CN114841474B - 适用于智能水电气采控终端的数据处理方法及系统 - Google Patents
适用于智能水电气采控终端的数据处理方法及系统 Download PDFInfo
- Publication number
- CN114841474B CN114841474B CN202210763127.3A CN202210763127A CN114841474B CN 114841474 B CN114841474 B CN 114841474B CN 202210763127 A CN202210763127 A CN 202210763127A CN 114841474 B CN114841474 B CN 114841474B
- Authority
- CN
- China
- Prior art keywords
- gas
- water
- electricity
- current
- information
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 282
- 230000005611 electricity Effects 0.000 title claims abstract description 223
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000007689 inspection Methods 0.000 claims abstract description 64
- 238000004519 manufacturing process Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 43
- 230000001419 dependent effect Effects 0.000 claims description 37
- 238000007726 management method Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 4
- 241000135164 Timea Species 0.000 claims description 3
- 238000012549 training Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 238000013277 forecasting method 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
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)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种适用于智能水电气采控终端的数据处理方法及系统,获取任意一个企业的当前水电气数据,水电气数据包括当前用水信息、当前用电信息以及当前用气信息;预先构建水预测模型、电预测模型以及气预测模型;基于多维分类器对当前用水信息、当前用电信息以及当前用气信息分别筛选后输入至水预测模型、电预测模型以及气预测模型得到水预测结果、电预测结果以及气预测结果;若水预测结果、电预测结果以及气预测结果分别与当前用水信息、当前用电信息以及当前用气信息的比对结果超过预设值,则输出稽查信号。本发明可以对企业的水电气数据进行统一管理,并进行相应的甄别,判断相关企业是否存在违规生产、违法经营的情况。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种适用于智能水电气采控终端的数据处理方法及系统。
背景技术
水、电、气是人们日常生活中所必须的资源、能源。不同的地区具有不同的人口、不同的商业环境,并且不同的时间段都有不同的用水、用电以及用气的需求、规律。
例如说一个正常经营的工厂,其在用水、用电以及用气的维度上都是呈正比的,当一个工厂在某一维度的使用超出或低于正常比例时,则证明该工厂可能出现了违规生产的情况,此时需要对相应监管部门进行提醒,实现生产的稽查。
发明内容
本发明实施例提供一种适用于智能水电气采控终端的数据处理方法及系统,可以对企业的水电气数据进行统一管理,并进行相应的甄别,判断相关企业是否存在违规生产、违法经营的情况,进行稽查的提醒。
本发明实施例的第一方面,提供一种适用于智能水电气采控终端的数据处理方法,包括:
获取任意一个企业的当前水电气数据,所述水电气数据包括基于水采控终端采集的当前用水信息、基于电采控终端采集的当前用电信息以及基于气采控终端采集的当前用气信息;
预先构建水预测模型、电预测模型以及气预测模型;
基于多维分类器对所述当前用水信息、当前用电信息以及当前用气信息分别筛选后输入至所述水预测模型、电预测模型以及气预测模型得到水预测结果、电预测结果以及气预测结果;
若所述水预测结果、电预测结果以及气预测结果分别与当前用水信息、当前用电信息以及当前用气信息的比对结果超过预设值,则输出稽查信号。
可选地,在第一方面的一种可能实现方式中,所述多维分类器的输出分别与水预测模型、电预测模型以及气预测模型的输入连接;
所述多维分类器对当前用水信息、当前用电信息以及当前用气信息进行两两归类分别输入至所述水预测模型、电预测模型以及气预测模型中以得到水预测结果、电预测结果以及气预测结果。
可选地,在第一方面的一种可能实现方式中,预先构建水预测模型、电预测模型以及气预测模型包括:
获取预设时间段内正常生产的同一类型企业的所有预存水电气数据,所述预存水电气数据包括预存用水信息、预存用电信息以及预存用气信息;
将预存用电信息、预存用气信息作为自变量,预存用气信息作为因变量训练所述水预测模型;
将预存用水信息、预存用气信息作为自变量,预存用气信息作为因变量训练所述电预测模型;
将预存用水信息、预存用电信息作为自变量,预存用气信息作为因变量训练所述气预测模型。
可选地,在第一方面的一种可能实现方式中,还包括:
所述水预测模型、电预测模型以及气预测模型分别为三维模型,所述水预测模型、电预测模型以及气预测模型对应相同的三维坐标函数;
所述水预测模型的输入为当前用电信息、当前用气信息,输出为预测用水信息,所述当前用电信息为其中一个自变量,所述当前用气信息为另一个自变量,所述预测用水信息为另一个因变量;
所述电预测模型的输入为当前用气信息、当前用水信息,输出为预测用电信息,所述当前用气信息为其中一个自变量,所述当前用水信息为另一个自变量,所述预测用电信息为另一个因变量;
所述气预测模型的输入为当前用电信息、当前用水信息,输出为预测用气信息,所述当前用电信息为其中一个自变量,所述当前用水信息为另一个自变量,所述预测用气信息为另一个因变量;
所述当前用水信息、当前用电信息以及当前用气信息为当前信息;
基于2个自变量和1个因变量的预存水电气数据进行三维曲线拟合得到三维坐标函数;
可选地,在第一方面的一种可能实现方式中,还包括:
可选地,在第一方面的一种可能实现方式中,预先构建水信息管理单元、电信息管理单元以及气信息管理单元;
将构建的水预测模型、电预测模型以及气预测模型分别配置于所述水信息管理单元、电信息管理单元以及气信息管理单元中。
可选地,在第一方面的一种可能实现方式中,还包括:
基于所述稽查信号构建稽查库,所述稽查库包括被稽查的企业以及该企业所对应的历史水电气数据;
接收稽查人员输入的稽查结果,基于所述稽查结果对所述历史水电气数据进行标记,所述标记为正常或异常。
可选地,在第一方面的一种可能实现方式中,在所述输出稽查信号的步骤后,还包括:
获取与该稽查信号对应的企业,遍历稽查库获取与该企业对应的历史水电气数据;
将当前水电气数据与历史水电气数据比对,若当前水电气数据属于历史水电气数据范围内,则不再输出所述稽查信号。
本发明实施例的第二方面,提供一种适用于智能水电气采控终端的数据处理系统,包括:
获取模块,用于获取任意一个企业的当前水电气数据,所述水电气数据包括基于水采控终端采集的当前用水信息、基于电采控终端采集的当前用电信息以及基于气采控终端采集的当前用气信息;
构建模块,用于预先构建水预测模型、电预测模型以及气预测模型;
筛选输入模块,用于基于多维分类器对所述当前用水信息、当前用电信息以及当前用气信息分别筛选后输入至所述水预测模型、电预测模型以及气预测模型得到水预测结果、电预测结果以及气预测结果;
输出模块,用于若所述水预测结果、电预测结果以及气预测结果分别与当前用水信息、当前用电信息以及当前用气信息的比对结果超过预设值,则输出稽查信号。
本发明实施例的第三方面,提供一种可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法。
本发明提供的一种适用于智能水电气采控终端的数据处理方法及系统,预先配置多个维度的预测模型,通过分类器对当前水电气数据进行分类,将分类后的各项信息输入至水预测模型、电预测模型以及气预测模型中,通过每个预测模型对分类后的信息进行处理,在出现任意一个比对结果超过预设值时,输出稽查信号进行提醒。实现了根据企业的水电气数据进行自动初步稽查的目的和效果,使得相关部门进行稽查时具有针对性,提高了违法、违规生产企业的稽查确定率。
本发明提供的技术方案,通过正常生产的同一类型企业的所有预存水电气数据对不同维度的预测模型进行训练,使得预测模型的训练样本充足的同时客观考虑了不同企业性质的情况,保障了预测模型在进行预测时的准确率。
本发明所构建的预测模型通过三维坐标函数进行相关信息、数据的预测,使得水电气分别位于三维坐标的不同维度,保障了在进行信息、数据的预测时能够充分考量各个维度的指标值,使得预测模型在预测时的准确度有所保障。
本发明在获得多个预测结果后,会根据预测结果、比对结果对模型进行参数的更新,使得模型在训练过程中不仅通过训练样本进行训练,也会根据输出的反馈结果进行反馈,使得模型在训练后的精度有所提高。
由于可能存在一些特殊的企业,其预测结果可能是异常的,但是其属于正常经营,本发明会对该类企业进行归类生成稽查库,即当有该种企业的水电气数据被预测模型识别为异常输出稽查信号时会先将该企业与稽查库内的企业进行比对,如果该企业在稽查库内,则取消稽查信号的输出。通过以上方式,使得本发明能够适用于较多的企业,并且在特殊企业中,也可以进行特殊处理,使得本发明适用范围较广、实用性较强。
附图说明
图1为适用于智能水电气采控终端的数据处理方法的流程图;
图2为适用于智能水电气采控终端的数据处理系统的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)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,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解,在本发明的各种实施例中,各过程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。
应当理解,在本发明中,“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。
应当理解,在本发明中,“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含,“包含A、B或C”是指包含A、B、C三者之一,“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解,在本发明中,“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”,表示B与A相关联,根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。A与B的匹配,是A与B的相似度大于或等于预设的阈值。
取决于语境,如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
本发明提供一种适用于智能水电气采控终端的数据处理方法,如图1所示其流程图,包括:
步骤S110、获取任意一个企业的当前水电气数据,所述水电气数据包括基于水采控终端采集的当前用水信息、基于电采控终端采集的当前用电信息以及基于气采控终端采集的当前用气信息。当前水电气数据可以是通过企业的水采控终端(例如水表)、电采控终端(例如电表)、气采控终端(例如气表)进行调取。可以根据不同机关的不同调取权限采取相应的调取方式,本发明对此不作任何限定。
步骤S120、预先构建水预测模型、电预测模型以及气预测模型。水、电、气是保障一个企业正常运行、运作的基本要求,所以本发明会针对企业的水、电、气这三个维度的使用情况进行相应的生活、生产预测,所以本发明会预先构建水预测模型、电预测模型以及气预测模型,以从三个不同的维度触发进行数据的预测。
步骤S130、基于多维分类器对所述当前用水信息、当前用电信息以及当前用气信息分别筛选后输入至所述水预测模型、电预测模型以及气预测模型得到水预测结果、电预测结果以及气预测结果。本发明在数据获取、抓取后会对数据进行分类处理,即将当前用水信息、当前用电信息以及当前用气信息分别分类后输入至水预测模型、电预测模型以及气预测模型进行预测,得到不同维度的预测结果,包括水预测结果、电预测结果以及气预测结果。
步骤S140、若所述水预测结果、电预测结果以及气预测结果分别与当前用水信息、当前用电信息以及当前用气信息的比对结果超过预设值,则输出稽查信号。本发明在得到不同维度的预测结果后,会将不同维度的预测结果与当前用水信息、当前用电信息以及当前用气信息的比对,如果超过预设值,则此时生产企业可能存在违规生产、违规经营的情况,此时输出稽查信号至前端,该稽查信号可以是对相关企业进行标记,稽查部门、稽查人员可以在前端查看该存在违规生产、违规经营嫌疑的企业。
本发明中的当前水电气数据共有三个维度的信息,每个预测模型的输入为两个维度的信息,将当前的两个维度的信息输入至预测模型后得到第三个维度的预测信息,此时将得到的第三个维度的预测信息与当前的相应维度的信息进行比对,以此方式,使得当前输入的当前水电气数据在不同维度分别进行甄别。
例如说,一个造纸厂在当前的水电气数据为用水2000吨、用电5000度,用气100立方,该当前的水电气数据可以是当前时刻往前预设时间段内,预设时间段例如说一周、一天、一个小时等等。
此时,可以将用水2000吨、用电5000度作为当前用水信息、当前用电信息输入至气预测模型得到气预测结果;
可以将用水2000吨、用气100立方度作为当前用水信息、当前用气信息输入至电预测模型得到电预测结果;
可以将用电5000度、用气100立方作为当前用水信息、当前用气信息输入至水预测模型得到水预测结果。
在一个可能的实施方式中,所述多维分类器的输出分别与水预测模型、电预测模型以及气预测模型的输入连接;
所述多维分类器对当前用水信息、当前用电信息以及当前用气信息进行两两归类分别输入至所述水预测模型、电预测模型以及气预测模型中以得到水预测结果、电预测结果以及气预测结果。
本发明在得到当前时刻的当前水电气数据后会对当前水电气数据进行归类、组处理,将当前用水信息、当前用电信息归为一类、组,并将该类、组输入至气预测模型以得到气预测结果;将当前用水信息、当前用气信息归为一类、组,并将该类、组输入至电预测模型以得到电预测结果;将当前用气信息、当前用电信息归为一类、组,并将该类、组输入至水预测模型以得到水预测结果。
在一个可能的实施方式中,步骤S120包括:
获取预设时间段内正常生产的同一类型企业的所有预存水电气数据,所述预存水电气数据包括预存用水信息、预存用电信息以及预存用气信息。本发明会统计一定区域内所有企业的历史水电气数据,该历史水电气数据会存储于数据库中,历史水电气数据可以看做是预存水电气数据。本发明会将具有相同类型的企业的预存水电气数据进行归类。例如说造纸厂、食品加工厂、机械加工厂、律师事务所、动画设计公司等等。
将预存用电信息、预存用气信息作为自变量,预存用气信息作为因变量训练所述水预测模型。本发明在构建各个模型时,会将预测结果所对应维度的信息作为因变量,将其余两个维度的信息作为自变量,通过以上规则训练不同的模型。例如说,在训练水预测模型时,则需要获取同一类型企业的所有预存水电气数据,将所有预存水电气数据中的所有预存用电信息、预存用气信息和预存用水信息进行训练,其中预存用水信息为因变量,预存用电信息、预存用气信息为自变量。
将预存用水信息、预存用气信息作为自变量,预存用气信息作为因变量训练所述电预测模型。例如说,在训练电预测模型时,则需要获取同一类型企业的所有预存水电气数据,将所有预存水电气数据中的所有预存用电信息、预存用气信息和预存用水信息进行训练,其中预存用电信息为因变量,预存用水信息、预存用气信息为自变量。
将预存用水信息、预存用电信息作为自变量,预存用气信息作为因变量训练所述气预测模型。例如说,在训练气预测模型时,则需要获取同一类型企业的所有预存水电气数据,将所有预存水电气数据中的所有预存用电信息、预存用气信息和预存用水信息进行训练,其中预存用气信息为因变量,预存用电信息、预存用水信息为自变量。
在一个可能的实施方式中,还包括:
所述水预测模型、电预测模型以及气预测模型分别为三维模型。由于本发明提供的技术方案,通过水、电、气三个维度考虑相关企业是否正常经营,所以会构建三个三维模型,以达到对三个不同维度进行预测的效果。
所述水预测模型的输入为当前用电信息、当前用气信息,输出为预测用水信息,所述当前用电信息为其中一个自变量,所述当前用气信息为另一个自变量,所述预测用水信息为另一个因变量。
所述电预测模型的输入为当前用气信息、当前用水信息,输出为预测用电信息,所述当前用气信息为其中一个自变量,所述当前用水信息为另一个自变量,所述预测用电信息为另一个因变量。
所述气预测模型的输入为当前用电信息、当前用水信息,输出为预测用气信息,所述当前用电信息为其中一个自变量,所述当前用水信息为另一个自变量,所述预测用气信息为另一个因变量。
所述当前用水信息、当前用电信息以及当前用气信息为当前信息。
如果预测用水信息与当前用水信息相差较大,则此时用户在相应的用水维度可能会出现使用问题,需要进行针对性的稽查。如果预测用电信息与当前用电信息相差较大,则此时用户在相应的用电维度可能会出现使用问题,需要进行针对性的稽查。如果预测用气信息与当前用气信息相差较大,则此时用户在相应的用气维度可能会出现使用问题,需要进行针对性的稽查。
基于2个自变量和1个因变量的预存水电气数据进行三维曲线拟合得到三维坐标函数。如上所说,本发明会根据2个自变量和1个因变量的预存水电气数据进行三维曲线拟合,此时本发明即可以分别在输入两个维度的信息后,即可以得到另外一个维度的信息。如上所说,输入当前用水信息、当前用电信息,即可以得到预测用气信息,对于不同维度的信息根据三维曲线的计算方式,本发明不再进行赘述。
第个维度数据可以是用于预测水结果的维度,则此时和分别为当前用电信息和当前用气信息,此时则为当前预测的水预测结果,将水预测结果与当前用水信息比对,如果超过预设值,则证明此时该企业可能出现生产异常的可能,此时可能输出稽查信号。因为水、电、气的单位不同,所以在得到比对结果P时为了使其更易查看,反应更直观,即通过不同维度的归一化系数对不同维度单位的数值进行归一化处理。
在一个可能的实施方式中,还包括:
本发明会统计所有的比对结果,并根据比对结果的数值对进行调整,如果越大,则在实际的使用过程中,对于相应维度的信息具有使用偏差较大的趋势,所以此时需要结合对原有的维度的预设值进行正向的调整,使得更新后的第个维度的预设值更大,避免出现误报警的情况,使得本发明提供的预测模型能够进行主动、深度学习,实时更新模型的参数梯度,使模型的预测精度保持提高。
在一个可能的实施方式中,预先构建水信息管理单元、电信息管理单元以及气信息管理单元;
将构建的水预测模型、电预测模型以及气预测模型分别配置于所述水信息管理单元、电信息管理单元以及气信息管理单元中。
在一个可能的实施方式中,还包括:
基于所述稽查信号构建稽查库,所述稽查库包括被稽查的企业以及该企业所对应的历史水电气数据。稽查库中的企业为触发过稽查信号的企业,该部分企业在实际生产、生活中无论是否出现过违法、违规的事实行为,都可能被稽查过。
接收稽查人员输入的稽查结果,基于所述稽查结果对所述历史水电气数据进行标记,所述标记为正常或异常。在稽查人员对相应的企业进行稽查后,根据相关企业的实际行为,稽查人员判断其是否出现过违法、违规的事实行为,稽查人员输入稽查结果,根据稽查结果对该企业进行标记。
在一个可能的实施方式中,在所述输出稽查信号的步骤后,还包括:
获取与该稽查信号对应的企业,遍历稽查库获取与该企业对应的历史水电气数据。
将当前水电气数据与历史水电气数据比对,若当前水电气数据属于历史水电气数据范围内,则不再输出所述稽查信号。
由于可能存在一些特殊的企业,其所对应的预测结果可能是异常的,但是其属于正常经营,本发明会对该类企业进行归类生成稽查库,即当有该种企业的水电气数据被预测模型识别为异常输出稽查信号时会先将该企业与稽查库内的企业进行比对,如果该企业在稽查库内,则取消稽查信号的输出。通过以上方式,使得本发明能够适用于较多的企业,并且在特殊企业中,也可以进行特殊处理,使得本发明适用范围较广、实用性较强。
本发明提供的技术方案,可以对比特币矿场、滥用水资源、滥用气资源、滥用电资源、偷水、偷电以及偷气等企业、行为进行有效的指导筛查,为稽查部门、人员对违法法律、行政法规的企业进行稽查指导。
本发明的实施例还提供一种适用于智能水电气采控终端的数据处理系统,如图2所示,包括:
获取模块,用于获取任意一个企业的当前水电气数据,所述水电气数据包括基于水采控终端采集的当前用水信息、基于电采控终端采集的当前用电信息以及基于气采控终端采集的当前用气信息;
构建模块,用于预先构建水预测模型、电预测模型以及气预测模型;
筛选输入模块,用于基于多维分类器对所述当前用水信息、当前用电信息以及当前用气信息分别筛选后输入至所述水预测模型、电预测模型以及气预测模型得到水预测结果、电预测结果以及气预测结果;
输出模块,用于若所述水预测结果、电预测结果以及气预测结果分别与当前用水信息、当前用电信息以及当前用气信息的比对结果超过预设值,则输出稽查信号。
图2所示实施例的装置对应地可用于执行图1所示方法实施例中的步骤,其实现原理和技术效果类似,此处不再赘述。
本发明还提供一种可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中,可读存储介质可以是计算机存储介质,也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如,可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits,简称:ASIC)中。另外,该ASIC可以位于用户设备中。当然,处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品,该程序产品包括执行指令,该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令,至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)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。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (8)
1.一种适用于智能水电气采控终端的数据处理方法,其特征在于,包括:
获取任意一个企业的当前水电气数据,所述水电气数据包括基于水采控终端采集的当前用水信息、基于电采控终端采集的当前用电信息以及基于气采控终端采集的当前用气信息;
预先构建水预测模型、电预测模型以及气预测模型;
基于多维分类器对所述当前用水信息、当前用电信息以及当前用气信息分别筛选后输入至所述水预测模型、电预测模型以及气预测模型得到水预测结果、电预测结果以及气预测结果;
若所述水预测结果、电预测结果以及气预测结果分别与当前用水信息、当前用电信息以及当前用气信息的比对结果超过预设值,则输出稽查信号;
预先构建水预测模型、电预测模型以及气预测模型包括:
获取预设时间段内正常生产的同一类型企业的所有预存水电气数据,所述预存水电气数据包括预存用水信息、预存用电信息以及预存用气信息;
将预存用电信息、预存用气信息作为自变量,预存用水信息作为因变量训练所述水预测模型;
将预存用水信息、预存用气信息作为自变量,预存用电信息作为因变量训练所述电预测模型;
将预存用水信息、预存用电信息作为自变量,预存用气信息作为因变量训练所述气预测模型;
所述水预测模型、电预测模型以及气预测模型分别为三维模型,所述水预测模型、电预测模型以及气预测模型对应相同的三维坐标函数;
所述水预测模型的输入为当前用电信息、当前用气信息,输出为预测用水信息,所述当前用电信息为其中一个自变量,所述当前用气信息为另一个自变量,所述预测用水信息为另一个因变量;
所述电预测模型的输入为当前用气信息、当前用水信息,输出为预测用电信息,所述当前用气信息为其中一个自变量,所述当前用水信息为另一个自变量,所述预测用电信息为另一个因变量;
所述气预测模型的输入为当前用电信息、当前用水信息,输出为预测用气信息,所述当前用电信息为其中一个自变量,所述当前用水信息为另一个自变量,所述预测用气信息为另一个因变量;
所述当前用水信息、当前用电信息以及当前用气信息为当前信息;
基于2个自变量和1个因变量的预存水电气数据进行三维曲线拟合得到三维坐标函数;
2.根据权利要求1所述的适用于智能水电气采控终端的数据处理方法,其特征在于,
所述多维分类器的输出分别与水预测模型、电预测模型以及气预测模型的输入连接;
所述多维分类器对当前用水信息、当前用电信息以及当前用气信息进行两两归类分别输入至所述水预测模型、电预测模型以及气预测模型中以得到水预测结果、电预测结果以及气预测结果。
4.根据权利要求1至3中任意一项所述的适用于智能水电气采控终端的数据处理方法,其特征在于,预先构建水信息管理单元、电信息管理单元以及气信息管理单元;
将构建的水预测模型、电预测模型以及气预测模型分别配置于所述水信息管理单元、电信息管理单元以及气信息管理单元中。
5.根据权利要求1所述的适用于智能水电气采控终端的数据处理方法,其特征在于,还包括:
基于所述稽查信号构建稽查库,所述稽查库包括被稽查的企业以及该企业所对应的历史水电气数据;
接收稽查人员输入的稽查结果,基于所述稽查结果对所述历史水电气数据进行标记,所述标记为正常或异常。
6.根据权利要求5所述的适用于智能水电气采控终端的数据处理方法,其特征在于,在所述输出稽查信号的步骤后,还包括:
获取与该稽查信号对应的企业,遍历稽查库获取与该企业对应的历史水电气数据;
将当前水电气数据与历史水电气数据比对,若当前水电气数据属于历史水电气数据范围内,则不再输出所述稽查信号。
7.一种适用于智能水电气采控终端的数据处理系统,其特征在于,包括:
获取模块,用于获取任意一个企业的当前水电气数据,所述水电气数据包括基于水采控终端采集的当前用水信息、基于电采控终端采集的当前用电信息以及基于气采控终端采集的当前用气信息;
构建模块,用于预先构建水预测模型、电预测模型以及气预测模型;
筛选输入模块,用于基于多维分类器对所述当前用水信息、当前用电信息以及当前用气信息分别筛选后输入至所述水预测模型、电预测模型以及气预测模型得到水预测结果、电预测结果以及气预测结果;
输出模块,用于若所述水预测结果、电预测结果以及气预测结果分别与当前用水信息、当前用电信息以及当前用气信息的比对结果超过预设值,则输出稽查信号;
预先构建水预测模型、电预测模型以及气预测模型包括:
获取预设时间段内正常生产的同一类型企业的所有预存水电气数据,所述预存水电气数据包括预存用水信息、预存用电信息以及预存用气信息;
将预存用电信息、预存用气信息作为自变量,预存用水信息作为因变量训练所述水预测模型;
将预存用水信息、预存用气信息作为自变量,预存用电信息作为因变量训练所述电预测模型;
将预存用水信息、预存用电信息作为自变量,预存用气信息作为因变量训练所述气预测模型;
所述水预测模型、电预测模型以及气预测模型分别为三维模型,所述水预测模型、电预测模型以及气预测模型对应相同的三维坐标函数;
所述水预测模型的输入为当前用电信息、当前用气信息,输出为预测用水信息,所述当前用电信息为其中一个自变量,所述当前用气信息为另一个自变量,所述预测用水信息为另一个因变量;
所述电预测模型的输入为当前用气信息、当前用水信息,输出为预测用电信息,所述当前用气信息为其中一个自变量,所述当前用水信息为另一个自变量,所述预测用电信息为另一个因变量;
所述气预测模型的输入为当前用电信息、当前用水信息,输出为预测用气信息,所述当前用电信息为其中一个自变量,所述当前用水信息为另一个自变量,所述预测用气信息为另一个因变量;
所述当前用水信息、当前用电信息以及当前用气信息为当前信息;
基于2个自变量和1个因变量的预存水电气数据进行三维曲线拟合得到三维坐标函数;
8.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现权利要求1至6任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210763127.3A CN114841474B (zh) | 2022-07-01 | 2022-07-01 | 适用于智能水电气采控终端的数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210763127.3A CN114841474B (zh) | 2022-07-01 | 2022-07-01 | 适用于智能水电气采控终端的数据处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114841474A CN114841474A (zh) | 2022-08-02 |
CN114841474B true CN114841474B (zh) | 2022-09-09 |
Family
ID=82573671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210763127.3A Active CN114841474B (zh) | 2022-07-01 | 2022-07-01 | 适用于智能水电气采控终端的数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114841474B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251096A (zh) * | 2016-09-27 | 2016-12-21 | 四川道亨计算机软件有限责任公司 | 一种基于云计算大数据技术的公共机构能耗监测方法 |
CN107688958A (zh) * | 2017-07-14 | 2018-02-13 | 国网浙江省电力公司 | 一种基于多表集抄数据的用户用能异常分析方法 |
CN109634942A (zh) * | 2018-11-16 | 2019-04-16 | 许继集团有限公司 | 一种用能数据异常判断方法及装置 |
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 |
CN111966662A (zh) * | 2020-08-07 | 2020-11-20 | 广东卓维网络有限公司 | 一种多元用户侧综合能源监测服务应用平台 |
CN112684247A (zh) * | 2020-11-23 | 2021-04-20 | 深圳供电局有限公司 | 用户窃电检测方法、装置、计算机设备及存储介质 |
CN114399076A (zh) * | 2021-11-30 | 2022-04-26 | 国网浙江省电力有限公司培训中心 | 基于大数据分析的窃电嫌疑用户筛选方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10467533B2 (en) * | 2015-12-29 | 2019-11-05 | Tata Consultancy Services Limited | System and method for predicting response time of an enterprise system |
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 |
CN113537510A (zh) * | 2021-07-13 | 2021-10-22 | 中国工商银行股份有限公司 | 基于不均衡数据集的机器学习模型数据处理方法及装置 |
-
2022
- 2022-07-01 CN CN202210763127.3A patent/CN114841474B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251096A (zh) * | 2016-09-27 | 2016-12-21 | 四川道亨计算机软件有限责任公司 | 一种基于云计算大数据技术的公共机构能耗监测方法 |
CN107688958A (zh) * | 2017-07-14 | 2018-02-13 | 国网浙江省电力公司 | 一种基于多表集抄数据的用户用能异常分析方法 |
CN109634942A (zh) * | 2018-11-16 | 2019-04-16 | 许继集团有限公司 | 一种用能数据异常判断方法及装置 |
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 |
CN111966662A (zh) * | 2020-08-07 | 2020-11-20 | 广东卓维网络有限公司 | 一种多元用户侧综合能源监测服务应用平台 |
CN112684247A (zh) * | 2020-11-23 | 2021-04-20 | 深圳供电局有限公司 | 用户窃电检测方法、装置、计算机设备及存储介质 |
CN114399076A (zh) * | 2021-11-30 | 2022-04-26 | 国网浙江省电力有限公司培训中心 | 基于大数据分析的窃电嫌疑用户筛选方法 |
Non-Patent Citations (1)
Title |
---|
基于移动终端现场作业的电力营销稽查系统的开发与设计;赵晓燕等;《电子设计工程》;20161205(第23期);第67-69页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114841474A (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097297B (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN110223196B (zh) | 基于典型行业特征库和反窃电样本库的反窃电分析方法 | |
CN111882446B (zh) | 一种基于图卷积网络的异常账户检测方法 | |
CN112668944A (zh) | 一种基于大数据征信的企业风控方法、装置、设备及介质 | |
Pavlovski et al. | Hierarchical convolutional neural networks for event classification on PMU measurements | |
CN107679734A (zh) | 一种用于无标签数据分类预测的方法和系统 | |
Kim et al. | RNN-Based online anomaly detection in nuclear reactors for highly imbalanced datasets with uncertainty | |
Mao et al. | Anomaly detection for power consumption data based on isolated forest | |
CN108182515A (zh) | 智能规则引擎规则输出方法、设备及计算机可读存储介质 | |
CN111796957B (zh) | 基于应用日志的交易异常根因分析方法及系统 | |
Zhu et al. | Networked time series shapelet learning for power system transient stability assessment | |
Botev et al. | Detecting non-technical energy losses through structural periodic patterns in AMI data | |
CN115222303B (zh) | 基于大数据的行业风险数据分析方法、系统及存储介质 | |
CN113591393A (zh) | 智能变电站的故障诊断方法、装置、设备和存储介质 | |
Banga et al. | Accurate detection of electricity theft using classification algorithms and Internet of Things in smart grid | |
CN110532301A (zh) | 审计方法、系统和可读存储介质 | |
CN109739846A (zh) | 一种电网数据质量分析方法 | |
CN113391256B (zh) | 一种现场作业终端的电能表计量故障分析方法及系统 | |
CN114118793A (zh) | 一种地方交易所风险预警方法、装置及设备 | |
CN114841474B (zh) | 适用于智能水电气采控终端的数据处理方法及系统 | |
CN109377436A (zh) | 一种环境精准监管方法与装置、终端设备及存储介质 | |
CN117368862A (zh) | 一种高效气象雷达数据质量评估系统 | |
CN115514581B (zh) | 一种用于工业互联网数据安全平台的数据分析方法及设备 | |
CN117331017A (zh) | 一种三相四线电能表错接线研判方法及系统 | |
CN115908082A (zh) | 基于用电特征指标的企业排污监控方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |