所述最优失真度序列获取初始预测用电量,包括:
获取所述最优失真度序列对应的最优失真度路径;
根据所述最优失真度路径预测出在未来设定时长内每个单位周期所对应的失真度;
根据所述失真度和所述设定时长内的历史同期用电数据确定出初始预测用电量。
7.一种标签化的电费余额管理装置,其特征在于,所述装置包括:
第一获取模块,用于根据用电类别属性标签确定用户的用电价格,获取用户的当前电费余额;
第二获取模块,用于基于用电信息、当前季节信息以及天气预报信息获取用户在未来设定时长内每个单位周期的预测用电量;
确定模块,用于基于所述用户用电价格、当前电费余额以及预测用电量确定当前电费余额可用的单位周期数;并将所述单位周期数进行标签化标记;
管理模块,用于根据标记后的所述单位周期数对电费余额进行管理;
其中,第二获取模块具体用于:若电表显示有冻结标记,且用户在设定历史时段内的电量数据完整,则从所述用电信息中获取多个历史同期用电数据;根据当前时期的用电数据与所述多个历史同期用电数据采用动态时间规整算法获取用户在未来设定时长内每个单位周期的初始预测用电量;对于未来设定时长内每个单位周期,将所述单位周期所在日期的至少一个相邻日期的用户用电量分别与相同季节对应的至少一个日期的用户用电量作商,得到多个比值;将各所述比值的中位数作为调整参数;基于所述调整参数以及天气预报信息对所述初始预测用电量进行调整,获得最终的预测用电量。
8.一种计算机设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器用于执行权利要求1-6任一项所述的标签化的电费余额管理方法。
9.一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,该程序被处理器执行时实现如权利要求1-6任一项所述的标签化的电费余额管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110563805.7A CN113255996B (zh) | 2021-05-24 | 2021-05-24 | 一种标签化的电费余额管理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110563805.7A CN113255996B (zh) | 2021-05-24 | 2021-05-24 | 一种标签化的电费余额管理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113255996A CN113255996A (zh) | 2021-08-13 |
CN113255996B true CN113255996B (zh) | 2024-03-26 |
Family
ID=77184073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110563805.7A Active CN113255996B (zh) | 2021-05-24 | 2021-05-24 | 一种标签化的电费余额管理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113255996B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113791259A (zh) * | 2021-09-02 | 2021-12-14 | 北京京仪北方仪器仪表有限公司 | 一种用于智能电能表的费控系统 |
CN114358814A (zh) * | 2021-11-29 | 2022-04-15 | 国网北京市电力公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899978A (zh) * | 2015-06-02 | 2015-09-09 | 中国南方电网有限责任公司 | 基于费控技术的居民日电费收费方法及系统 |
CN105389637A (zh) * | 2015-12-10 | 2016-03-09 | 四川省电力公司供电服务中心 | 用于月度用电预测模型的有效工作日构建方法 |
JP6103323B1 (ja) * | 2015-10-20 | 2017-03-29 | 国際航業株式会社 | 電気料金情報予測システム |
CN106789563A (zh) * | 2016-12-02 | 2017-05-31 | 国网山东省电力公司武城县供电公司 | 用电业务提醒方法及装置 |
CN107292444A (zh) * | 2017-06-28 | 2017-10-24 | 宁波三星医疗电气股份有限公司 | 一种预付费电能表系统以及电能表预付费方法 |
CN108009938A (zh) * | 2016-11-02 | 2018-05-08 | 中国电力科学研究院 | 一种基于形状的系统负荷聚类及负荷周期的模式识别方法 |
CN112330017A (zh) * | 2020-11-04 | 2021-02-05 | 上海博辕信息技术服务有限公司 | 电力负荷预测方法、装置、电子设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416695B (zh) * | 2018-02-24 | 2020-07-07 | 合肥工业大学 | 基于深度学习的电力负荷概率密度预测方法和系统、介质 |
-
2021
- 2021-05-24 CN CN202110563805.7A patent/CN113255996B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899978A (zh) * | 2015-06-02 | 2015-09-09 | 中国南方电网有限责任公司 | 基于费控技术的居民日电费收费方法及系统 |
JP6103323B1 (ja) * | 2015-10-20 | 2017-03-29 | 国際航業株式会社 | 電気料金情報予測システム |
CN105389637A (zh) * | 2015-12-10 | 2016-03-09 | 四川省电力公司供电服务中心 | 用于月度用电预测模型的有效工作日构建方法 |
CN108009938A (zh) * | 2016-11-02 | 2018-05-08 | 中国电力科学研究院 | 一种基于形状的系统负荷聚类及负荷周期的模式识别方法 |
CN106789563A (zh) * | 2016-12-02 | 2017-05-31 | 国网山东省电力公司武城县供电公司 | 用电业务提醒方法及装置 |
CN107292444A (zh) * | 2017-06-28 | 2017-10-24 | 宁波三星医疗电气股份有限公司 | 一种预付费电能表系统以及电能表预付费方法 |
CN112330017A (zh) * | 2020-11-04 | 2021-02-05 | 上海博辕信息技术服务有限公司 | 电力负荷预测方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113255996A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schopfer et al. | Economic assessment of photovoltaic battery systems based on household load profiles | |
CN113255996B (zh) | 一种标签化的电费余额管理方法、装置、设备及存储介质 | |
US7962247B2 (en) | Computer implemented systems and methods for start-up, calibration and troubleshooting of an installed renewable energy system | |
US9262718B2 (en) | Systems and methods to predict a reduction of energy consumption | |
US20110071882A1 (en) | Method and system for intermediate to long-term forecasting of electric prices and energy demand for integrated supply-side energy planning | |
JP2014021555A (ja) | 自然エネルギー量予測装置 | |
CN108196317B (zh) | 一种用于微电网系统的气象预测方法 | |
CN106249681B (zh) | 建筑能耗异常监控方法和装置 | |
US20210334914A1 (en) | System and method for determining power production in an electrical power grid | |
US20180225779A1 (en) | System and method for determining power production in an electrical power grid | |
US9454143B2 (en) | Electrical transfer capacity optimization systems and methods thereof | |
JP2022046757A (ja) | 電力取引システム | |
CN114202114A (zh) | 一种分布式光伏电站的结算数据获取方法及装置 | |
CN117595332A (zh) | 一种基于储能系统的配电网均衡供电方法 | |
US20230206355A1 (en) | Energy efficiency data collection service | |
CN108614173B (zh) | 一种低压侧综合能耗分析方法和低压侧综合能耗分析系统 | |
CN115438812A (zh) | 输电设备全生命管理方法、装置、计算机设备和存储介质 | |
JP5959037B1 (ja) | 発電量算出装置、発電量算出方法および発電量算出プログラム | |
CN114037364A (zh) | 基于人工智能的虚拟电厂运行风险检测方法 | |
Maalej et al. | Sensor data augmentation strategy for load forecasting in smart grid context | |
CN106771811B (zh) | 一种电力营销错接线排查方法与装置 | |
CN109658135A (zh) | 基于效果数据的竞价调控方法、系统、平台及存储介质 | |
JP7257382B2 (ja) | 情報処理システムおよび情報処理方法 | |
Mbuya | Short-term forecast techniques for energy management systems in microgrid applications | |
Ku et al. | Self-learning mechanism for prediction of energy consumption and generation |
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 |