CN114154999A - 一种反窃电方法、装置、终端及存储介质 - Google Patents
一种反窃电方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN114154999A CN114154999A CN202111256719.8A CN202111256719A CN114154999A CN 114154999 A CN114154999 A CN 114154999A CN 202111256719 A CN202111256719 A CN 202111256719A CN 114154999 A CN114154999 A CN 114154999A
- Authority
- CN
- China
- Prior art keywords
- target user
- electricity
- electricity stealing
- water consumption
- consumption 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.)
- Pending
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 214
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000002265 prevention Effects 0.000 title claims abstract description 49
- 238000003860 storage Methods 0.000 title claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 158
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000012549 training Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 20
- 206010061218 Inflammation Diseases 0.000 claims description 11
- 230000004054 inflammatory process Effects 0.000 claims description 11
- 238000012706 support-vector machine Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 14
- 230000008859 change Effects 0.000 abstract description 9
- 230000006399 behavior Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000000137 annealing Methods 0.000 description 1
- 238000013211 curve analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- 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)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于防窃电分析技术领域，提供了一种反窃电方法、装置、终端及存储介质。该方法包括：获取目标用户的用水数据、用燃气数据和用电信息；确定目标用户用水当天的天气炎热度，并根据每天天气炎热度对对应的用水数据进行修正，得到修正用水数据；将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度；根据目标用户的窃电嫌疑度判断目标用户是否窃电，获得判断结果。本发明能够准确识别人口短时性变化引起的用电负荷波动，及时发现窃电行为，提升窃电行为检测准确度。
Description
技术领域
本发明涉及防窃电分析技术领域，尤其涉及一种反窃电方法、装置、终端及存储介质。
背景技术
近年来，电能被应用于人们生产生活的方方面面，然而伴随其长期存在的窃电问题也随之而来，窃电行为不仅会扰乱电力市场正常的经济秩序，还会造成巨大的社会危害，因窃电造成的变压器、线路烧坏导致的停电事故时有发生，甚至还会引发火灾等危害安全的事故，影响社会稳定。
采用现有技术在进行反窃电分析时，通常围绕用电信息采集系统中的数据来开展，然而目前的用电信息采集系统仅包含用户的档案信息、电能表事件信息、用电负荷、电能表电压、电能表电流等信息，其存在的问题是这些信息难以区分人口短时性变化引起的用电负荷波动和窃电导致的用电负荷波动，导致无法及时发现窃电行为。
发明内容
本发明实施例提供了一种反窃电方法、装置、终端及存储介质，以解决现有技术在进行反窃电分析时难以区分人口短时性变化引起的用电负荷波动和窃电导致的用电负荷，从而无法及时发现窃电行为的问题。
第一方面，本发明实施例提供了一种反窃电方法，包括：
获取目标用户的用水数据、用燃气数据和用电信息；
确定目标用户用水当天的天气炎热度，并根据每天天气炎热度对对应的用水数据进行修正，得到目标用户的修正用水数据；
将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度；
根据目标用户的窃电嫌疑度判断目标用户是否窃电，获得判断结果。
在一种可能的实现方式中，确定目标用户用水当天的天气炎热度包括：
根据
确定目标用户用水当天的天气炎热度；
其中，AT为目标用户用水当天的天气炎热度，T为目标用户用水当天的气温，RH为目标用户用水当天的湿度。
在一种可能的实现方式中，根据每天天气炎热度对对应的用水数据进行修正，得到目标用户的修正用水数据包括：
确定T为26℃，RH为40％RH对应的天气炎热度为基准炎热度；
根据用水当天的天气炎热度和基准炎热度获得炎热度系数，炎热度系数为用水当天的天气炎热度与基准炎热度的比值；
根据炎热度系数对用水数据进行修正，获得目标用户的修正用水数据，目标用户的修正用水数据为目标用户的用水数据与炎热度系数的比值。
在一种可能的实现方式中，在将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度之前还包括：
获取检测现场目标用户电能计量装置的外观图像；
对外观图像进行识别，以识别电能计量装置的外观是否存在异常，获得识别结果；
将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度，包括：
将修正用水数据、用燃气数据、用电信息以及识别结果输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度。
在一种可能的实现方式中，在将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度之前还包括：
获取检测现场目标用户电能计量装置的电气参数；
将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度，包括：
将修正用水数据、用燃气数据、用电信息以及电气参数输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度。
在一种可能的实现方式中，反窃电方法还包括反窃电智能化决策模型的训练方法；
反窃电智能化模型的训练方法，包括：
建立训练集，训练集包括：窃电用户的历史修正用水数据、窃电用户的历史用燃气数据、窃电用户的用电信息、窃电用户的识别结果和窃电用户的电气参数；
根据训练集对预设的支持向量机结构进行训练，获得反窃电智能化决策模型。
第二方面，本发明实施例提供了一种反窃电装置，包括：
获取单元，用于获取目标用户的用水数据、用燃气数据和用电信息；
修正单元，用于确定目标用户用水当天的天气炎热度，并根据每天天气炎热度对对应的用水数据进行修正，得到目标用户的修正用水数据；
计算单元，用于将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度；
判断单元，用于根据目标用户的窃电嫌疑度判断目标用户是否窃电，获得判断结果。
在一种可能的实现方式中，修正单元用于：
根据
确定目标用户用水当天的天气炎热度；
其中，AT为目标用户用水当天的天气炎热度，T为目标用户用水当天的气温，RH为目标用户用水当天的湿度。
第三方面，本发明实施例提供了一种终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式方法的步骤。
本发明与现有技术相比存在的有益效果是：
本发明通过获取目标用户的用水数据、用燃气数据和用电信息，并根据每天天气炎热度对对应的用水数据进行修正，得到目标用户的修正用水数据；再将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度，最后根据窃电嫌疑度判断目标用户是否窃电。由于在进行反窃电分析时增加了用户用水数据和用燃气数据，并引入炎热度系数对用水数据进行处理，根据这些数据能够准确识别人口短时性变化引起的用电负荷波动，及时发现窃电行为，提升窃电行为检测准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的反窃电方法的实现流程图；
图2是本发明实施例提供的反窃电装置的结构示意图；
图3是本发明实施例提供的反窃电装置的另一结构示意图；
图4是本发明实施例提供的终端的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
参见图1，其示出了本发明实施例提供的反窃电方法的实现流程图，详述如下：
在步骤101中、获取目标用户的用水数据、用燃气数据和用电信息。
在本发明实施例中，目标用户是指需要被识别是否进行窃电的用户；在获取目标用户的用电信息时，可以直接调用用电信息采集系统中目标用户的用电信息，目标用户的用电信息包括但不限于目标用户的档案信息、电能表事件信息、用电负荷、电能表电压、电能表电流；在获取目标用户的用水数据和用燃气数据时，可以直接读取目标用户的水表和燃气表中的数据。可以理解的，在获取目标用户的用水数据和用燃气数据时，可以获取目标用户在预设时段内的用水数据和用燃气数据，该预设时段应为较长时期，以避免短期内用户由于其他因素未使用水和燃气而导致在识别是否为窃电用户是出现错误。可以理解的，可以获取目标用户在一个月或一个季度内的用水数据和用燃气数据，在此不作限制。
在本发明实施例中，由于采用了多表合采技术，在反窃电分析中增加了用户用水数据和用燃气数据，并引入炎热度系数对多表数据进行预处理，所以能够较为准确的反映家庭人口在节假日或出租房人口的短时性变化(比如假期几天不在家，出租房原租户未续租)引起的负荷性波动，可准确区分人口短时性变化引起的用电负荷波动和窃电引起的用电负荷波动，克服了现有技术容易将人口短时性变化的用户误报为窃电行为的缺点，显著提升检测准确度。
在步骤102中、确定目标用户用水当天的天气炎热度，并根据每天天气炎热度对对应的用水数据进行修正，得到目标用户的修正用水数据。
目标用户的用水量会受到众多因素的影响，例如天气、季节、节假日等，在本发明实施例中，主要考虑每一天的气温和湿度对目标用户用水量的影响；在上一步骤中已经获取了目标用户在预设时段内的用水数据，在预设时段内，每一天的气温和湿度都会有所差异，所以在对目标用户的用水数据进行修正时需要根据每一天的气温和湿度对用户的用水数据进行修正。
可选的，在一个实施例中，上述步骤102可以包括：
根据
确定目标用户用水当天的天气炎热度。
其中，AT为目标用户用水当天的天气炎热度，T为目标用户用水当天的气温，RH为目标用户用水当天的湿度。
上面已经提到每一天的气温和湿度都会对用户的用水量造成影响，在本发明实施例中，根据
将每一天的气温和湿度对用户用水量的影响统一为每一天的天气炎热度对用户用水量的影响。
可选的，在一个实施例中，上述步骤102可以包括：
确定T为26℃，RH为40％RH对应的天气炎热度为基准炎热度。
根据用水当天的天气炎热度和基准炎热度获得炎热度系数，炎热度系数为用水当天的天气炎热度与基准炎热度的比值。
根据炎热度系数对用水数据进行修正，获得目标用户的修正用水数据，目标用户的修正用水数据为目标用户的用水数据与炎热度系数的比值。
在本发明实施例中，可以根据目标用户所在地域，所处季节等为目标用户确定一基准气温和一基准湿度，再根据基准气温和基准湿度确定基准炎热度，在本发明中确定气温为26℃时为基准气温，湿度为40％RH时为基准湿度，根据该基准气温和基准湿度确定的天气炎热度即为本发明实施例中的基准炎热度。
在本发明实施例中，还要获取炎热度系数，这里的炎热度系数是指用户用水当天的炎热度系数，所以在已经获取了目标用户在预设时段内的用水数据的前提下，会获得预设时段内每一天的炎热度系数，每一天的炎热度系数都是用户用水当天的天气炎热度与基准炎热度的比值。
在本发明实施例中，要根据炎热度系数对用户的用水数据进行修正，首先根据每一天的炎热度系数对对应的用户当天的用水数据进行修正，得到每一天的修正用水数据，用户每一天的修正用水数据都为用户当天的用水数据与当天的炎热度系数的比值，再将用户预设时段内每一天的修正用水数据相加，得到用户在预设时段内的修正用水数据。
在步骤103中、将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度。
在本发明实施例中，预设的反窃电智能化模型为利用遗传模拟退火算法对支持向量机进行改进后的支持向量机结构。
在本发明实施例中，通过建立基于模拟退火遗传算法优化的支持向量机结构，克服了现有的反窃电数据分析方法采用的单一算法进行反窃电分析时，如果出现信息冗余程度高、用电模式复杂的用电数据，容易陷入局部最优的问题，并且提升了反窃电识别精度。
在本发明实施例中，预设的反窃电智能化决策模型可以包括数据服务器，用于存储反窃电智能化决策模型，并提供模型运行的硬件环境。
在本发明实施例中，预设的反窃电智能化决策模型可以利用因子分析法从窃电行为知识库中提取窃电特征，还可以降低所获取的数据的维度，简化反窃电智能化决策模型的运算复杂度。
可选的，在一个实施例中，上述步骤103之前可以包括：
获取检测现场目标用户电能计量装置的外观图像。
对外观图像进行识别，以识别电能计量装置的外观是否存在异常，获得识别结果。
将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度，包括：
将修正用水数据、用燃气数据、用电信息以及识别结果输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度。
在本发明实施例中，每一个待检测的用户都有一个独立的电能计量装置，可以获取用户的电能计量装置的外观图像，具体的获取目标用户电能计量装置外观图像的方式多种多样，可以通过搭载有摄像模块的设备直接捕获目标作业区域的作业图像，也可以通过从包含作业图像的存储设备中直接获取等等。本实施例对目标用户电能计量装置外观图像的获取方式不作限制。
在本发明实施例中，获取到目标用户电能计量装置的外观图像后要对该图像进行识别，可以理解的，在对其进行识别之前，可以包括对获取到的外观图像进行预处理，其中，对外观图像的预处理包括但不限于图像增强、图像复原等操作。在对获取到的目标用户电能计量装置的外观图像进行识别时，可以包括但不仅限于识别电能计量装置的各类铅封是否存在异常，并生成识别结果。
相应的，也可以将获取到的识别结果与修正用水数据、用燃气数据、用电信息一起输入至预设的反窃电智能化模型中，计算目标用户的窃电嫌疑度。
可选的，在一个实施例中，上述步骤103之前还可以包括：
获取检测现场目标用户电能计量装置的电气参数。
将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度，包括：
将修正用水数据、用燃气数据、用电信息以及电气参数输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度。
在本发明实施例中，还可以获取待检测的用户的电能计量装置的电气参数，这些电气参数包括但不仅限于电流互感器变比、电流互感器二次测电流、电能表附近电磁干扰强度以及电能表装置中是否存在错接线的情况。
相应的，也可以将获取到的电气参数与修正用水数据、用燃气数据、用电信息一起输入至预设的反窃电智能化模型中，计算目标用户的窃电嫌疑度。
在一个具体的实施例中，可以通过智能查窃装置获得上述识别结果以及电气参数，还可以将上述识别结果和电气参数通过智能查窃装置的显示模块显示出来，并通过通信网络发送到预设的反窃电智能化决策模型中，具体的通信方式多种多样，在此不作限制，在本实施例中采用4G无线公网。
在同一个实施例中，智能查窃装置还包括查窃流程专家库，用于增加规范化查窃流程提示，方便现场查窃人员参考使用，提升查窃电工作效率和效果。
在本发明实施例中，在分析的数据中增加了基于智能查窃装置的现场检测数据，包括识别结果和电气参数，现场检测到的数据针对性强，可信度高，与用电信息采集系统中数据相结合，采用机器学习方法进行窃电行为识别，可显著提升识别精度，克服了现有技术仅采用电信息采集系统中有关数据进行窃电行为识别的缺点。
在步骤104中、根据目标用户的窃电嫌疑度判断目标用户是否窃电，获得判断结果。
在本发明实施例中，判断结果包括目标用户窃电和目标用户不窃电，在获得判断结果后，可以采用ROC曲线分析法，将本发明的预设的反窃电智能化决策模型与现有的反窃电分析法进行对比，对比的项目包括检出率、误检率、AUC以及最佳阈值与理想点距离，现有的反窃电分析法主要有基于划分思想的k-means算法、随机森林、FCM聚类算法及其变体。
在一个具体的实施例中，通过对比发现，本发明的反窃电智能化决策模型的AUC、检出率、误检率指标优于现有的反窃电分析法，且最佳阈值与理想点距离小于现有的反窃电分析法，表明本发明提出反窃电智能化决策模型的效果优于现有技术。
一些实施例中，该方法还包括反窃电智能化决策模型的训练方法；
反窃电智能化模型的训练方法，包括：
建立训练集，训练集包括：窃电用户的历史修正用水数据、窃电用户的历史用燃气数据、窃电用户的用电信息、窃电用户的识别结果和窃电用户的电气参数。
根据训练集对预设的支持向量机结构进行训练，获得反窃电智能化决策模型。
在本发明实施例中，在对反窃电智能化模型进行训练时，所建立的训练集来源于窃电行为知识库中已查实的窃电案例所包含的各类数据，具体的可以包括已查实的窃电用户的历史修正用水数据，即已查实的窃电用户在预设时段内的修正用水数据；还可以包括已查实的窃电用户的历史用燃气数据，即已查实的用户在预设时段内的用燃气数据；还可以包括用电信息采集系统中已查实的窃电用户的用电信息；还可以包括对已查实的窃电用户的电能计量装置外观图像的识别结果；还可以包括已查实的窃电用户的电能计量装置的电气参数，具体的用电信息、识别结果以及、电气参数包括的内容与上述实施例中的相同，在此不作赘述。
在一个具体的实施例中，根据训练集对预设的支持向量机结构进行训练，获得反窃电智能化决策模型的参数为：支持向量机结构的最大迭代书为110，正则化参数为1，和函数为径向基核函数，和参数为0.07，遗传算法中个体数目为40，最大遗传代数为120，代沟为0.8，变异概率为0.11，选择概率为0.85。
由上可知，本发明通过获取目标用户的用水数据、用燃气数据和用电信息，并根据每天天气炎热度对对应的用水数据进行修正，得到目标用户的修正用水数据；再将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度，最后根据窃电嫌疑度判断目标用户是否窃电。由于在进行反窃电分析时增加了用户用水数据和用燃气数据，并引入炎热度系数对用水数据进行处理，根据这些数据能够准确识别人口短时性变化引起的用电负荷波动，及时发现窃电行为，提升窃电行为检测准确度。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
图2示出了本发明实施例提供的反窃电装置2的结构示意图，详述如下：
如图2所示，反窃电装置2可以包括：获取单元21、修正单元22、计算单元23、判断单元24。
获取单元21，用于获取目标用户的用水数据、用燃气数据和用电信息；
修正单元22，用于确定目标用户用水当天的天气炎热度，并根据每天天气炎热度对对应的用水数据进行修正，得到目标用户的修正用水数据；
计算单元23，用于将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度；
判断单元24，用于根据目标用户的窃电嫌疑度判断目标用户是否窃电，获得判断结果。
在一种可能的实现方式中，修正单元22用于：
根据
确定目标用户用水当天的天气炎热度。
其中，AT为目标用户用水当天的天气炎热度，T为目标用户用水当天的气温，RH为目标用户用水当天的湿度。
在一种可能的实现方式中，修正单元22还用于执行以下步骤：
确定T为26℃，RH为40％RH对应的天气炎热度为基准炎热度。
根据用水当天的天气炎热度和基准炎热度获得炎热度系数，炎热度系数为用水当天的天气炎热度与基准炎热度的比值。
根据炎热度系数对用水数据进行修正，获得目标用户的修正用水数据，目标用户的修正用水数据为目标用户的用水数据与炎热度系数的比值。
在一种可能的实现方式中，如图3所示，反窃电装置2还可以包括：
电能计量装置处理单元25，用于执行以下步骤：
获取检测现场目标用户电能计量装置的外观图像。
识别电能计量装置的外观是否存在异常，获得识别结果。
相应的，计算单元24具体用于将修正用水数据、用燃气数据、用电信息以及识别结果输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度。
电能计量装置处理单元25，还用于执行以下步骤：
获取检测现场目标用户电能计量装置的电气参数。
相应的，计算单元24具体用于将修正用水数据、用燃气数据、用电信息以及电气参数输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度。
在一种可能的实现方式中，如图3所示，反窃电装置2还可以包括：
模型训练单元26，用于执行以下步骤：
建立训练集，训练集包括：窃电用户的历史修正用水数据、窃电用户的历史用燃气数据、窃电用户的用电信息、窃电用户的识别结果和窃电用户的电气参数。
根据训练集对预设的支持向量机结构进行训练，获得反窃电智能化决策模型。
上述装置可执行本申请实施例提供的方法，并且可以达到以下有益效果：本装置通过获取单元获取目标用户的用水数据、用燃气数据和用电信息，通过修正单元并根据每天天气炎热度对对应的用水数据进行修正，得到目标用户的修正用水数据；再通过计算单元将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度，最后通过判断单元并根据窃电嫌疑度判断目标用户是否窃电。由于上述装置在进行反窃电分析时增加了获取单元来获取用户用水数据和用燃气数据，并在修正单元中引入炎热度系数对用水数据进行处理，根据这些数据能够准确识别人口短时性变化引起的用电负荷波动，及时发现窃电行为，提升窃电行为检测准确度。
图4是本发明一实施例提供的终端的示意图。如图4所示，该实施例的终端4包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个反窃电方法实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理器40执行所述计算机程序42时实现上述各装置实施例中各单元的功能，例如图3所示单元21至26的功能。
示例性的，所述计算机程序42可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器41中，并由所述处理器40执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序42在所述终端4中的执行过程。例如，所述计算机程序42可以被分割成获取单元、修正单元、计算单元、判断单元、电能计量装置处理单元、模型训练单元。
所述终端可以包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端4的示例，并不构成对终端4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端4的内部存储单元，例如终端4的硬盘或内存。所述存储器41也可以是所述终端4的外部存储设备，例如所述终端4上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述终端4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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网络单元上。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，在本发明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。
所述集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种反窃电方法，其特征在于，包括：
获取目标用户的用水数据、用燃气数据和用电信息；
确定目标用户用水当天的天气炎热度，并根据每天天气炎热度对对应的用水数据进行修正，得到目标用户的修正用水数据；
将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度；
根据目标用户的窃电嫌疑度判断目标用户是否窃电，获得判断结果。
2.根据权利要求1的反窃电方法，其特征在于，确定目标用户用水当天的天气炎热度，包括：
根据
确定目标用户用水当天的天气炎热度；
其中，AT为目标用户用水当天的天气炎热度，T为目标用户用水当天的气温，RH为目标用户用水当天的湿度。
3.根据权利要求2的反窃电方法，其特征在于，根据每天天气炎热度对对应的用水数据进行修正，得到目标用户的修正用水数据，包括：
确定T为26℃，RH为40％RH对应的天气炎热度为基准炎热度；
根据用水当天的天气炎热度和基准炎热度获得炎热度系数，炎热度系数为用水当天的天气炎热度与基准炎热度的比值；
根据炎热度系数对用水数据进行修正，获得目标用户的修正用水数据，目标用户的修正用水数据为目标用户的用水数据与炎热度系数的比值。
4.根据权利要求1的反窃电方法，其特征在于，在将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度之前，还包括：
获取检测现场目标用户电能计量装置的外观图像；
对外观图像进行识别，以识别电能计量装置的外观是否存在异常，获得识别结果；
将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度，包括：
将修正用水数据、用燃气数据、用电信息以及识别结果输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度。
5.根据权利要求1的反窃电方法，其特征在于，在将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度之前，还包括：
获取检测现场目标用户电能计量装置的电气参数；
将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度，包括：
将修正用水数据、用燃气数据、用电信息以及电气参数输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度。
6.根据权利要求1的反窃电方法，其特征在于，反窃电方法还包括反窃电智能化决策模型的训练方法；
反窃电智能化模型的训练方法，包括：
建立训练集，训练集包括：窃电用户的历史修正用水数据、窃电用户的历史用燃气数据、窃电用户的用电信息、窃电用户的识别结果和窃电用户的电气参数；
根据训练集对预设的支持向量机结构进行训练，获得反窃电智能化决策模型。
7.一种反窃电装置，其特征在于，包括：
获取单元，用于获取目标用户的用水数据、用燃气数据和用电信息；
修正单元，用于确定目标用户用水当天的天气炎热度，并根据每天天气炎热度对对应的用水数据进行修正，得到目标用户的修正用水数据；
计算单元，用于将修正用水数据、用燃气数据以及用电信息输入至预设的反窃电智能化决策模型中，计算目标用户的窃电嫌疑度；
判断单元，用于根据目标用户的窃电嫌疑度判断目标用户是否窃电，获得判断结果。
8.根据权利要求7的反窃电装置，其特征在于，所述修正单元用于：
根据
确定目标用户用水当天的天气炎热度；
其中，AT为目标用户用水当天的天气炎热度，T为目标用户用水当天的气温，RH为目标用户用水当天的湿度。
9.一种终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时实现如上的权利要求1至6中任一项方法的步骤。
10.一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，其特征在于，计算机程序被处理器执行时实现如上的权利要求1至6中任一项方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111256719.8A CN114154999A (zh) | 2021-10-27 | 2021-10-27 | 一种反窃电方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111256719.8A CN114154999A (zh) | 2021-10-27 | 2021-10-27 | 一种反窃电方法、装置、终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114154999A true CN114154999A (zh) | 2022-03-08 |
Family
ID=80458454
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111256719.8A Pending CN114154999A (zh) | 2021-10-27 | 2021-10-27 | 一种反窃电方法、装置、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114154999A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115018403A (zh) * | 2022-08-10 | 2022-09-06 | 国网天津市电力公司营销服务中心 | 一种用于非法用电的稽查方法、存储介质及电子设备 |
| CN115792370A (zh) * | 2023-02-08 | 2023-03-14 | 北京清众神州大数据有限公司 | 一种基于智能电表的用能诊断方法、装置和设备 |
Citations (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104331846A (zh) * | 2014-11-10 | 2015-02-04 | 国家电网公司 | 一种窃电行为多源建模与协同分析方法 |
| CN104361233A (zh) * | 2014-11-11 | 2015-02-18 | 国家电网公司 | 分布式电源入网情况下的反窃电管理方法 |
| CA2832625A1 (en) * | 2013-10-25 | 2015-04-25 | Emerson Electric Co. | Determining power stealing capability of a climate control system controller |
| CN104657912A (zh) * | 2015-02-06 | 2015-05-27 | 宁波永耀信息科技有限公司 | 基于水电量比和支持向量聚类异常用户检测方法及系统 |
| CN105337308A (zh) * | 2015-10-23 | 2016-02-17 | 南京南瑞集团公司 | 一种电网侧区域分布式光伏运维管理系统及管理方法 |
| CN107085653A (zh) * | 2017-03-29 | 2017-08-22 | 国网上海市电力公司 | 一种数据驱动的防窃电实时诊断方法 |
| CN108593990A (zh) * | 2018-06-04 | 2018-09-28 | 国网天津市电力公司 | 一种基于电能用户用电行为模式的窃电检测方法和应用 |
| CN108765004A (zh) * | 2018-05-28 | 2018-11-06 | 贵州黔驰信息股份有限公司 | 一种基于数据挖掘识别用户窃电行为的方法 |
| CN108896804A (zh) * | 2018-04-28 | 2018-11-27 | 广东电网有限责任公司 | 窃电检测方法、装置及电子设备 |
| WO2018229712A1 (en) * | 2017-06-14 | 2018-12-20 | Eaton Intelligent Power Limited | System and method for detecting theft of electricity with integrity checks analysis |
| CN109063929A (zh) * | 2018-08-29 | 2018-12-21 | 广东电网有限责任公司 | 反窃电分析预警方法、装置及计算机可读存储介质 |
| CN109101594A (zh) * | 2018-07-27 | 2018-12-28 | 国家电网有限公司 | 一种检测窃电嫌疑用户的方法、装置及终端 |
| CN109446193A (zh) * | 2018-11-13 | 2019-03-08 | 国网宁夏电力有限公司电力科学研究院 | 反窃电模型生成方法及装置 |
| CN109614997A (zh) * | 2018-11-29 | 2019-04-12 | 武汉大学 | 一种基于深度学习的窃电风险预测方法及装置 |
| CN109615004A (zh) * | 2018-12-07 | 2019-04-12 | 江苏瑞中数据股份有限公司 | 一种多源数据融合的防窃电预警方法 |
| CN109633321A (zh) * | 2018-12-24 | 2019-04-16 | 国网山东省电力公司潍坊供电公司 | 一种台区户变关系区分系统、方法及台区高损监测方法 |
| CN109784388A (zh) * | 2018-12-29 | 2019-05-21 | 北京中电普华信息技术有限公司 | 窃电用户识别方法和装置 |
| CN109919173A (zh) * | 2019-01-11 | 2019-06-21 | 国网浙江省电力有限公司宁波供电公司 | 一种基于减法聚类模型的多表融合用能行为分析方法 |
| CN110082579A (zh) * | 2019-05-21 | 2019-08-02 | 国网湖南省电力有限公司 | 一种台区智能反窃电监测方法、系统、设备及介质 |
| CN110390441A (zh) * | 2019-07-30 | 2019-10-29 | 北京百度网讯科技有限公司 | 用能预测方法及装置 |
| CN110852906A (zh) * | 2019-11-19 | 2020-02-28 | 国网四川省电力公司电力科学研究院 | 一种基于高维随机矩阵进行窃电嫌疑识别的方法和系统 |
| CN110990645A (zh) * | 2019-11-12 | 2020-04-10 | 广州供电局有限公司 | 用电监测方法、装置、计算机设备和存储介质 |
| CN110988422A (zh) * | 2019-12-19 | 2020-04-10 | 北京中电普华信息技术有限公司 | 一种窃电识别方法、装置及电子设备 |
| CN111539843A (zh) * | 2020-04-17 | 2020-08-14 | 国网新疆电力有限公司电力科学研究院 | 基于数据驱动的反窃电智能预警方法 |
| CN111797143A (zh) * | 2020-07-07 | 2020-10-20 | 长沙理工大学 | 基于用电量统计分布偏度系数的水产养殖业窃电检测方法 |
| CN111914942A (zh) * | 2020-08-12 | 2020-11-10 | 烟台海颐软件股份有限公司 | 一种多表合一用能异常分析方法 |
| CN112305943A (zh) * | 2020-09-27 | 2021-02-02 | 深圳市拓邦软件技术有限公司 | 一种基于智能多表合一平台的安全预警方法及系统 |
| CN112329895A (zh) * | 2021-01-05 | 2021-02-05 | 国网江西综合能源服务有限公司 | 一种具有窃电嫌疑的用户的识别方法及装置 |
| CN112733456A (zh) * | 2021-03-17 | 2021-04-30 | 国网河南省电力公司营销服务中心 | 一种反窃电行为识别方法和系统 |
| CN113128860A (zh) * | 2021-04-16 | 2021-07-16 | 国网上海市电力公司 | 一种基于大数据的社区人口特征分析及供电分类服务体系 |
| CN113128024A (zh) * | 2021-03-17 | 2021-07-16 | 国网山东省电力公司济南供电公司 | 一种基于大数据分析的低压窃电客户及窃电手段确定方法 |
| CN113221940A (zh) * | 2021-03-16 | 2021-08-06 | 国网浙江省电力有限公司台州供电公司 | 一种融合异构多源时序数据的窃电行为检测方法 |
| CN113239087A (zh) * | 2021-04-06 | 2021-08-10 | 中国电力科学研究院有限公司 | 一种反窃电稽查监控方法及系统 |
| CN113484572A (zh) * | 2021-06-01 | 2021-10-08 | 国网吉林省电力有限公司信息通信公司 | 一种基于用电大数据的反窃电监测方法及系统 |
-
2021
- 2021-10-27 CN CN202111256719.8A patent/CN114154999A/zh active Pending
Patent Citations (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2832625A1 (en) * | 2013-10-25 | 2015-04-25 | Emerson Electric Co. | Determining power stealing capability of a climate control system controller |
| CN104331846A (zh) * | 2014-11-10 | 2015-02-04 | 国家电网公司 | 一种窃电行为多源建模与协同分析方法 |
| CN104361233A (zh) * | 2014-11-11 | 2015-02-18 | 国家电网公司 | 分布式电源入网情况下的反窃电管理方法 |
| CN104657912A (zh) * | 2015-02-06 | 2015-05-27 | 宁波永耀信息科技有限公司 | 基于水电量比和支持向量聚类异常用户检测方法及系统 |
| CN105337308A (zh) * | 2015-10-23 | 2016-02-17 | 南京南瑞集团公司 | 一种电网侧区域分布式光伏运维管理系统及管理方法 |
| CN107085653A (zh) * | 2017-03-29 | 2017-08-22 | 国网上海市电力公司 | 一种数据驱动的防窃电实时诊断方法 |
| WO2018229712A1 (en) * | 2017-06-14 | 2018-12-20 | Eaton Intelligent Power Limited | System and method for detecting theft of electricity with integrity checks analysis |
| CN108896804A (zh) * | 2018-04-28 | 2018-11-27 | 广东电网有限责任公司 | 窃电检测方法、装置及电子设备 |
| CN108765004A (zh) * | 2018-05-28 | 2018-11-06 | 贵州黔驰信息股份有限公司 | 一种基于数据挖掘识别用户窃电行为的方法 |
| CN108593990A (zh) * | 2018-06-04 | 2018-09-28 | 国网天津市电力公司 | 一种基于电能用户用电行为模式的窃电检测方法和应用 |
| CN109101594A (zh) * | 2018-07-27 | 2018-12-28 | 国家电网有限公司 | 一种检测窃电嫌疑用户的方法、装置及终端 |
| CN109063929A (zh) * | 2018-08-29 | 2018-12-21 | 广东电网有限责任公司 | 反窃电分析预警方法、装置及计算机可读存储介质 |
| CN109446193A (zh) * | 2018-11-13 | 2019-03-08 | 国网宁夏电力有限公司电力科学研究院 | 反窃电模型生成方法及装置 |
| CN109614997A (zh) * | 2018-11-29 | 2019-04-12 | 武汉大学 | 一种基于深度学习的窃电风险预测方法及装置 |
| CN109615004A (zh) * | 2018-12-07 | 2019-04-12 | 江苏瑞中数据股份有限公司 | 一种多源数据融合的防窃电预警方法 |
| CN109633321A (zh) * | 2018-12-24 | 2019-04-16 | 国网山东省电力公司潍坊供电公司 | 一种台区户变关系区分系统、方法及台区高损监测方法 |
| CN109784388A (zh) * | 2018-12-29 | 2019-05-21 | 北京中电普华信息技术有限公司 | 窃电用户识别方法和装置 |
| CN109919173A (zh) * | 2019-01-11 | 2019-06-21 | 国网浙江省电力有限公司宁波供电公司 | 一种基于减法聚类模型的多表融合用能行为分析方法 |
| CN110082579A (zh) * | 2019-05-21 | 2019-08-02 | 国网湖南省电力有限公司 | 一种台区智能反窃电监测方法、系统、设备及介质 |
| CN110390441A (zh) * | 2019-07-30 | 2019-10-29 | 北京百度网讯科技有限公司 | 用能预测方法及装置 |
| CN110990645A (zh) * | 2019-11-12 | 2020-04-10 | 广州供电局有限公司 | 用电监测方法、装置、计算机设备和存储介质 |
| CN110852906A (zh) * | 2019-11-19 | 2020-02-28 | 国网四川省电力公司电力科学研究院 | 一种基于高维随机矩阵进行窃电嫌疑识别的方法和系统 |
| CN110988422A (zh) * | 2019-12-19 | 2020-04-10 | 北京中电普华信息技术有限公司 | 一种窃电识别方法、装置及电子设备 |
| CN111539843A (zh) * | 2020-04-17 | 2020-08-14 | 国网新疆电力有限公司电力科学研究院 | 基于数据驱动的反窃电智能预警方法 |
| CN111797143A (zh) * | 2020-07-07 | 2020-10-20 | 长沙理工大学 | 基于用电量统计分布偏度系数的水产养殖业窃电检测方法 |
| CN111914942A (zh) * | 2020-08-12 | 2020-11-10 | 烟台海颐软件股份有限公司 | 一种多表合一用能异常分析方法 |
| CN112305943A (zh) * | 2020-09-27 | 2021-02-02 | 深圳市拓邦软件技术有限公司 | 一种基于智能多表合一平台的安全预警方法及系统 |
| CN112329895A (zh) * | 2021-01-05 | 2021-02-05 | 国网江西综合能源服务有限公司 | 一种具有窃电嫌疑的用户的识别方法及装置 |
| CN113221940A (zh) * | 2021-03-16 | 2021-08-06 | 国网浙江省电力有限公司台州供电公司 | 一种融合异构多源时序数据的窃电行为检测方法 |
| CN112733456A (zh) * | 2021-03-17 | 2021-04-30 | 国网河南省电力公司营销服务中心 | 一种反窃电行为识别方法和系统 |
| CN113128024A (zh) * | 2021-03-17 | 2021-07-16 | 国网山东省电力公司济南供电公司 | 一种基于大数据分析的低压窃电客户及窃电手段确定方法 |
| CN113239087A (zh) * | 2021-04-06 | 2021-08-10 | 中国电力科学研究院有限公司 | 一种反窃电稽查监控方法及系统 |
| CN113128860A (zh) * | 2021-04-16 | 2021-07-16 | 国网上海市电力公司 | 一种基于大数据的社区人口特征分析及供电分类服务体系 |
| CN113484572A (zh) * | 2021-06-01 | 2021-10-08 | 国网吉林省电力有限公司信息通信公司 | 一种基于用电大数据的反窃电监测方法及系统 |
Non-Patent Citations (11)
| Title |
|---|
| 巫志平;: "电力用电信息采集在新形势下的业务模式研究", 供电企业管理, no. 04, 20 August 2016 (2016-08-20) * |
| 巫志平;洪雅婷;冯舒宁;: ""多表合一"构建能源服务新模式的探讨", 电力需求侧管理, no. 06, 20 November 2016 (2016-11-20) * |
| 张东霞;苗新;刘丽平;张焰;刘科研;: "智能电网大数据技术发展研究", 中国电机工程学报, no. 01, 5 January 2015 (2015-01-05) * |
| 张瑞;: "基于用电信息数据挖掘的智能反窃电研究与应用", 价值工程, no. 35, 18 December 2016 (2016-12-18) * |
| 彭世建, 李小平, 金涛: "湖北电网2004年迎峰度夏中的技术监督工作", 湖北电力, no. 2, 31 December 2004 (2004-12-31) * |
| 沈佳;王天军;尹蕊;马宗达;: "大数据技术在电力行业的研究与应用", 电子技术与软件工程, no. 22, 31 December 2016 (2016-12-31) * |
| 王鹏;林佳颖;郭国屾;栾文鹏;林涛;: "配用电数据分析及应用", 电网技术, no. 10, 5 October 2017 (2017-10-05) * |
| 知网: "体感温度是怎么算出来的？", Retrieved from the Internet <URL:https://www.zhihu.com/question/20678365> * |
| 胡宸;孙春顺;刘佳;谢峰;黄华钦;郭滨鹏;: "考虑天气类型的光伏窃电识别方法", 分布式能源, no. 04, 15 August 2017 (2017-08-15) * |
| 魏梅芳 主编: "《用电检查与服务》", 30 April 2020, 重庆大学出版社, pages: 151 - 156 * |
| 龚雷;叶玉峰;付维柱;: "展望智能电能表的应用前景", 安徽电气工程职业技术学院学报, no. 1, 15 October 2011 (2011-10-15) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115018403A (zh) * | 2022-08-10 | 2022-09-06 | 国网天津市电力公司营销服务中心 | 一种用于非法用电的稽查方法、存储介质及电子设备 |
| CN115792370A (zh) * | 2023-02-08 | 2023-03-14 | 北京清众神州大数据有限公司 | 一种基于智能电表的用能诊断方法、装置和设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zheng et al. | Wide and deep convolutional neural networks for electricity-theft detection to secure smart grids | |
| Biswas et al. | Electricity theft pinpointing through correlation analysis of master and individual meter readings | |
| KR101779036B1 (ko) | 머신러닝을 이용하여 이상거래를 탐지하기 위한 장치 및 그 방법 | |
| CN114154999A (zh) | 一种反窃电方法、装置、终端及存储介质 | |
| CN101667246B (zh) | 基于核稀疏表示的人脸识别方法 | |
| CN110390357A (zh) | 一种基于边信道的dtu安全监测方法 | |
| Shehzad et al. | A robust hybrid deep learning model for detection of non-technical losses to secure smart grids | |
| Jain et al. | Rule‐based classification of energy theft and anomalies in consumers load demand profile | |
| CN114239725B (zh) | 一种面向数据投毒攻击的窃电检测方法 | |
| CN112541698A (zh) | 基于企业外部特征识别企业风险的方法和系统 | |
| CN112419268A (zh) | 一种输电线路图像缺陷检测方法、装置、设备及介质 | |
| CN111695620A (zh) | 一种电力系统时间序列异常数据检测与修正方法及系统 | |
| CN111275416A (zh) | 数字货币异常交易检测方法、装置、电子设备及介质 | |
| CN111931047A (zh) | 基于人工智能的黑产账号检测方法及相关装置 | |
| CN114548241A (zh) | 被盗账户检测方法、装置、电子设备 | |
| Emadaleslami et al. | A two stage approach to electricity theft detection in AMI using deep learning | |
| CN114862821A (zh) | 继电保护硬压板的自动化监测方法、系统、设备 | |
| CN110033165A (zh) | 逾期借款催收方式的推荐方法、装置、介质、电子设备 | |
| CN110320544A (zh) | 识别终端设备位置的方法、装置、设备及存储介质 | |
| CN114764599B (zh) | 一种配电网单相接地故障灵敏度分析方法和系统 | |
| CN115223157A (zh) | 一种基于循环神经网络的电网设备铭牌光学字符识别方法 | |
| CN113409034A (zh) | 结合区块链支付的面部识别数据处理方法及大数据平台 | |
| CN111597896A (zh) | 异常人脸的识别方法、识别装置、识别设备和存储介质 | |
| CN111127814B (zh) | 火警识别方法以及相关装置 | |
| CN113052579B (zh) | 一种移动支付平台的支付方法及系统 |
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 |