CN113805004A - 一种智能电表联接设备的异常监测方法和系统 - Google Patents

Abstract

本说明书实施例提供一种智能电表联接设备的异常监测方法。所述方法包括：获取智能电表的电表数据；基于所述电表数据确定供电电路的用电量特征和/或时段电流特征；确定所述智能电表联接的至少一个运行设备以及所述至少一个运行设备对应的用电模式信息，所述用电模式信息反映所述运行设备运行时的用电量特征和/或时段电流特征；基于所述用电模式信息和所述供电电路的用电量特征或时段电流特征，确定所述至少一个运行设备的异常判断结果。

Description

一种智能电表联接设备的异常监测方法和系统

技术领域

本说明书涉及数据采集分析领域，特别涉及一种智能电表联接设备的异常监测方法和系统。

背景技术

智能电表可以对用电设备所在电路进行电能数据采集，例如对用电设备的供电电路采集电流、电压等电能数据，进而可以对供电电路的用电情况进行监测。在设备运行过程中，用电设备可能会发生异常或故障，例如设备短路、设备漏电、设备内部元件损坏导致功耗异常等。若不能及时监测到用电设备的异常情况，则可能会造成用电设备的严重损坏或整个电力系统的故障。

因此，继续一种智能电表联接设备的异常监测方法和系统，以监测用电设备的异常情况。

发明内容

本说明书实施例之一提供一种智能电表联接设备的异常监测方法。所述方法包括：获取智能电表的电表数据；基于所述电表数据确定供电电路的用电量特征和/或时段电流特征；确定所述智能电表联接的至少一个运行设备以及所述至少一个运行设备对应的用电模式信息，所述用电模式信息反映所述运行设备运行时的用电量特征和/或时段电流特征；基于所述用电模式信息和所述供电电路的用电量特征或时段电流特征，确定所述至少一个运行设备的异常判断结果。

本说明书实施例之一提供一种智能电表联接设备的异常监测系统，所述系统包括：获取模块，用于获取智能电表的电表数据；第一特征确定模块，用于基于所述电表数据确定供电电路的用电量特征和/或时段电流特征；模式信息确定模块，用于确定所述智能电表联接的至少一个运行设备以及所述至少一个运行设备对应的用电模式信息，所述用电模式信息反映所述运行设备运行时的用电量特征和/或时段电流特征；异常判断模块，用于基于所述用电模式信息和所述供电电路的用电量特征或时段电流特征，确定所述至少一个运行设备的异常判断结果。

本说明书实施例之一提供一种智能电表联接设备的异常监测装置，包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现智能电表联接设备的异常监测方法。

本说明书实施例之一提供一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现智能电表联接设备的异常监测方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的智能电表联接设备的异常监测系统的应用场景示意图；

图2是根据本说明书一些实施例所示的智能电表联接设备的异常监测系统的示例性模块图；

图3是根据本说明书一些实施例所示的智能电表联接设备的异常监测方法的示例性流程图；

图4是根据本说明书一些实施例所示的智能电表联接设备的异常监测方法的示意图；

图5是根据本说明书另一些实施例所示的确定智能电表联接的运行设备的方法的示例性流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的智能电表联接设备的异常监测系统的应用场景示意图。

在应用场景100中可以包括服务器110、处理设备112、存储设备120、网络130、用户终端140以及智能电表150。

在一些应用场景中，智能电表联接设备的异常监测系统可以应用于各种电力系统如家庭供电系统、工业供电系统等场景。

在一些应用场景中，智能电表150可以包括各种用于监测供电电路的电能数据的设备、装置、系统。智能电表150可以设置在供电电路上与各个运行设备电路连接。

服务器110可以用于管理资源以及处理来自本系统至少一个组件或外部数据源(例如，云数据中心)的数据和/或信息。服务器110可以基于这些数据、信息和/或处理结果执行程序指令，以执行一个或多个本申请中描述的功能。在一些实施例中，服务器110可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的(例如，服务器110可以是分布式系统)，可以是专用的也可以由其他设备或系统同时提供服务。在一些实施例中，服务器110可以是区域的或者远程的。在一些实施例中，服务器110可以在云平台上实施，或者以虚拟方式提供。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。

处理设备112可以处理从其他设备或系统组成部分中获得的数据和/或信息。处理器可以基于这些数据、信息和/或处理结果执行程序指令，以执行一个或多个本申请中描述的功能。在一些实施例中，处理设备112可以包含一个或多个子处理设备(例如，单核处理设备或多核多芯处理设备)。仅作为示例，处理设备112可以包括中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器 (DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。

存储设备120可以用于存储数据和/或指令。存储设备120可以包括一个或多个存储组件，每个存储组件可以是一个独立的设备，也可以是其他设备的一部分。在一些实施例中，存储设备120可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性的，大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中，所述存储设备120可在云平台上实现。

数据指对信息的数字化表示，可以包括各种类型，比如二进制数据、文本数据、图像数据、视频数据等。指令指可控制设备或器件执行特定功能的程序。

用户终端140指用户所使用的一个或多个终端设备或软件。在一些实施例中，使用用户终端140的可以是任意用户，例如个人、企业等。在一些实施例中，用户终端140可以是移动装置140-1、平板计算机140-2、膝上型计算机140- 3、台式计算机140-4等其他具有输入和/或输出功能的设备中的一种或其任意组合。在一些实施例中，用户终端140可以智能电表150发射的信号，还可以接收服务器110或处理设备112发出的信号。上述示例仅用于说明所述用户终端140 设备范围的广泛性而非对其范围的限制。

在一些实施例中，服务器110、用户终端140以及其他可能的系统组成部分中可以包括存储设备120。

在一些实施例中，服务器110、用户终端140以及其他可能的系统组成部分中可以包括处理设备112。

网络130可以连接系统的各组成部分和/或连接系统与外部资源部分。网络130使得各组成部分之间，以及与系统之外其他部分之间可以进行通讯，促进数据和/或信息的交换。在一些实施例中，网络130可以是有线网络或无线网络中的任意一种或多种。例如，网络130可以包括电缆网络、光纤网络、电信网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络(ZigBee)、近场通信(NFC)、设备内总线、设备内线路、线缆连接等或其任意组合。各部分之间的网络连接可以是采用上述一种方式，也可以是采取多种方式。在一些实施例中，网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。在一些实施例中，网络130可以包括一个或以上网络接入点。例如，网络130可以包括有线或无线网络接入点，例如基站和/或网络交换点130- 1、130-2、…，通过这些进出点系统200的一个或多个组件可连接到网络130上以交换数据和/或信息。

服务器110可以通过网络130与处理设备112、存储设备120、用户终端 140、信号发射设备150通信以获取数据和/或信息。服务器110可以基于获取的数据、信息和/或处理结果执行程序指令，以实现对智能电表联接设备的异常监测。存储设备120可以智能电表联接设备的异常监测方法步骤中的各种数据和/ 或信息。以上各设备之间的信息传递关系仅作为示例，本申请并不局限于此。

图2是根据本说明书一些实施例所示的智能电表联接设备的异常监测系统的示例性模块图。

在一些实施例中，所述智能电表联接设备的异常监测系统200可以包括获取模块210、第一特征确定模块220、模式信息确定模块230和异常判断模块 240。

在一些实施例中，获取模块210可以用于获取智能电表的电表数据。

在一些实施例中，第一特征确定模块220可以用于基于所述电表数据确定供电电路的用电量特征和/或时段电流特征。

在一些实施例中，模式信息确定模块230可以用于确定所述智能电表联接的至少一个运行设备以及所述至少一个运行设备对应的用电模式信息，所述用电模式信息反映所述运行设备运行时的用电量特征和/或时段电流特征。在一些实施例中，模式信息确定模块230还可以用于确定所述至少一个运行设备关于用电时间的用电类型，所述用电类型包括：规律型设备，或随机型设备，或所述规律型和所述随机型的结合；基于所述用电类型，确定所述至少一个运行设备对应的所述用电模式信息；其中，所述规律型设备的所述用电模式信息包括所述规律型设备的用电量特征；所述随机型设备的所述用电模式信息包括所述随机型设备的至少一个时段的时段电流特征；所述规律型和所述随机型的结合的用电模式信息包括：所述规律型设备的用电量特征和/或所述随机型设备的至少一个时段的时段电流特征。在一些实施例中，模式信息确定模块230还可以用于确定至少一个用电参考模式；将所述供电电路的用电量特征或时段电流特征与至少一个用电参考模式进行匹配，基于匹配结果确定所述智能电表联接的至少一个运行设备的用电类型。

在一些实施例中，异常判断模块240可以用于基于所述用电模式信息和所述供电电路的用电量特征或时段电流特征，确定所述至少一个运行设备的异常判断结果。在一些实施例中，异常判断模块240还可以用于确定所述用电模式信息与所述供电电路的用电量特征或时段电流特征的匹配结果；基于所述匹配结果，确定所述至少一个运行设备的异常判断结果。

应当理解，图2所示的系统及其模块可以利用各种方式来实现。需要注意的是，以上对于候选项显示、确定系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图2中披露的模式信息确定模块230和异常判断模块240可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

图3是根据本说明书一些实施例所示的智能电表联接设备的异常监测方法的示例性流程图。

在一些实施例中，流程300可以由处理器112执行。在一些实施例中，流程300可以由智能电表联接设备的异常监测200执行。

如图3所示，流程300包括下述步骤。

步骤310，获取智能电表的电表数据。

在一些实施例中，步骤310可以由获取模块210执行。

智能电表的电表数据可以包括智能电表对供电电路采集的电流、电压、用电量等各种电能数据。例如，包括供电电路的多个时段中各个时间点的电流和电压、各个时段的电流曲线和电压曲线、多个时段的用电量等。

在一些实施例中，可以从智能电表读取电表数据，还可以从其他存储智能电表的电表数据的存储空间或设备中获取电表数据。

步骤320，基于所述电表数据确定供电电路的用电量特征和/或时段电流特征。

在一些实施例中，步骤320可以由第一特征确定模块220执行。

用电量特征可以包含用电量相关的各种信息。在一些实施例中，用电量特征可以包括基本用电量信息(如一个时段的用电量)、一个时段中各个时间区间 (如24小时中的每个小时)的用电量分布、一个时段中各个时间区间的用电量变化规律等用电量信息。用电量特征可以由向量表示。

时段电流特征可以包含一个时段中电流相关的各种信息，时段可以例如是一小时或30分钟等预设时间长度的时间段。在一些实施例中，时段电流特征可以包括基本电流信息(如一个时段中各个时间点的电流值、电流随时间变化曲线)、一个时间段中的电流变化规律、一个时间段的平均电流、电流峰值、一个时间段各个电流值的持续时间等信息。时段可以例如是一小时或30分钟等预设时间长度的时间段。时段电流特征可以由向量表示。

在一些实施例中，可以直接基于电表数据确定部分基本信息例如基本用电量信息、基本电流信息。

在一些实施例中，可以基于电表数据或基本用电量信息、基本电流信息通过各种分析工具、分析算法、机器学习模型或神经网络模型等，得到供电电路的用电量特征、至少一个时段的时段电流特征。

步骤330，确定所述智能电表联接的至少一个运行设备以及所述至少一个运行设备对应的用电模式信息，所述用电模式信息反映所述运行设备运行时的用电量特征和/或时段电流特征。

在一些实施例中，步骤330可以由模式信息确定模块230执行。

运行设备是指基于电力进行运行的设备，可以是家用电器、医疗机械、工业机械等各种设备。

在智能电表所联接的供电电路上，可以联接有一个或多个运行设备，供电电路为一个或多个运行设备供电。确定智能电表联接的至少一个运行设备可以是确定至少一个运行设备的数量、种类、用电类型。种类是指设备的功能类别，例如冰箱、空调、照明设备为不同种类的设备。

供电电路上联接的运行设备的数量、种类可以由人工确定或根据实际情况设定。

在一些实施例中，根据设备的用电时间情况、用电量规律情况，运行设备可以有多种用电类型，可以将运行设备分为以下几种用电类型：规律型设备、随机型设备、规律型和随机型的结合。

规律型设备是指设备的用电时间具有一定规律或各个时间段的用电量具有一定规律的设备，如24小时都在运行，各个时间段中设备用电的时长或用电量相同。规律性设备的各个时间段的用电量符合一定规律，例如各个时间段的用电量相同，或多个时间段的用电量符合一定的变化曲线，或多个时间段的用电量符合一定规则。规律型设备可以例如是冰箱、不是自动变频的空调、以稳定功率进行照明的照明设备等。

随机型设备是指设备的用电时间不规律为随机的或各个时间段的用电量不规律的设备，如人会随机地对设备使用一段时间，或者设备的功率可以调整使得各个时间段的用电量不规律，有的时间用电而有的时间不用电。随机型设备可以例如是自动变频的空调、自动调光的照明设备等。

用电类型为规律型和随机型的结合的设备是指设备在某一些时段为规律型，在另外某一些时段为随机型。

在一些实施例中，用电类型可以根据实际情况由人工确定。

在一些实施例中，可以将供电电路的用电量特征或时段电流特征与至少一个用电参考模式进行匹配，得到匹配结果，并基于匹配结果确定智能电表联接的至少一个运行设备的用电类型。关于该方法的更多内容可以参见图5及其相关说明。

用电模式信息是指设备用电模式的相关信息，不同用电类型的设备其用电模式不同，对应的用电模式信息不同。

在一些实施例中，各种用电类型对应的用电模式信息可以包括正常用电模式信息和异常用电模式信息。

在一些实施例中，规律型设备的正常用电模式信息包括设备运行正常时对应的规律型设备的用电量特征。规律型设备的异常用电模式信息包括设备运行异常时对应的规律型设备的用电量特征。

在一些实施例中，规律型设备的用电模式信息可以通过模式识别模型确定。

在一些实施例中，可以基于设备型号，通过模式识别模型确定对应的正常用电模式信息和异常用电模式信息。

在一些实施例中，不同种类的规律型设备可以对应不同的模式识别模型。

在一些实施例中，若运行设备为照明设备或照明设备集群(一个照明设备集群可以视为一个运行设备)，可以将设备型号、照明面积、使用用户人数、使用用户用电类型(如家用照明用户、工业照明用户等)，输入模式识别模型，得到对应的正常用电模式信息和异常用电模式信息。照明设备集群可以是处于同一区域的由同一供电电路供电的多个照明设备。

在一些实施例中，若运行设备为空调，可以将设备型号、环境温度和环境湿度输入模式识别模型，得到对应的正常用电模式信息和异常用电模式信息。

在一些实施例中，模式识别模型可以是机器学习模型，例如逻辑回归、随机森林或者NN、DNN等神经网络模型。

在一些实施例中，模式识别模型可以基于训练样本训练初始模型得到。根据不同的模型输入，可以基于不同的训练样本训练得到不同的模式识别模型。训练样本可以是历史获取的与模型输入对应的样本数据，训练样本的标签为人工确定的规律型设备的正常用电模式信息或异常用电模式信息。

通过本实施例，对不同种类的设备考虑其对应的个性化输入特征，以训练与各种种类的设备适配度高的模式识别模型，对每一种种类的运行设备都能进行准确的识别。

在一些实施例中，随机型设备的正常用电模式信息包括设备运行正常时对应的随机型设备的至少一个时段的时段电流特征。规律型设备的异常用电模式信息包括设备运行异常时对应的随机型设备的至少一个时段的时段电流特征。

在一些实施例中，随机型设备的用电模式信息可以通过对获取的历史数据进行分析得到。

在一些实施例中，可以对历史获取的设备运行正常时对应的多个时段的电流数据进行分析，得到设备运行正常时对应的多个时段对应的多个时段电流特征，并可以对多个时段电流特征进行聚类，得到置信度最高的一个类别，将置信度最高的一个类别中的至少一个时段电流特征中的任意一个或多个作为正常用电模式信息中的至少一个时段的时段电流特征。置信度最高可以是指类别中时段电流特征个数最多。

在一些实施例中，可以对历史获取的设备运行异常时对应的多个时段的电流数据进行分析，得到设备运行异常时的多个时段对应的多个时段电流特征，并可以对多个时段电流特征进行聚类，得到置信度最高的一个类别，将置信度最高的一个类别中的至少一个时段电流特征中的任意一个或多个作为异常用电模式信息中的至少一个时段的时段电流特征。

通过本实施例，对历史获取的电流数据进行分析，并通过对历史的多个时段电流特征进行聚类得到置信度最高的类别来确定异常用电模式信息中的时段电流特征，可以对历史异常数据进行挖掘，得到准确且历史异常情况中出现可能性最大的时段电流特征，以得到准确且可识别率高的异常用电模式信息，以能够准确地对运行设备进行异常判断和用电类型判断。

在一些实施例中，对于用电类型为规律型和随机型的结合的运行设备，对应的正常用电模式信息包括：设备运行正常时，规律型设备的用电量特征和/或随机型设备的至少一个时段的时段电流特征。对应的异常用电模式信息包括：设备运行异常时，规律型设备的用电量特征和/或随机型设备的至少一个时段的时段电流特征。

步骤340，基于所述用电模式信息和所述供电电路的用电量特征或时段电流特征，确定所述至少一个运行设备的异常判断结果。

在一些实施例中，步骤340可以由异常判断模块240执行。

异常判断结果可以包括运行设备运行异常或运行正常，其中运行异常可以包括设备故障停止运行、设备短路等故障造成电流异常等情况。

对于供电电路上有一个运行设备的情况，异常判断结果即可以包括这一个运行设备运行异常或运行正常。对于供电电路上有多个运行设备的情况，异常判断结果即可以包括这多个运行设备中存在运行异常的设备，或者这多个运行设备都运行正常。若确定有运行设备运行异常，则可以发出报警或提示信息，人员可以及时接收到报警或提示信息，及时地对异常情况进行排查处理，以避免设备和供电系统故障或损坏。

在一些实施例中，可以将供电电路的用电量特征或时段电流特征与正常用电模式或异常用电模式进行匹配，得到匹配结果，基于匹配结果确定运行设备的异常判断结果。

图4是根据本说明书一些实施例所示的智能电表联接设备的异常检测方法的示例性示意图。

在一些实施例中，供电电路上有一个运行设备，当确定运行设备的用电类型为规律型设备，如图4所示，可以将正常用电模式信息中运行设备的用电量特征与供电电路的用电量特征进行匹配，得到匹配结果。

在一些实施例中，匹配可以是对供电电路的用电量和正常用电模式信息中运行设备的用电量求差值，匹配结果为差值大于阈值则运行异常，匹配结果为小于或等于阈值则运行正常。在一些实施例中，匹配可以是确定运行设备的用电量特征与正常用电模式信息中供电电路的用电量特征的相似度，匹配结果为相似度满足预设条件，可以确定运行设备运行正常，否则运行异常。预设条件可以是相似度大于阈值。

在一些实施例中，供电电路上有一个运行设备，当确定运行设备的用电类型为随机型设备，如图4所示，可以将随机型设备对应的正常用电模式信息中，运行设备的一个或多个时段电流特征与供电电路的时段电流特征进行匹配，确定一个或多个时段电流特征中，是否有与供电电路的时段电流特征匹配的时段电流特征。若有，则可以确定运行设备运行正常，否则运行异常。匹配可以是将正常用电模式信息中的一个或多个时段电流特征与供电电路的时段电流特征计算相似度，得到一个或多个相似度，其中有大于阈值的相似度，则有与供电电路的时段电流特征匹配的时段电流特征，否则没有。

在一些实施例中，供电电路上有一个运行设备，当确定运行设备的用电类型为规律型设备和随机型设备的结合时，如图4所示，可以先确定运行设备的运行状态，运行状态包括运行设备作为规律型设备运行，或者运行设备作为随机型设备运行。运行状态可由人工确定，或者根据当前时段所处的时间与两种运行状态的对应关系确定(例如，对于自动调光的照明设备，白天如9点-18点的时间段光线变化大且不规律照明设备调光也不规律，则可以确定在该时间范围设备为随机型设备，晚上如18点-早上9点，光线弱所以照明设备一直处于较大功率照明状态，可以确定该时间范围设备为规律型设备)。

若确定运行设备作为规律型设备运行，可以基于本说明一些实施例中所述的对规律型运行设备进行异常判断的方法确定运行设备的异常判断结果。若若确定运行设备作为随机型设备运行，可以基于本说明一些实施例中所述的对随机型运行设备进行异常判断的方法确定运行设备的异常判断结果。

在一些实施例中，供电电路上有多个运行设备，可以将供电电路的用电量特征与多个用电类型对应的多个异常用电模式信息中的各个用电量特征进行匹配，得到匹配结果。若供电电路的用电量与各个用电量特征中的至少一个匹配成功，则确定多个运行设备中存在运行异常的设备，否则确定多个运行设备都运行正常。

其中，匹配可以是对供电电路的用电量和异常用电模式信息中运行设备的用电量求差值，差值大于阈值则两者不匹配，匹配结果为小于或等于阈值则两者匹配成功。或者，匹配可以是确定供电电路的用电量特征与正常用电模式信息中运行设备的用电量特征的相似度，若相似度满足预设条件，可以确定两者匹配成功，否则两者匹配失败。预设条件可以是相似度大于阈值。

在一些实施例中，供电电路上有多个运行设备，可以将供电电路的时段电流特征与多个用电类型对应的多个异常用电模式信息中的各个时段电流特征进行匹配，得到匹配结果。若供电电路的时段电流特征与各个时段电流特征中的至少一个匹配，则确定多个运行设备中存在运行异常的设备，否则确定多个运行设备都运行正常。

其中，匹配可以是确定运行设备的时段电流特征与正常用电模式信息中供电电路的用电量特征的相似度，匹配结果可以是相似度。若相似度满足预设条件，可以确定两者匹配成功，否则两者匹配失败。预设条件可以是相似度大于阈值。

供电电路上有多个运行设备时，通过将供电电路的用电量特征、时段电流特征与多个用电类型对应的多个异常用电模式信息中的各个用电量特征、各个时段电流特征进行匹配，只要有能匹配上的特征即可以确定运行设备出现运行异常的情况。可以在多个设备存在电流叠加导致根据正常用电模式信息无法准确确定运行设备是否出现运行异常的情况，提高了异常判断的准确性。

应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图5是根据本说明书一些实施例所示的确定智能电表联接的运行设备的示例性流程图。

在一些实施例中，流程500可以由处理器112执行。在一些实施例中，流程500可以由智能电表联接设备的异常监测200的模式信息确定模块230和/或异常判断模块240执行。

如图5所示，流程500包括下述步骤。

步骤510，确定至少一个用电参考模式。

用电参考模式可以基于多个用电类型对应的各个正常用电模式信息和/或各个异常用电模式信息确定。

在一些实施例中，供电电路上有一个运行设备。对于供电电路有一个运行设备的情况，多个用电类型对应的多个正常用电模式信息或多个异常用电模式中的每个都可以作为一种用电参考模式。在本说明书中，基于正常用电模式信息确定的用电参考模式可以称为正常用电参考模式，基于异常用电模式信息确定的用电参考模式可以称为异常用电参考模式。

在一些实施例中，供电电路上有多个运行设备，可以表示为N个，N为大于或等于2的整数。对于供电电路有N个运行设备的情况，在一些实施例中，可以将多个用电类型对应的多个正常用电模式信息和多个用电类型对应的多个异常用电模式信息中的任意N个进行组合，每一种组合方式对应得到一种用电参考模式。在本说明中，由组合方式得到的用电参考模式，可以称为组合用电参考模式。

在一些实施例中，用电模式信息的组合可以是将N个不同的用电模式信息中相同种类的信息进行叠加，叠加后用电参考模式中各种信息对应的取值是两个或更多个实例值的和。例如，叠加后，用电参考模式中，用电量特征中的用电量为对应N个取值的和，用电量特征或时段电流特征为对应N个向量表示相加得到的一个向量表示。

步骤520，将所述供电电路的用电量特征或时段电流特征与至少一个用电参考模式进行匹配，基于匹配结果确定所述智能电表联接的至少一个运行设备的用电类型。

在一些实施例中，供电电路的用电量特征可以包括一个或多个时段的用电量特征，时段电流特征可以包括一个或多个时段的时段电流特征。

对于供电电路有一个运行设备的情况，将供电电路的一个或多个时段的用电量特征或时段电流特征与多个用电类型对应的多个正常用电参考模式中的用电量特征或时段电流特征进行对应匹配。其中，匹配可以是对供电电路的用电量和正常用电参考模式中的用电量求差值，若差值小于或等于阈值则匹配成功，否则匹配失败。或者可以是对供电电路的用电量特征或时段电流特征与正常用电参考模式中的用电量特征或时段电流特征对应确定相似度，若相似度满足预设条件，可以确定两者匹配成功，否则两者匹配失败。预设条件可以是相似度大于阈值。

对于供电电路有一个运行设备的情况，在一些实施例中，若一个用电类型对应的正常用电参考模式的用电量特征或时段电流特征可以与供电电路的一个时段的用电量特征或时段电流特征匹配成功，则可以确定该运行设备的类型为该用电类型(在一些实施例中，此时也可以确定该运行设备的异常判断结果为正常运行)。

对于供电电路有一个运行设备的情况，在一些实施例中，若一个用电类型对应的正常用电参考模式的用电量特征或时段电流特征可以与供电电路的至少两个时段的用电量特征或时段电流特征匹配成功，则可以确定该运行设备的类型为该用电类型(在一些实施例中，此时也可以确定该运行设备的异常判断结果为正常运行)。

通过本实施例，对于运行设备可能在某个时间段出现正常的短暂功率变化，可以避免因为这种情况导致将用电类型确定错误，保证对用电类型的准确识别。例如，如对于冰箱，打开冰箱后，箱内温度升高，此时冰箱功率增大，这部分的时间段无法和正常时的用电量特征或时段电流特征匹配，但在除此之外的大多数时间，冰箱的制冷机制规律，采用多个时段匹配就可以准确匹配用电类型，也可以准确判定设备如冰箱是否正常运行。

对于供电电路有一个运行设备的情况，在一些实施例中，若供电电路的一个或多个时段的用电量特征或时段电流特征与多个用电类型对应的多个正常用电参考模式中的用电量特征或时段电流特征都匹配失败，则可以将供电电路的一个或多个时段的用电量特征或时段电流特征与多个用电类型对应的多个异常用电参考模式中的用电量特征或时段电流特征进行匹配。其中，匹配与前述将供电电路的用电量特征或时段电流特征与至少一个正常用电参考模式中的用电量特征或时段电流特征进行的匹配类似。

对于供电电路有一个运行设备的情况，在一些实施例中，若一个用电类型对应的异常用电参考模式的用电量特征或时段电流特征可以与供电电路的一个时段的用电量特征或时段电流特征匹配成功，则可以确定该运行设备为该用电类型。

对于供电电路有N个运行设备的情况，在一些实施例中，可以将供电电路的用电量特征或时段电流特征与各个组合用电参考模式中的用电量特征或时段电流特征进行匹配。其中，匹配与前述将供电电路的用电量特征与至少一个正常用电参考模式中的用电量特征或时段电流特征进行的匹配类似。

若一个组合用电参考模式的用电量特征或时段电流特征，可以与供电电路的用电量特征或时段电流特征匹配成功，则可以确定：供电电路上的N个运行设备对应包括的用电类型，即为该组合用电参考模式对应包括的用电类型。例如，匹配成功的组合用电参考模型对应为规律型的正常用电参考模式、规律型的正常用电参考模式和随机型的正常用电参考模式这3种的组合，则可以确定供电电路上的N个运行设备对应包括的用电类型为规律型+规律型+随机型。

在一些实施例中，对于匹配成功的组合用电参考模式，若用于组成该组合用电参考模式的几个用电参考模式中，包括异常用电参考模式，则可以确定供电电路上的N个运行设备中有运行异常的设备，人员则可以及时地对运行设备进行检查和排除故障。

通过本实施例，由于在同一供电电路上，电流是多个运行设备的电流的叠加，通过对多种用电类型的用电模式信息进行叠加，从而令组合用电参考模式可以反映出多种不同用电类型的运行设备都联接在供电电路上时的用电模式信息，并可以将实际供电电路的用电量特征或时段电流特征与组合用电参考模式进行匹配，实现对供电电路上联接的多个设备的用电类型进行准确识别。进一步地，组合用电参考模式还反映出运行设备的正常运行和异常运行的用电量特征和时段电流特征，通过与组合用电参考模式进行匹配，还可以同时实现对多个运行设备的异常状态判断。

在一些实施例中，获取模块210可以获取长时间段(如48h等)的电表数据，该长时间段可以包括一个或多个时段，第一特征确定模块基于长时间段的电表数据得到连续多个时段的用电量特征和时段电流特征(包括电流曲线)。

在一些实施例中，可以将各个用电参考模式(包括规律型对应的正常用电模式信息、异常用电模式信息)分别与各个时段的用电量特征、时段电流特征进行匹配，若匹配成功，则可以确定供电电路中的N个设备中包括匹配成功的用电参考模式所对应的用电类型及其运行状态(运行正常或运行异常)。

在一些实施例中，将规律型对应的正常用电模式信息分别与各个时段的用电量特征进行匹配，若匹配成功，则可以确定供电电路中的N个设备中包括规律型设备。

在一些实施例中，若确定供电电路中包括规律型设备，可以用电表数据中的电流分布(各个时间点的电流值，也称电流分布曲线)减去规律型设备的对应各个时间点的电流分布，以得到剩余电流分布。

在一些实施例中，可以将规律型对应的正常用电模式信息继续分别与剩余电流分布的各个时段的用电量特征进行匹配，若匹配成功，则可以确定供电电路中的N个设备中还包括第二个规律型设备。并可以用剩余电流分布继续减去规律型设备的对应各个时间点的电流分布，以得到新的剩余电流分布。以此类推，直到未能再确定供电电路中还包括规律型设备，得到不包括正常运行的规律型设备用电数据的最终剩余电流分布。

在一些实施例中，可以从设备数量N中减去已知正常运行的规律型设备数量得到剩余数量，可以基于最终剩余电流分布的特征信息(如用电量特征、时段电流特征)与剩余数量对应的参考模式信息(可以为不包括规律型的正常用电模式信息的参考模式信息)进行匹配，以确定剩余数量的运行设备的用电类型，以及可以确定对应的运行状态。通过本实施例，由于正常运行的规律型设备的电流分布一般为固定的分布，可以通过多个时段的匹配以确定N个设备中正常运行的规律型设备，并从供电电路的电流分布中减去其电流分布，得到最终剩余电流分布后再与其他参考模式信息进行匹配，可以提高效率，且最终剩余电流分布中叠加电流的设备数量减少，可以提高匹配的准确性，以更加准确地确定运行设备的用电类型和运行状态。

在一些实施例中，供电电路上是否有规律型设备，可以基于当前供电电路的在历史一段时间内的供电总时间、历史多个时段的供电时间及其变化规律、在历史一段时间的平均供电功率、供电场景(如居民家庭供电、办公室供电、医院病房供电)通过预测模型进行确定。通过本实施例，由于规律型设备的用电时间和用电量符合一定规律，基于前述关于供电时间、供电功率、供电场景(场景不同规律型设备的功率上限不同)可以准确预测供电电路中是否有规律型设备。

预测模型可以是机器学习模型，例如逻辑回归、随机森林或者NN、DNN 等神经网络模型。在一些实施例中，预测模型可以基于训练样本训练初始模型得到。根据不同的模型输入，可以基于不同的训练样本训练得到不同的模式识别模型。训练样本可以是历史获取的与模型输入对应的样本数据，训练样本的标签为人工确定的供电电路上有规律型设备或无规律型设备。

在一些实施例中，对于供电电路有一个运行设备的情况，当预测确定供电电路上无规律型设备时，可以确定供电电路上的这一个运行设备为随机型设备。

在一些实施例中，对于供电电路有N个运行设备的情况，当预测确定供电电路上无规律型设备时，可以确定供电电路上的这N个运行设备都为随机型设备。

在一些实施例中，当确定供电电路上的N个运行设备都为随机型设备时，可以将随机型设备的正常用电模式信息中的时段电流特征乘上倍数N，并将乘上倍数N后的时段电流特征与供电电路的时段电流特征进行匹配，若匹配成功 (如相似度大于阈值)则N个运行设备的运行状态都为正常运行，否则可以认为N个运行设备中存在异常运行的设备。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种智能电表联接设备的异常监测方法，包括：

获取智能电表的电表数据；

基于所述电表数据确定供电电路的用电量特征和/或时段电流特征；

确定所述智能电表联接的至少一个运行设备以及所述至少一个运行设备对应的用电模式信息，所述用电模式信息反映所述运行设备运行时的用电量特征和/或时段电流特征；

基于所述用电模式信息和所述供电电路的用电量特征或时段电流特征，确定所述至少一个运行设备的异常判断结果。

2.如权1所述的方法，所述确定所述智能电表联接的至少一个运行设备以及所述至少一个运行设备对应的用电模式信息包括：

确定所述至少一个运行设备关于用电量规律的用电类型，所述用电类型包括：规律型设备，或随机型设备，或所述规律型和所述随机型的结合；

基于所述用电类型，确定所述至少一个运行设备对应的所述用电模式信息；其中，

所述规律型设备的所述用电模式信息包括所述规律型设备的用电量特征；

所述随机型设备的所述用电模式信息包括所述随机型设备的至少一个时段的时段电流特征；

所述规律型和所述随机型的结合的用电模式信息包括：所述规律型设备的用电量特征和/或所述随机型设备的至少一个时段的时段电流特征。

3.如权2所述的方法，所述基于所述用电模式信息和所述供电电路的用电量特征或时段电流特征，确定所述至少一个运行设备的异常判断结果包括：

确定所述用电模式信息与所述供电电路的用电量特征或时段电流特征的匹配结果；

基于所述匹配结果，确定所述至少一个运行设备的异常判断结果。

4.如权1所述的方法，所述确定所述智能电表联接的至少一个运行设备包括：

确定至少一个用电参考模式；

将所述供电电路的用电量特征或时段电流特征与至少一个用电参考模式进行匹配，基于匹配结果确定所述智能电表联接的至少一个运行设备的用电类型。

5.一种智能电表联接设备的异常监测系统，包括：

获取模块，用于获取智能电表的电表数据；

第一特征确定模块，用于基于所述电表数据确定供电电路的用电量特征和/或时段电流特征；

模式信息确定模块，用于确定所述智能电表联接的至少一个运行设备以及所述至少一个运行设备对应的用电模式信息，所述用电模式信息反映所述运行设备运行时的用电量特征和/或时段电流特征；

异常判断模块，用于基于所述用电模式信息和所述供电电路的用电量特征或时段电流特征，确定所述至少一个运行设备的异常判断结果。

6.如权5所述的系统，所述模式信息确定模块还用于：

确定所述至少一个运行设备关于用电量规律的用电类型，所述用电类型包括：规律型设备，或随机型设备，或所述规律型和所述随机型的结合；

基于所述用电类型，确定所述至少一个运行设备对应的所述用电模式信息；其中，

所述规律型设备的所述用电模式信息包括所述规律型设备的用电量特征；

所述随机型设备的所述用电模式信息包括所述随机型设备的至少一个时段的时段电流特征；

所述规律型和所述随机型的结合的用电模式信息包括：所述规律型设备的用电量特征和/或所述随机型设备的至少一个时段的时段电流特征。

7.如权6所述的系统，所述异常判断模块还用于：

确定所述用电模式信息与所述供电电路的用电量特征或时段电流特征的匹配结果；

基于所述匹配结果，确定所述至少一个运行设备的异常判断结果。

8.如权5所述的系统，所述模式信息确定模块还用于：

确定至少一个用电参考模式；

将所述供电电路的用电量特征或时段电流特征与至少一个用电参考模式进行匹配，基于匹配结果确定所述智能电表联接的至少一个运行设备的用电类型。

9.一种智能电表联接设备的异常监测装置，其特征在于，所述装置包括至少一个处理器以及至少一个存储器；

所述至少一个存储器用于存储计算机指令；

所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1-4中任意一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如权利要求1-4中任意一项所述的方法。

Images