CN113270863A - 一种智能用电行为分析方法及系统 - Google Patents
一种智能用电行为分析方法及系统 Download PDFInfo
- Publication number
- CN113270863A CN113270863A CN202110509664.0A CN202110509664A CN113270863A CN 113270863 A CN113270863 A CN 113270863A CN 202110509664 A CN202110509664 A CN 202110509664A CN 113270863 A CN113270863 A CN 113270863A
- Authority
- CN
- China
- Prior art keywords
- power
- power equipment
- load data
- user
- behavior analysis
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
- H02J3/00125—Transmission line or load transient problems, e.g. overvoltage, resonance or self-excitation of inductive loads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Power Engineering (AREA)
- Computing Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种用电行为分析的技术领域,揭露了一种智能用电行为分析方法,包括:获取用户的电力设备负荷数据,并计算电力设备负荷数据指标;利用计算得到的电力设备负荷数据指标进行异常事件检测,若检测到用电异常事件,则进行警报;对每一用户的电力设备负荷数据指标进行分段线性表示,其中每一段表示该用户在该时间段内的用电趋势情况;对不同用户的用电分段序列进行相似性计算,得到相似性判断矩阵;计算相似性判断矩阵的动态距离,若动态距离小于阈值,则将两个用户的用电行为为同一类,否则为不同类。本发明还提供了一种智能用电行为分析系统。本发明实现了用电行为分析。
Description
技术领域
本发明涉及用电行为分析的技术领域,尤其涉及一种智能用电行为分析方法及系统。
背景技术
近年来能源使用出现大幅度增长态势。以电能消耗为例,2018年全年用电量约为6.8万亿kW·h,2019年仅上半年用电量约为7.2万亿kW·h,整体用电量呈现每年大幅增长趋势。
现有的电力系统大多没有安装智能化的传感设备,缺乏细颗粒度的精细化监测,能源管理主要依靠工作人员的历史经验,能源管理手段相对粗放。
鉴于此,开展综合能源的精细化监测迫在眉睫,以此降低人工数据的采集成本,提高用户用电信息采集的实效性和准确性,并通过分析负荷数据实现用户用电行为的分析,为制定节能策略、优化用电计划提供指导,成为本领域技术人员亟待解决的问题。
发明内容
本发明提供一种智能用电行为分析方法,通过获取用户的用电负荷数据指标,对每一用户电力设备负荷数据指标进行分段线性表示,其中每一段表示该用户在该时间段内的用电趋势情况;对不同用户的用电分段序列进行相似性计算,得到相似性判断矩阵,计算相似性判断矩阵的动态距离,若动态距离小于阈值,则将两个用户的用电行为为同一类,否则为不同类,从而达到智能化判断用户用电行为的目的。
为实现上述目的,本发明提供的一种智能用电行为分析方法,包括:
获取用户的电力设备负荷数据,并计算电力设备负荷数据指标;
利用计算得到的电力设备负荷数据指标进行异常事件检测,若检测到用电异常事件,则进行警报;
对每一用户的电力设备负荷数据指标进行分段线性表示,其中每一段表示该用户在该时间段内的用电趋势情况;
对不同用户的用电分段序列进行相似性计算,得到相似性判断矩阵;
计算相似性判断矩阵的动态距离,若动态距离小于阈值,则将两个用户的用电行为为同一类,否则为不同类。
可选地,所述计算电力设备负荷数据指标,包括:
在本发明一个具体实施例中,所述电力设备负荷数据包括电力设备电压值、电流值、频率、谐波等;
根据所获取的电力设备负荷数据,本发明计算得到电力设备负荷数据指标,所述电力设备负荷数据指标的计算公式为:
1)电压偏差:
其中:
ΔU为电力设备的电压偏差;
Ure为电力设备的电压测量值;
U为电力设备的标称电压;
2)电流偏差:
其中:
ΔI为电力设备的电流偏差;
Ire为电力设备的电流测量值;
I为电力设备的标称电流;
3)负荷总用电时间统计:
其中:
Toff,i,t为电力设备i第t次用电的关闭时间;
Ton,i,t为电力设备i第t次用电的开启时间;
Ti为电力设备i的用电总时间。
可选地,所述利用计算得到的电力设备负荷数据指标进行异常事件检测,包括:
根据所计算得到的电压偏差和电流偏差,计算得到电力设备的功率偏差:
ΔP=ΔUΔI
对于如下用户的电力设备功率序列:
P=[ΔP1,ΔP2,…,ΔPi,…,ΔPN]
其中:
ΔPi为用户电力设备i的功率;
计算得到电力设备功率序列的功率平均值以及方差:
其中:
Si为电力设备功率序列的方差;
可选地,所述对每一用户的电力设备负荷数据指标进行分段线性表示,包括:
所述分段线性表示形式为:
其中:
X(t)为电力设备负荷数据指标的时间序列形式,X(t)={(x1,t1),…,(xn,tn)},x1为t1时刻的电力设备负荷数据指标值;
f(t)为分段后连接时间序列分段点的函数;
e(t)为时间序列与它的分段线性表示之间的误差;
tk,3,tk,o分别表示第k段时间序列的起始时刻和终止时刻;
将k个分段线性序列表示结果作为原始时间序列X(t)的表征,其中X(t)={h1,h2,…,hk},hk=fk(t)+ek(t)。
可选地,所述对不同用户的用电分段序列进行相似性计算,包括:
对于两个不同的用户用电分段序列X1(t)={h11,h12,…,h1k}和X2(t)={h21,h22,…,h2v},利用下式计算两者分段序列的相似性:
从而得到不同用户的相似性判断矩阵D。
可选地,所述计算相似性判断矩阵的动态距离,包括:
在相似系判断矩阵中计算得到一条连续的路径B={b1,…,b3},使得路径上的元素值相加之和最小;
构造距离目标函数:
将目标函数的求解转换为动态规划问题,构造一个累计矩阵R={r(i,j)}记录从起始位置到结束位置的最短路径:
其中:
r(0,0)=0,r(i,0)=r(0,j)=∞
最终B(X1(t),X2(t))=r(k,v),若B(X1(t),X2(t))<T,则将两个用户的用电行为为同一类,否则为不同类,其中T为阈值,将其设置为0.4。
此外,为实现上述目的,本发明还提供一种智能用电行为分析系统,所述系统包括:
电力数据获取装置,用于获取用户的电力设备负荷数据,并计算电力设备负荷数据指标;
数据处理器,用于利用计算得到的电力设备负荷数据指标进行异常事件检测,若检测到用电异常事件,则进行警报;对每一用户的电力设备负荷数据指标进行分段线性表示,其中每一段表示该用户在该时间段内的用电趋势情况;
用户行为分析装置,用于对不同用户的用电分段序列进行相似性计算,得到相似性判断矩阵,计算相似性判断矩阵的动态距离,若动态距离小于阈值,则将两个用户的用电行为为同一类,否则为不同类。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有用户行为分析程序指令,所述用户行为分析程序指令可被一个或者多个处理器执行,以实现如上所述的智能用电行为分析的实现方法的步骤。
相对于现有技术,本发明提出一种智能用电行为分析方法,该技术具有以下优势:
首先,本发明利用计算得到的电力设备负荷数据指标进行异常事件检测,所述异常事件的检测流程为:根据所计算得到的电压偏差和电流偏差,计算得到电力设备的功率偏差:
ΔP=ΔUΔI
对于如下用户的电力设备功率序列:
P=[ΔP1,ΔP2,…,ΔPi,…,ΔPN]
其中:ΔPi为用户电力设备i的功率;计算得到电力设备功率序列的功率平均值以及方差:
其中:为电力设备功率序列的功率平均值;Si为电力设备功率序列的方差;若则认为当前用户的电力设备发生功率突变,此时对当前用户进行用电警报,在本发明一个具体实施例中,所采用的用电警报方式为短信通知;从而保障了用户用电安全。
同时,本发明将所计算得到的每一用户的电力设备负荷数据指标进行分段线性表示,所述分段线性表示形式为:
其中:X(t)为电力设备负荷数据指标的时间序列形式,X(t)={(x1,t1),…,(xn,tn)},x1为t1时刻的电力设备负荷数据指标值;f(t)为分段后连接时间序列分段点的函数;e(t)为时间序列与它的分段线性表示之间的误差;tk,3,tk,o分别表示第k段时间序列的起始时刻和终止时刻;将k个分段线性序列表示结果作为原始时间序列X(t)的表征,其中X(t)={h1,h2,…,hk},hk=fk(t)+ek(t);进一步地,对于两个不同的用户用电分段序列X1(t)={h11,h12,…,h1k}和X2(t)={h21,h22,…,h2v},本发明利用下式计算两者分段序列的相似性:
从而得到不同用户的相似性判断矩阵D,本发明计算相似性判断矩阵的动态距离,其计算过程如下:在相似系判断矩阵中计算得到一条连续的路径B={b1,…,b3},使得路径上的元素值相加之和最小;构造距离目标函数:
将目标函数的求解转换为动态规划问题,构造一个累计矩阵R={r(i,j)}记录从起始位置到结束位置的最短路径:
其中:
r(0,0)=0,r(i,0)=r(0,j)=∞
最终B(X1(t),X2(t))=r(k,v),若B(X1(t),X2(t))<T,则将两个用户的用电行为为同一类,否则为不同类,其中T为阈值,将其设置为0.4。相较于传统技术,本发明所采用的时间序列的分段模式化过程,依据分段子序列的均值及其线性拟合函数的导数符号将时间序列转化为模式序列,不仅降低了序列维度,而且可以在滤除噪声平滑序列的同时,保留序列趋势特征,从而为趋势相似性度量奠定基础,并通过求解距离目标函数得到不同用户之间的行为模式距离,将其同预设定的阈值比较,从而实现用户用电行为类别的划分。
附图说明
图1为本发明一实施例提供的一种智能用电行为分析方法的流程示意图;
图2为本发明一实施例提供的一种智能用电行为分析系统的结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
通过获取用户的用电负荷数据指标,对每一用户电力设备负荷数据指标进行分段线性表示,其中每一段表示该用户在该时间段内的用电趋势情况;对不同用户的用电分段序列进行相似性计算,得到相似性判断矩阵,计算相似性判断矩阵的动态距离,若动态距离小于阈值,则将两个用户的用电行为为同一类,否则为不同类,从而达到智能化判断用户用电行为的目的。参照图1所示,为本发明一实施例提供的智能用电行为分析方法示意图。
在本实施例中,智能用电行为分析方法包括:
S1、获取用户的电力设备负荷数据,并计算电力设备负荷数据指标。
首先,本发明获取用户的电力设备负荷数据,在本发明一个具体实施例中,所述电力设备负荷数据包括电力设备电压值、电流值、频率、谐波等;
根据所获取的电力设备负荷数据,本发明计算得到电力设备负荷数据指标,所述电力设备负荷数据指标的计算公式为:
1)电压偏差:
其中:
ΔU为电力设备的电压偏差;
Ure为电力设备的电压测量值;
U为电力设备的标称电压;
2)电流偏差:
其中:
ΔI为电力设备的电流偏差;
Ire为电力设备的电流测量值;
I为电力设备的标称电流;
3)负荷总用电时间统计:
其中:
Toff,i,t为电力设备i第t次用电的关闭时间;
Ton,i,t为电力设备i第t次用电的开启时间;
Ti为电力设备i的用电总时间。
S2、利用计算得到的电力设备负荷数据指标进行异常事件检测,若检测到用电异常事件,则进行警报。
进一步地,本发明利用计算得到的电力设备负荷数据指标进行异常事件检测,所述异常事件的检测流程为:
根据所计算得到的电压偏差和电流偏差,计算得到电力设备的功率偏差:
ΔP=ΔUΔI
对于如下用户的电力设备功率序列:
P=[ΔP1,ΔP2,…,ΔPi,…,ΔPN]
其中:
ΔPi为用户电力设备i的功率;
计算得到电力设备功率序列的功率平均值以及方差:
其中:
Si为电力设备功率序列的方差;
S3、对每一用户的电力设备负荷数据指标进行分段线性表示,其中每一段表示该用户在该时间段内的用电趋势情况。
进一步地,本发明将所计算得到的每一用户的电力设备负荷数据指标进行分段线性表示,所述分段线性表示形式为:
其中:
X(t)为电力设备负荷数据指标的时间序列形式,X(t)={(x1,t1),…,(xn,tn)},x1为t1时刻的电力设备负荷数据指标值;
f(t)为分段后连接时间序列分段点的函数;
e(t)为时间序列与它的分段线性表示之间的误差;
tk,3,tk,o分别表示第k段时间序列的起始时刻和终止时刻;
将k个分段线性序列表示结果作为原始时间序列X(t)的表征,其中X(t)={h1,h2,…,hk},hk=fk(t)+ek(t)。
S4、对不同用户的用电分段序列进行相似性计算,得到相似性判断矩阵。
进一步地,对于两个不同的用户用电分段序列X1(t)={h11,h12,…,h1k}和X2(t)={h21,h22,…,h2v},本发明利用下式计算两者分段序列的相似性:
从而得到不同用户的相似性判断矩阵D。
S5、计算相似性判断矩阵的动态距离,若动态距离小于阈值,则将两个用户的用电行为为同一类,否则为不同类。
进一步地,本发明计算相似性判断矩阵的动态距离,其计算过程如下:
在相似系判断矩阵中计算得到一条连续的路径B={b1,…,bs},使得路径上的元素值相加之和最小;
构造距离目标函数:
将目标函数的求解转换为动态规划问题,构造一个累计矩阵R={r(i,j)}记录从起始位置到结束位置的最短路径:
其中:
r(0,0)=0,r(i,0)=r(0,j)=∞
最终B(X1(t),X2(t))=r(k,v),若B(X1(t),X2(t))<T,则将两个用户的用电行为为同一类,否则为不同类,其中T为阈值,将其设置为0.4。
下面通过一个算法实验来说明本发明的具体实施方式,并对发明的处理方法进行测试。本发明算法的硬件测试环境为:Inter(R)Core(TM)i7-6700K CPU,软件为Matlab2018a;对比方法为基于SVM的智能用电行为分析方法以及基于决策树的智能用电行为分析方法。
在本发明所述算法实验中,数据集为10G的电力数据。本实验通过将电力数据输入到算法模型中,将用电行为分析的准确率作为算法可行性的评价指标,其中用电行为分析的准确率越高,则说明算法的有效性、可行性越高。
根据实验结果,基于SVM的智能用电行为分析方法的用电行为分析准确率为81.06%,基于决策树的智能用电行为分析方法的用电行为分析准确率为83.34%,本发明所述方法的用电行为分析准确率为85.49%,相较于对比算法,本发明所提出的智能用电行为分析方法能够实现更高的用电行为分析准确率。
发明还提供一种智能用电行为分析系统。参照图2所示,为本发明一实施例提供的智能用电行为分析系统的内部结构示意图。
在本实施例中,所述智能用电行为分析系统1至少包括电力数据获取装置11、数据处理器12、用户行为分析装置13,通信总线14,以及网络接口15。
其中,电力数据获取装置11可以是PC(Personal Computer,个人电脑),或者是智能手机、平板电脑、便携计算机等终端设备,也可以是一种服务器等。
数据处理器12至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。数据处理器12在一些实施例中可以是智能用电行为分析系统1的内部存储单元,例如该智能用电行为分析系统1的硬盘。数据处理器12在另一些实施例中也可以是智能用电行为分析系统1的外部存储设备,例如智能用电行为分析系统1上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,数据处理器12还可以既包括智能用电行为分析系统1的内部存储单元也包括外部存储设备。数据处理器12不仅可以用于存储安装于智能用电行为分析系统1的应用软件及各类数据,还可以用于暂时地存储已经输出或者将要输出的数据。
用户行为分析装置13在一些实施例中可以是一中央处理器(Central ProcessingUnit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行数据处理器12中存储的程序代码或处理数据,例如用户行为分析程序指令等。
通信总线14用于实现这些组件之间的连接通信。
网络接口15可选的可以包括标准的有线接口、无线接口(如WI-FI接口),通常用于在该系统1与其他电子设备之间建立通信连接。
可选地,该系统1还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在智能用电行为分析系统1中处理的信息以及用于显示可视化的用户界面。
图2仅示出了具有组件11-15以及智能用电行为分析系统1,本领域技术人员可以理解的是,图1示出的结构并不构成对智能用电行为分析系统1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
在图2所示的装置1实施例中,数据处理器12中存储有用户行为分析程序指令;用户行为分析装置13执行数据处理器12中存储的用户行为分析程序指令的步骤,与智能用电行为分析方法的实现方法相同,在此不作类述。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有用户行为分析程序指令,所述用户行为分析程序指令可被一个或多个处理器执行,以实现如下操作:
获取用户的电力设备负荷数据,并计算电力设备负荷数据指标;
利用计算得到的电力设备负荷数据指标进行异常事件检测,若检测到用电异常事件,则进行警报;
对每一用户的电力设备负荷数据指标进行分段线性表示,其中每一段表示该用户在该时间段内的用电趋势情况;
对不同用户的用电分段序列进行相似性计算,得到相似性判断矩阵;
计算相似性判断矩阵的动态距离,若动态距离小于阈值,则将两个用户的用电行为为同一类,否则为不同类。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种智能用电行为分析方法,其特征在于,所述方法包括:
获取用户的电力设备负荷数据,并计算电力设备负荷数据指标;
利用计算得到的电力设备负荷数据指标进行异常事件检测,若检测到用电异常事件,则进行警报;
对每一用户的电力设备负荷数据指标进行分段线性表示,其中每一段表示该用户在该时间段内的用电趋势情况;
对不同用户的用电分段序列进行相似性计算,得到相似性判断矩阵;
计算相似性判断矩阵的动态距离,若动态距离小于阈值,则将两个用户的用电行为为同一类,否则为不同类。
7.一种智能用电行为分析系统,其特征在于,所述系统包括:
电力数据获取装置,用于获取用户的电力设备负荷数据,并计算电力设备负荷数据指标;
数据处理器,用于利用计算得到的电力设备负荷数据指标进行异常事件检测,若检测到用电异常事件,则进行警报;对每一用户的电力设备负荷数据指标进行分段线性表示,其中每一段表示该用户在该时间段内的用电趋势情况;
用户行为分析装置,用于对不同用户的用电分段序列进行相似性计算,得到相似性判断矩阵,计算相似性判断矩阵的动态距离,若动态距离小于阈值,则将两个用户的用电行为为同一类,否则为不同类。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有用户行为分析程序指令,所述用户行为分析程序指令可被一个或者多个处理器执行,以实现如上所述的智能用电行为分析的实现方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110509664.0A CN113270863A (zh) | 2021-05-11 | 2021-05-11 | 一种智能用电行为分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110509664.0A CN113270863A (zh) | 2021-05-11 | 2021-05-11 | 一种智能用电行为分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113270863A true CN113270863A (zh) | 2021-08-17 |
Family
ID=77230374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110509664.0A Pending CN113270863A (zh) | 2021-05-11 | 2021-05-11 | 一种智能用电行为分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113270863A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307944A (zh) * | 2023-05-18 | 2023-06-23 | 山东欣瑞电气有限公司 | 基于人工智能与物联网的配电箱远程监测系统 |
CN117235265A (zh) * | 2023-09-21 | 2023-12-15 | 湖北中恒电测科技有限公司 | 一种电力数据文件的处理系统和方法 |
-
2021
- 2021-05-11 CN CN202110509664.0A patent/CN113270863A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307944A (zh) * | 2023-05-18 | 2023-06-23 | 山东欣瑞电气有限公司 | 基于人工智能与物联网的配电箱远程监测系统 |
CN116307944B (zh) * | 2023-05-18 | 2023-08-04 | 山东欣瑞电气有限公司 | 基于人工智能与物联网的配电箱远程监测系统 |
CN117235265A (zh) * | 2023-09-21 | 2023-12-15 | 湖北中恒电测科技有限公司 | 一种电力数据文件的处理系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113270863A (zh) | 一种智能用电行为分析方法及系统 | |
CN112148768A (zh) | 一种指标时间序列异常检测方法、系统及存储介质 | |
CN113641994B (zh) | 基于图数据的数据处理方法及系统 | |
JP2023089004A5 (zh) | ||
CN112559305B (zh) | 不间断电源系统内部关键模块性能预测方法、装置和设备 | |
CN110858072B (zh) | 设备运行状态的确定方法及装置 | |
Dash et al. | An appliance load disaggregation scheme using automatic state detection enabled enhanced integer programming | |
CN113627783A (zh) | 一种基于大数据的智慧城市数据系统 | |
CN114444863A (zh) | 一种企业生产安全评估方法、系统、装置及存储介质 | |
CN116542781A (zh) | 任务分配方法、装置、计算机设备及存储介质 | |
CN113836240B (zh) | 时序数据分类方法、装置、终端设备及存储介质 | |
CN111784042B (zh) | 一种用电节点安全风险预测方法、装置及存储介质 | |
CN110648045A (zh) | 风险评估方法、电子装置及计算机可读存储介质 | |
CN113408210B (zh) | 基于深度学习的非侵入负荷分解方法、系统、介质和设备 | |
CN116405310B (zh) | 一种网络数据安全监测方法及系统 | |
CN112434947A (zh) | 一种配电网智能评估方法、设备及存储介质 | |
CN109192340A (zh) | 百万千瓦级压水堆核电站发电机测量点监测的方法及装置 | |
CN115358336A (zh) | 用电异常检测方法、装置及电子设备 | |
CN113704690A (zh) | 一种危化品智能存储柜实时监测方法及系统 | |
CN114219664A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN109409127B (zh) | 网络数据安全策略的生成方法、装置及存储介质 | |
CN110210099A (zh) | 设备发热缺陷预测方法、装置及终端设备 | |
CN109164328A (zh) | 一种非侵入式高危电器探测方法及装置 | |
CN117913740B (zh) | 基于一二次融合柱上断路器的电流切换方法及系统 | |
CN116631172B (zh) | 一种基于门锁和电子门铃联动的预警方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210817 |