CN113283076A - 用电异常的研究方法、装置与计算机可读存储介质 - Google Patents

Abstract

本申请提供了一种用电异常的研究方法、装置、计算机可读存储介质。该方法包括选取现有的用户用电大数据构建用电数据库；采用具有监督功能的多隐藏层神经网络算法，构建用户用电数据分析模型；将用电数据库中的用户用电大数据，输入至用户用电数据分析模型中进行运算，得到用电数据库的运算分析结果集合；获取用户的实时用电数据；将实时用电数据输入至用户用电数据分析模型中进行训练，得到实时分析结果；将实时分析结果与运算分析结果集合进行比对，得到比对结果；根据比对结果，筛选出实时用电数据中的异常用电数据。实现了用电异常的精确检测，且本方案的检测结果不易受到环境因素的影响。

Description

用电异常的研究方法、装置与计算机可读存储介质

技术领域

本申请涉及用电异常领域，具体而言，涉及一种用电异常的研究方法、装置、计算机可读存储介质与处理器。

背景技术

电力工业是国民经济的基础性产业，保证电网企业及时收回电费是确保电力发展的必要条件。但是由于各种原因，目前窃电现象还普遍存在，部分地区甚至还很猖獗，给供电企业也造成巨大损失。虽然我国供电系统已经展开反窃电措施及相关的防窃电措施，但是现有的传统防窃电措施难以发现越来越隐蔽的窃电方式，电力行业大数据中蕴含了大量的事件信息，对于电力公司而言，挖掘其中的异常用电数据具有重大意义。

目前针对异常用电的检测研究方法并不多，用电异常的检测分析结果容易因环境因素出现较大误差，影响用电异常的检测。

发明内容

本申请的主要目的在于提供一种用电异常的研究方法、装置、计算机可读存储介质与处理器，以解决现有技术中用电异常的检测分析结果容易因环境因素出现较大误差，影响用电异常的检测的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种用电异常的研究方法，包括：选取现有的用户用电大数据构建用电数据库；采用具有监督功能的多隐藏层神经网络算法，构建用户用电数据分析模型；将所述用电数据库中的所述用户用电大数据，输入至所述用户用电数据分析模型中进行运算，得到所述用电数据库的运算分析结果集合；获取用户的实时用电数据；将所述实时用电数据输入至所述用户用电数据分析模型中进行训练，得到实时分析结果；将所述实时分析结果与所述运算分析结果集合进行比对，得到比对结果；根据所述比对结果，筛选出所述实时用电数据中的异常用电数据。

可选地，所述方法还包括：将所述用电数据库中的正常用电数据输入至所述用户用电数据分析模型中进行运算，得到正常分析结果；将所述实时用电数据中的正常用电数据输入至所述用户用电数据分析模型中进行运算，得到当前分析结果；将所述正常分析结果和所述当前分析结果进行比较，得到比较结果；根据所述比较结果，对所述用户用电数据分析模型的准确性进行校验。

可选地，在根据所述比对结果，筛选出所述实时用电数据中的异常用电数据之后，所述方法还包括：将筛选出的所述异常用电数据传输至移动端；所述移动端生成提示信息，所述提示信息用于通知现场检查操作员根据所述异常用电数据进行作业。

可选地，在现场检查操作员根据所述异常用电数据进行作业之后，所述方法还包括：采集所述异常用电数据对应的用户的实时用电数据；将所述实时用电数据添加至所述用电数据库中，形成新的用电数据库。

可选地，在采集所述异常用电数据对应的用户的实时用电数据之后，所述方法还包括：将所述用户的实时用电数据输入至所述用户用电数据分析模型中进行运算，得到用户实时分析结果；将对所述异常用电数据进行作业之前的用户的用电数据，输入至所述用户用电数据分析模型中进行运算，得到用户历史分析结果；在所述用户实时分析结果和所述用户历史分析结果的相似度，大于预定值的情况下，确定用电异常未解决。

可选地，将筛选出的所述异常用电数据传输至移动端，包括：采用网络传输或微波传输的方式，将所述异常用电数据传输至移动端。

可选地，将所述实时用电数据输入至所述用户用电数据分析模型中进行训练，得到实时分析结果，包括：将所述实时用电数据输入至所述用户用电数据分析模型中训练多次，得到多个训练结果；将偏差较大的训练结果去除，得到所述实时分析结果。

根据本申请的另一个方面，提供了一种用电异常的研究装置，包括：第一构建单元，用于选取现有的用户用电大数据构建用电数据库；第二构建单元，用于采用具有监督功能的多隐藏层神经网络算法，构建用户用电数据分析模型；第一运算单元，用于将所述用电数据库中的所述用户用电大数据，输入至所述用户用电数据分析模型中进行运算，得到所述用电数据库的运算分析结果集合；获取单元，用于获取用户的实时用电数据；训练单元，用于将所述实时用电数据输入至所述用户用电数据分析模型中进行训练，得到实时分析结果；比对单元，用于将所述实时分析结果与所述运算分析结果集合进行比对，得到比对结果；筛选单元，用于根据所述比对结果，筛选出所述实时用电数据中的异常用电数据。

根据本申请的又一个方面，提供了一种计算机可读存储介质，所述计算机可读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计算机可读存储介质所在设备执行任意一种所述的用电异常的研究方法。

根据本申请的再一个方面，提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任意一种所述的用电异常的研究方法。

应用本申请的技术方案，通过构建用电数据库，构建用户用电数据分析模型，将用电数据库中的用户用电大数据，输入至用户用电数据分析模型进行运算，得到运算分析结果集合，将实时用电数据输入至用户用电数据分析模型中进行训练，得到实时分析结果，通过比对实时分析结果与运算分析结果，得到比对结果，根据比对结果，从实时用电数据中筛选出异常用电数据。实现了用电异常的精确检测，且本方案的检测结果不易受到环境因素的影响。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，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示出了根据本申请的实施例的用电异常的研究方法流程图；

图2示出了根据本申请的实施例的用电异常的研究装置示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

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。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。

应该理解的是，当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时，该元件可直接在该另一元件上，或者也可存在中间元件。而且，在说明书以及权利要求书中，当描述有元件“连接”至另一元件时，该元件可“直接连接”至该另一元件，或者通过第三元件“连接”至该另一元件。

正如背景技术中所介绍的，现有技术中的用电异常的检测分析结果容易因环境因素出现较大误差，影响用电异常的检测，为解决如上用电异常的检测分析结果容易因环境因素出现较大误差，影响用电异常的检测的问题。本申请的实施例提供了一种用电异常的研究方法、装置、计算机可读存储介质与处理器。

根据本申请的实施例，提供了一种用电异常的研究方法。

图1是根据本申请实施例的用电异常的研究方法的流程图。如图1所示，该方法包括以下步骤：

步骤S101，选取现有的用户用电大数据构建用电数据库；

步骤S102，采用具有监督功能的多隐藏层神经网络算法，构建用户用电数据分析模型；

步骤S103，将上述用电数据库中的上述用户用电大数据，输入至上述用户用电数据分析模型中进行运算，得到上述用电数据库的运算分析结果集合；

步骤S104，获取用户的实时用电数据；

步骤S105，将上述实时用电数据输入至上述用户用电数据分析模型中进行训练，得到实时分析结果；

步骤S106，将上述实时分析结果与上述运算分析结果集合进行比对，得到比对结果；

步骤S107，根据上述比对结果，筛选出上述实时用电数据中的异常用电数据。

优选地，选取现有的用户用电大数据进行重复数据过滤后，在电网服务器中建立以用户用电大数据为基础的用电数据库，构建的用电数据库以用户用电大数据为对比依据进行实时更新。

具体地，用户用电数据分析模型是基于现有的用户用电大数据进行构建的。具有监督功能的多隐藏层神经网络算法具体可以为BP神经网络算法。当然，也可以选择其他种类的神经网络算法。

上述方案中，通过构建用电数据库，构建用户用电数据分析模型，将用电数据库中的用户用电大数据，输入至用户用电数据分析模型进行运算，得到运算分析结果集合，将实时用电数据输入至用户用电数据分析模型中进行训练，得到实时分析结果，通过比对实时分析结果与运算分析结果，得到比对结果，根据比对结果，从实时用电数据中筛选出异常用电数据。实现了用电异常的精确检测，且本方案的检测结果不易受到环境因素的影响。

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。

本申请的一种实施例中，上述方法还包括：将上述用电数据库中的正常用电数据输入至上述用户用电数据分析模型中进行运算，得到正常分析结果；将上述实时用电数据中的正常用电数据输入至上述用户用电数据分析模型中进行运算，得到当前分析结果；将上述正常分析结果和上述当前分析结果进行比较，得到比较结果；根据上述比较结果，对上述用户用电数据分析模型的准确性进行校验。实现了对用户用电数据分析模型的准确性的检测，进一步地保证了用电异常分析的准确性。若正常分析结果与当前分析结果的差异很大，则需要对用户用电数据分析模型重新建立，以保证用户用电数据分析模型的准确性。

本申请的一种具体的实施例中，以用电数据库按照用户单元为单位代入构建的用户用电数据分析模型中进行运算分析，得出以用户单元为单位的用电数据库运算分析结果集合。通过将用电数据库代入用电数据分析模型中进行运算分析，得出以用户单元为单位的用电数据库运算分析结果集合，然后采集用户的实时用电数据，代入构建的用户用电数据分析模型内训练，去除偏差较大的运算分析结果，输出趋于一致的运算分析结果，得出用户实时用电数据的运算分析结果，与用电数据库运算分析结果集合进行对比，筛选出用户实时用电数据运算分析结果中的异常数据，能够减少因运算分析结果失误产生用电异常情况诊断出现偏差的情况，从而提高了对用电异常情况模型分析的精确程度。

本申请的一种实施例中，在根据上述比对结果，筛选出上述实时用电数据中的异常用电数据之后，上述方法还包括：将筛选出的上述异常用电数据传输至移动端；上述移动端生成提示信息，上述提示信息用于通知现场检查操作员根据上述异常用电数据进行作业。以指导现场检查操作员对存才用电异常的位置进行检修，以排除异常。

本申请的一种实施例中，在现场检查操作员根据上述异常用电数据进行作业之后，上述方法还包括：采集上述异常用电数据对应的用户的实时用电数据；将上述实时用电数据添加至上述用电数据库中，形成新的用电数据库。即将实时用电数据加入至用电数据库，以实现对用电数据库的更新，保证用电数据库中的用电数据的时效性和丰富性。

本申请的一种实施例中，在采集上述异常用电数据对应的用户的实时用电数据之后，上述方法还包括：将上述用户的实时用电数据输入至上述用户用电数据分析模型中进行运算(即对用户用电数据分析模型进行二次训练)，得到用户实时分析结果(可以进行多次训练)；将对上述异常用电数据进行作业之前的用户的用电数据，输入至上述用户用电数据分析模型中进行运算，得到用户历史分析结果；在上述用户实时分析结果和上述用户历史分析结果的相似度，大于预定值的情况下，确定用电异常未解决。即如果对异常用电数据进行作业之前和对异常用电数据进行作业之后，得到的分析结果相似的情况下，可以确定用电异常未解决。若用户实时分析结果和上述用户历史分析结果不相似，则将用户实时分析结果与运算分析结果集合进行比对，若比对结果不同，则记录该用电数据运算分析结果，并通知现场检查操作员用电异常未解决。若用户实时分析结果与运算分析结果集合比对的结果相同或者几乎相同，则确定用电异常得到解决。通过多次对比，检测用户用电是否正常，筛选出异常用户，提高了异常用电情况发现的效率和查处的命中率，并减少了外界因素导致数据误差对用电异常带来的影响。

本申请的一种实施例中，将筛选出的上述异常用电数据传输至移动端，包括：采用网络传输或微波传输的方式，将上述异常用电数据传输至移动端。当然，本领域技术人员也可以选用除网络传输或微波传输的其他方式将异常用电数据传输至移动端。

本申请的一种实施例中，将上述实时用电数据输入至上述用户用电数据分析模型中进行训练，得到实时分析结果，包括：将上述实时用电数据输入至上述用户用电数据分析模型中训练多次，得到多个训练结果；将偏差较大的训练结果去除，得到上述实时分析结果。具体地，可以将实时用电数据输入至上述用户用电数据分析模型中训练3-5次，将偏差较大的训练结果去除，输出趋于一致的训练结果。将趋于一致的训练结果作为实时分析结果，以保证实时分析结果的准确性。

本申请实施例还提供了一种用电异常的研究装置，需要说明的是，本申请实施例的用电异常的研究装置可以用于执行本申请实施例所提供的用于用电异常的研究方法。以下对本申请实施例提供的用电异常的研究装置进行介绍。

图2是根据本申请实施例的用电异常的研究装置的示意图。如图2所示，该装置包括：

第一构建单元10，用于选取现有的用户用电大数据构建用电数据库；

第二构建单元20，用于采用具有监督功能的多隐藏层神经网络算法，构建用户用电数据分析模型；

第一运算单元30，用于将上述用电数据库中的上述用户用电大数据，输入至上述用户用电数据分析模型中进行运算，得到上述用电数据库的运算分析结果集合；

获取单元40，用于获取用户的实时用电数据；

训练单元50，用于将上述实时用电数据输入至上述用户用电数据分析模型中进行训练，得到实时分析结果；

比对单元60，用于将上述实时分析结果与上述运算分析结果集合进行比对，得到比对结果；

筛选单元70，用于根据上述比对结果，筛选出上述实时用电数据中的异常用电数据。

上述方案中，第一构建单元构建用电数据库，第二构建单元构建用户用电数据分析模型，第一运算单元将用电数据库中的用户用电大数据，输入至用户用电数据分析模型进行运算，得到运算分析结果集合，训练单元将实时用电数据输入至用户用电数据分析模型中进行训练，得到实时分析结果，比对单元通过比对实时分析结果与运算分析结果，得到比对结果，筛选单元根据比对结果，从实时用电数据中筛选出异常用电数据。实现了用电异常的精确检测，且本方案的检测结果不易受到环境因素的影响。

本申请的一种实施例中，上述装置还包括第二运算单元、第三运算单元、比较单元和校验单元，第二运算单元用于将上述用电数据库中的正常用电数据输入至上述用户用电数据分析模型中进行运算，得到正常分析结果；第三运算单元用于将上述实时用电数据中的正常用电数据输入至上述用户用电数据分析模型中进行运算，得到当前分析结果；比较单元用于将上述正常分析结果和上述当前分析结果进行比较，得到比较结果；校验单元用于根据上述比较结果，对上述用户用电数据分析模型的准确性进行校验。实现了对用户用电数据分析模型的准确性的检测，进一步地保证了用电异常分析的准确性。

本申请的一种实施例中，上述装置还包括传输单元，移动端包括生成单元，传输单元用于在根据上述比对结果，筛选出上述实时用电数据中的异常用电数据之后，将筛选出的上述异常用电数据传输至移动端；生成单元用于生成提示信息，上述提示信息用于通知现场检查操作员根据上述异常用电数据进行作业。以指导现场检查操作员对存才用电异常的位置进行检修，以排除异常。

本申请的一种实施例中，上述装置还包括采集单元和添加单元，采集单元用于在现场检查操作员根据上述异常用电数据进行作业之后，采集上述异常用电数据对应的用户的实时用电数据；添加单元用于将上述实时用电数据添加至上述用电数据库中，形成新的用电数据库。即将实时用电数据加入至用电数据库，以实现对用电数据库的更新，保证用电数据库中的用电数据的时效性和丰富性。

本申请的一种实施例中，上述装置还包括第四运算单元、第五运算单元和确定单元，第四运算单元用于在采集上述异常用电数据对应的用户的实时用电数据之后，将上述用户的实时用电数据输入至上述用户用电数据分析模型中进行运算，得到用户实时分析结果；第五运算单元用于将对上述异常用电数据进行作业之前的用户的用电数据，输入至上述用户用电数据分析模型中进行运算，得到用户历史分析结果；确定单元用于在上述用户实时分析结果和上述用户历史分析结果的相似度，大于预定值的情况下，确定用电异常未解决。即如果对异常用电数据进行作业之前和对异常用电数据进行作业之后，得到的分析结果相似的情况下，可以确定用电异常未解决。

本申请的一种实施例中，传输单元还用于采用网络传输或微波传输的方式，将上述异常用电数据传输至移动端。当然，本领域技术人员也可以选用除网络传输或微波传输的其他方式将异常用电数据传输至移动端。

本申请的一种实施例中，训练单元包括训练模块和去除模块，训练模块用于将上述实时用电数据输入至上述用户用电数据分析模型中训练多次，得到多个训练结果；去除模块用于将偏差较大的训练结果去除，得到上述实时分析结果。具体地，可以将实时用电数据输入至上述用户用电数据分析模型中训练3-5次，将偏差较大的训练结果去除，输出趋于一致的训练结果。将趋于一致的训练结果作为实时分析结果，以保证实时分析结果的准确性。

所述用电异常的研究装置包括处理器和存储器，上述第一构建单元、第二构建单元、第一运算单元、获取单元、训练单元、比对单元和筛选单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现对用电异常的精确检测。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本发明实施例提供了一种计算机可读存储介质，所述计算机可读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计算机可读存储介质所在设备执行所述用电异常的研究方法。

本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述用电异常的研究方法。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：

步骤S101，选取现有的用户用电大数据构建用电数据库；

步骤S102，采用具有监督功能的多隐藏层神经网络算法，构建用户用电数据分析模型；

步骤S103，将上述用电数据库中的上述用户用电大数据，输入至上述用户用电数据分析模型中进行运算，得到上述用电数据库的运算分析结果集合；

步骤S104，获取用户的实时用电数据；

步骤S105，将上述实时用电数据输入至上述用户用电数据分析模型中进行训练，得到实时分析结果；

步骤S106，将上述实时分析结果与上述运算分析结果集合进行比对，得到比对结果；

步骤S107，根据上述比对结果，筛选出上述实时用电数据中的异常用电数据。

本文中的设备可以是服务器、PC、PAD、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：

步骤S101，选取现有的用户用电大数据构建用电数据库；

步骤S102，采用具有监督功能的多隐藏层神经网络算法，构建用户用电数据分析模型；

步骤S103，将上述用电数据库中的上述用户用电大数据，输入至上述用户用电数据分析模型中进行运算，得到上述用电数据库的运算分析结果集合；

步骤S104，获取用户的实时用电数据；

步骤S105，将上述实时用电数据输入至上述用户用电数据分析模型中进行训练，得到实时分析结果；

步骤S106，将上述实时分析结果与上述运算分析结果集合进行比对，得到比对结果；

步骤S107，根据上述比对结果，筛选出上述实时用电数据中的异常用电数据。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、方法、商品或者设备不仅包括那些要素，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、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：

1)、本申请的用电异常的研究方法，通过构建用电数据库，构建用户用电数据分析模型，将用电数据库中的用户用电大数据，输入至用户用电数据分析模型进行运算，得到运算分析结果集合，将实时用电数据输入至用户用电数据分析模型中进行训练，得到实时分析结果，通过比对实时分析结果与运算分析结果，得到比对结果，根据比对结果，从实时用电数据中筛选出异常用电数据。实现了用电异常的精确检测，且本方案的检测结果不易受到环境因素的影响。

2)、本申请的用电异常的研究装置，第一构建单元构建用电数据库，第二构建单元构建用户用电数据分析模型，第一运算单元将用电数据库中的用户用电大数据，输入至用户用电数据分析模型进行运算，得到运算分析结果集合，训练单元将实时用电数据输入至用户用电数据分析模型中进行训练，得到实时分析结果，比对单元通过比对实时分析结果与运算分析结果，得到比对结果，筛选单元根据比对结果，从实时用电数据中筛选出异常用电数据。实现了用电异常的精确检测，且本方案的检测结果不易受到环境因素的影响。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种用电异常的研究方法，其特征在于，包括：

选取现有的用户用电大数据构建用电数据库；

采用具有监督功能的多隐藏层神经网络算法，构建用户用电数据分析模型；

将所述用电数据库中的所述用户用电大数据，输入至所述用户用电数据分析模型中进行运算，得到所述用电数据库的运算分析结果集合；

获取用户的实时用电数据；

将所述实时用电数据输入至所述用户用电数据分析模型中进行训练，得到实时分析结果；

将所述实时分析结果与所述运算分析结果集合进行比对，得到比对结果；

根据所述比对结果，筛选出所述实时用电数据中的异常用电数据。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述用电数据库中的正常用电数据输入至所述用户用电数据分析模型中进行运算，得到正常分析结果；

将所述实时用电数据中的正常用电数据输入至所述用户用电数据分析模型中进行运算，得到当前分析结果；

将所述正常分析结果和所述当前分析结果进行比较，得到比较结果；

根据所述比较结果，对所述用户用电数据分析模型的准确性进行校验。

3.根据权利要求1所述的方法，其特征在于，在根据所述比对结果，筛选出所述实时用电数据中的异常用电数据之后，所述方法还包括：

将筛选出的所述异常用电数据传输至移动端；

所述移动端生成提示信息，所述提示信息用于通知现场检查操作员根据所述异常用电数据进行作业。

4.根据权利要求3所述的方法，其特征在于，在现场检查操作员根据所述异常用电数据进行作业之后，所述方法还包括：

采集所述异常用电数据对应的用户的实时用电数据；

将所述实时用电数据添加至所述用电数据库中，形成新的用电数据库。

5.根据权利要求4所述的方法，其特征在于，在采集所述异常用电数据对应的用户的实时用电数据之后，所述方法还包括：

将所述用户的实时用电数据输入至所述用户用电数据分析模型中进行运算，得到用户实时分析结果；

将对所述异常用电数据进行作业之前的用户的用电数据，输入至所述用户用电数据分析模型中进行运算，得到用户历史分析结果；

在所述用户实时分析结果和所述用户历史分析结果的相似度，大于预定值的情况下，确定用电异常未解决。

6.根据权利要求3所述的方法，其特征在于，将筛选出的所述异常用电数据传输至移动端，包括：

采用网络传输或微波传输的方式，将所述异常用电数据传输至移动端。

7.根据权利要求1所述的方法，其特征在于，将所述实时用电数据输入至所述用户用电数据分析模型中进行训练，得到实时分析结果，包括：

将所述实时用电数据输入至所述用户用电数据分析模型中训练多次，得到多个训练结果；

将偏差较大的训练结果去除，得到所述实时分析结果。

8.一种用电异常的研究装置，其特征在于，包括：

第一构建单元，用于选取现有的用户用电大数据构建用电数据库；

第二构建单元，用于采用具有监督功能的多隐藏层神经网络算法，构建用户用电数据分析模型；

第一运算单元，用于将所述用电数据库中的所述用户用电大数据，输入至所述用户用电数据分析模型中进行运算，得到所述用电数据库的运算分析结果集合；

获取单元，用于获取用户的实时用电数据；

训练单元，用于将所述实时用电数据输入至所述用户用电数据分析模型中进行训练，得到实时分析结果；

比对单元，用于将所述实时分析结果与所述运算分析结果集合进行比对，得到比对结果；

筛选单元，用于根据所述比对结果，筛选出所述实时用电数据中的异常用电数据。

9.一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包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的用电异常的研究方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的用电异常的研究方法。

Images