CN114862109A - 一种用电异常监测方法、装置、电子设备及存储介质 - Google Patents

一种用电异常监测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114862109A
CN114862109A CN202210323225.5A CN202210323225A CN114862109A CN 114862109 A CN114862109 A CN 114862109A CN 202210323225 A CN202210323225 A CN 202210323225A CN 114862109 A CN114862109 A CN 114862109A
Authority
CN
China
Prior art keywords
user
users
monitoring
determining
distance
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
Application number
CN202210323225.5A
Other languages
English (en)
Inventor
林峰
杜宁
纪岱山
黄伟杰
陆煜锌
吴福疆
卢文贤
方壮迦
林灿渠
王烁
叶佳展
杜江帆
陈旖娴
林晓新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Power Grid Co Ltd
Shantou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Shantou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Power Grid Co Ltd, Shantou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202210323225.5A priority Critical patent/CN114862109A/zh
Publication of CN114862109A publication Critical patent/CN114862109A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明公开了一种用电异常监测方法、装置、电子设备及存储介质。该方法包括：获取台区内各用户的历史用电数据，并根据各用户的历史用电数据确定各用户对应的监测向量；根据各用户对应的监测向量构建台区的监测矩阵，根据监测矩阵确定各用户中每个用户的局部密度和相对距离，其中，每个用户的局部密度根据监测矩阵对应的局部范围确定出的每个用户在局部范围内与其他用户的相对密度；根据每个用户的局部密度和相对距离从各用户中确定出用电异常用户，并对用电异常用户进行标记。即本发明实施例，利用每个用户的局部密度和相对距离结合判断出台区内的用电异常用户，降低了范围内局部密度变化较大时用电异常用户判断失误的概率，提高了监测准确度。

Description

一种用电异常监测方法、装置、电子设备及存储介质
技术领域
本发明实施例涉及计算机技术，尤其涉及一种用电异常监测方法、装置、电子设备及存储介质。
背景技术
在电力系统中，以台区为一个管理单元对用户的用电进行精细化管理，处于低压配电的台区一般具有高损的特点，而低压配电的台区中用电异常是导致台区高损的主要原因，其中，用电异常包括窃电、计量故障和特殊负荷等原因。现有的对用电监测的方法均是基于供电企业月度抄表电量及电能表的告警事件进行分析判断，而用电异常通常由多个异常原因叠加产生，仅使用月度抄表电量及电能表的告警事件确定用电异常，判断依据比较单一，降低了定位用电异常用户的准确度。
发明内容
本发明提供一种用电异常监测方法、装置、电子设备及存储介质，以实现对台区内用电异常用户的准确判断。
第一方面，本发明实施例提供了一种用电异常监测方法，该方法包括：
获取台区内各用户的历史用电数据，并根据所述各用户的历史用电数据确定所述各用户对应的监测向量；
根据所述各用户对应的监测向量构建所述台区的监测矩阵，根据所述监测矩阵确定所述各用户中每个用户的局部密度和相对距离，其中，所述每个用户的局部密度为根据所述监测矩阵对应的局部范围确定出的每个用户在局部范围内与其他用户的相对密度；
根据所述每个用户的局部密度和相对距离从所述各用户中确定出用电异常用户，并对所述用电异常用户进行标记。
进一步的，根据所述各用户的历史用电数据确定所述各用户对应的监测向量，包括：
根据所述各用户中的每个用户的历史用电数据计算所述每个用户在多个维度特征的值，得到所述每个用户的多维特征值；
根据所述每个用户的多维特征值确定所述各用户对应的监测向量。
进一步的，根据所述监测矩阵确定所述各用户中每个用户的局部密度，包括：
根据所述监测矩阵中所述每个用户的多维特征值计算所述每个用户对应多个维度特征的平均势能；
根据所述每个用户对应多个维度特征的平均势能和所述监测矩阵确定所述各用户中两两用户之间的距离；
根据所述各用户中两两用户之间的距离和可调节参数集确定所述各用户中每个用户的局部密度。
进一步的，根据所述每个用户对应多个维度特征的平均势能和所述监测矩阵确定所述各用户中两两用户之间的距离，包括：
根据所述每个用户对应多个维度特征的平均势能确定所述每个用户对应多个维度特征的距离权重；
根据所述每个用户对应多个维度特征的距离权重和所述监测矩阵中每个用户的多个维度特征值确定所述各用户中两两用户之间的距离。
进一步的，根据所述监测矩阵确定所述各用户中每个用户的相对距离，包括：
根据所述监测矩阵中所述每个用户的多维特征值计算所述每个用户对应多个维度特征的平均势能；
根据所述每个用户对应多个维度特征的平均势能和所述监测矩阵确定所述各用户中两两用户之间的距离；
根据所述各用户中两两用户之间的距离和可调节参数集确定所述各用户中每个用户的局部密度；
根据所述各用户中两两用户之间的距离和所述各用户中每个用户的局部密度确定所述各用户中每个用户的相对距离。
进一步的，根据所述各用户中两两用户之间的距离和所述各用户中每个用户的局部密度确定所述各用户中每个用户的相对距离，包括：
从所述各用户中选取局部密度小于所述各用户中每个用户的局部密度的局部用户；
确定所述各用户中每个用户与所述每个用户对应的局部用户之间的距离，并将所述各用户中每个用户与所述每个用户对应的局部用户之间的距离中最小距离开根号，得到所述各用户中每个用户的相对距离值。
进一步的，根据所述每个用户的局部密度和相对距离从所述各用户中确定出用电异常用户，包括：
根据所述各用户中每个用户的局部密度和可调节参数集确定所述各用户中每个用户对应的异常因子；
从所述各用户中确定出异常因子超过预设异常阈值且相对距离大于所述台区的总相对距离值的用户作为用电异常用户。
第二方面，本发明实施例还提供了一种用电异常监测装置，该装置包括：
向量确定模块，用于获取台区内各用户的历史用电数据，并根据所述各用户的历史用电数据确定所述各用户对应的监测向量；
距离确定模块，用于根据所述各用户对应的监测向量构建所述台区的监测矩阵，根据所述监测矩阵确定所述各用户中每个用户的局部密度和相对距离，其中，所述每个用户的局部密度根据所述监测矩阵对应的局部范围确定出的每个用户在局部范围内与其他用户的相对密度；
异常标记模块，用于根据所述每个用户的局部密度和相对距离从所述各用户中确定出用电异常用户，并对所述用电异常用户进行标记。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的用电异常监测方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的用电异常监测方法。
本发明实施例中，通过获取台区内各用户的历史用电数据，并根据各用户的历史用电数据确定各用户对应的监测向量；根据各用户对应的监测向量构建台区的监测矩阵，根据监测矩阵确定各用户中每个用户的局部密度和相对距离，其中，每个用户的局部密度根据监测矩阵对应的局部范围确定出的每个用户在局部范围内与其他用户的相对密度；根据每个用户的局部密度和相对距离从各用户中确定出用电异常用户，并对用电异常用户进行标记。即本发明实施例，利用每个用户的局部密度和相对距离结合判断出台区内的用电异常用户，降低了范围内局部密度变化较大时用电异常用户判断失误的概率，提高了监测的准确度。
附图说明
图1是本发明实施例中提供的用电异常监测方法的一个流程示意图；
图2是本发明实施例中提供的用电异常监测方法的另一流程示意图；
图3是本发明实施例中提供的用电异常监测方法的一个原理示意图；
图4是本发明实施例中提供的用电异常监测装置的一个结构示意图；
图5是本发明实施例中提供的电子设备的一个结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明实施例提供的用电异常监测方法的一个流程示意图，该方法可以由本发明实施例提供的用电异常监测装置来执行，该装置可采用软件和/或硬件的方式实现。在一个具体的实施例中，该装置可以集成在电子设备中，电子设备比如可以是服务器。以下实施例将以该装置集成在电子设备中为例进行说明，参考图1，该方法具体可以包括如下步骤：
S110、获取台区内各用户的历史用电数据，并根据各用户的历史用电数据确定各用户对应的监测向量；
示例地，在电力系统中，将一台变压器的供电范围或区域称作台区，台区内各用户可以是一台变压器的供电范围内的所有用户。台区内各用户的历史用电数据可以是历史数据库中台区内各用户在多个维度的电气数据，其中，各用户在多个维度的电气数据可以是电压特征类、电流特征类、功率因素特征类、符合功率特征类以及电量特征类等维度的电气数据，其中，电气数据的多个维度中每个维度包含用户和总表对应的多个特征值。其中，电气数据可以是台区内总表和各用户对应的电压数据、电流数据、功率因数、负荷功率以及电量数据。各用户对应的监测向量可以是各用户中每个用户在多个维度上所有特征值组成的向量，其中，各用户对应的监测向量与用户数量对应，有多少用户就有多少个监测向量。其中，用于确定各用户对应的监测向量可以是各用户的全部历史用电数据，也可以是一个监测时间段内的历史用电数据，时间段越长的历史用电数据确定的用电异常用户的准确度越高。
具体实现中，从台区对应的历史数据库中获取台区内各用户的历史用电数据，根据各用户的历史用电数据在多个维度上计算各用户的多维特征值，根据各用户的多维特征值形成各用户的监测向量。其中，可以根据实际需求和监测重点从各用户的多维特征值中选取部分特征作为监测向量的组成元素，以便于根据各用户的监测向量形成台区的监测矩阵来确定用户是否为台区的用电异常用户。
本发明实施例中，电气数据的多个维度中每个维度从用户数据和总表数据两个方面计算特征值，电压特征值可以是根据各用户的历史用电数计算出的用户的电压均值、电压变化方差、采集用户数据时台区总表对应的电压均值、总表和用户数据之间的电压差均值、总表和用户数据之间的电压变化方差；电流特征值可以是根据各用户的历史用电数据计算出的用户火线和零线分别对应的电流均值、电力变化方差、采用用户数据时台区总表对应的电流均值、总表和用户数据之间的电流差均值、总表和用户数据之间的电流变化方差；功率因数特征值可以是根据各用户的历史用电数据计算出的用户功率因数均值、用户功率因数变化方差、总表与用户数据之间的功率因素差均值和总表与用户数据之间的功率因素变化方差；负荷功率特征值可以是根据各用户的历史用电数据计算出的用户功率均值、用户功率变化方差、采集用户数据时台区总表对应的功率均值，总表和用户数据之间的功率差均值，总表和用户数据之间的功率变化方差；电量特征值可以是根据各用户的历史用电数据计算出的用户电量均值、用户电量变化方差、集用户数据时台区总表对应的电量均值、总表与用户数据之间的电量差均值，总表用户数据之间的电量变化方差。
S120、根据各用户对应的监测向量构建台区的监测矩阵，根据监测矩阵确定各用户中每个用户的局部密度和相对距离，其中，每个用户的局部密度根据监测矩阵对应的局部范围确定出的每个用户在局部范围内与其他用户的相对密度；
示例地，台区的监测矩阵可以是根据台区内各用户对应的监测向量构建的，用于确定各用户中用电异常用户。每个用户的局部密度可以是台区内所有用户对应的监测矩阵中每个用户的对应的多维特征值，在台区对应的局部范围内与其他用户的多维特征值疏密程度，用于确定每个用户对应的多维特征值是否为台区对应的监测矩阵离群点的指标之一，其中，每个用户的局部密度根据监测矩阵对应的局部范围确定出的每个用户在局部范围内与其他用户的相对密度。每个用户的相对距离可以是根据每个用户的局部密度和各用户中两两用户之间的距离确定出每个用户相对于其他用户的最小距离值，用于衡量用户的多维特征相对台区对应的监测矩阵的离群程度，其中，每个用户相对于其他用户的最小距离值基于低于每个用户的局部密度的其他用户确定的，可以在一定程度降低局部数据变化较大的问题。
具体实现中，根据各用户对应的监测向量构建台区的监测矩阵，依据台区的监测矩阵形成各用户对应的多维特征值的数据集群，其中，台区的监测矩阵中的元素均可以是各用户对应的多维特征值中的一个数据点，其中，每个用户对应的多维特征值均可以为监测矩阵在多个维度的一个用户点。根据监测矩阵确定在台区对应的局部范围内该用户与其他用户的多维特征值疏密程度和每个用户相对于其他用户的最小距离值，即根据监测矩阵确定各用户中每个用户的局部密度和相对距离，以便于根据每个用户的局部密度和相对距离确定监测矩阵中每个用户点是否离群，并将离群的用户点对应的用户作为用电异常用户。
S130、根据每个用户的局部密度和相对距离从各用户中确定出用电异常用户，并对用电异常用户进行标记。
具体实现中，用电异常用户可以是台区内用电异常的用户，其中，用电异常的原因包括窃电、计量故障和特殊负荷等。根据每个用户的局部密度和可调范围对应的可调参数确定每个用户对应的异常因子，其中，每个用户对应的异常因子为计算出的每个用户对应的其他用户的平均密度和每个用户的局部密度的比值，用于和预设异常阈值进行比对确定用户是用电异常用户的概率，当各用户中用户对应的异常因子大于预设异常阈值，则说明该用户与其他用户的差距较大，可能为异常用户，并结合该用户的相对距离与台区的总相对距离值比较，当该用户的相对距离大于台区的总相对值距离且用户对应的异常因子大于预设异常阈值，则确定该用户为用电异常用户，并对用电异常用户进行标记。
本发明实施例中，通过获取台区内各用户的历史用电数据，并根据各用户的历史用电数据确定各用户对应的监测向量；根据各用户对应的监测向量构建台区的监测矩阵，根据监测矩阵确定各用户中每个用户的局部密度和相对距离，其中，每个用户的局部密度根据监测矩阵对应的局部范围确定出的每个用户在局部范围内与其他用户的相对密度；根据每个用户的局部密度和相对距离从各用户中确定出用电异常用户，并对用电异常用户进行标记。即本发明实施例，利用每个用户的局部密度和相对距离结合判断出台区内的用电异常用户，降低了范围内局部密度变化较大时用电异常用户判断失误的概率，提高了监测的准确度。
下面进一步描述本发明实施例提供的用电异常监测方法，如图2所示，该方法具体可以包括如下步骤：
S210、获取台区内各用户的历史用电数据，并根据各用户中的每个用户的历史用电数据计算每个用户在多个维度特征的值，得到每个用户的多维特征值；
具体实现中，每个用户的多维特征值可以是每个用户的历史用电数据在电压特征类、电流特征类、功率因素特征类、符合功率特征类以及电量特征类等维度的电气数据和总表数据之间的通过求均值、差均值和变化方差等方式计出的数值。其中，每个用户的历史用电数据可以是用户在各个采集时间点对应的电压值、用户火线电流值、用户零线电流值、用户功率因数值、用户功率值、用户电量值、用采集用户数据时对应的总表电压值、总表火线电流值、总表零线电流值、总表功率因数值、总表功率值及电量值等电气数据。
S220、根据每个用户的多维特征值确定各用户对应的监测向量，并根据各用户对应的监测向量构建台区的监测矩阵；
具体实现中，从台区对应的历史数据库中获取台区内各用户的历史用电数据，根据各用户的历史用电数据在多个维度上计算每个用户的多维度特征的值，得到每个用户的多维特征值，根据各用户中每个用户的多维特征值形成各用户的监测向量，并根据各用户对应的监测向量构建台区的监测矩阵，其中，台区的监测矩阵包含台区内所有用户对应的监测向量。其中，可以根据实际需求和监测重点从各用户的多维特征值中选取部分特征作为监测向量的组成元素，以便于根据各用户的监测向量形成台区的监测矩阵来确定用户是否为台区的用电异常用户。
比如，当台区内有n个用户，每个用户对应多个维度特征为25个，其中，第K个用户的监测向量为(ak，1，ak，2，ak，i，…ak，25)，其中，i为每个用户第i个维度的特征，由n个用户的25个变量构成监测矩阵如下式所示：
Figure BDA0003570830470000101
S230、根据监测矩阵中每个用户的多维特征值计算每个用户对应多个维度特征的平均势能，并根据每个用户对应多个维度特征的平均势能和监测矩阵确定各用户中两两用户之间的距离；
具体实现中，每个用户对应多个维度特征的平均势能可以是每个用户在多个维度特征上各维度对应特征的平均势能，例如，每个用户的多维特征值具有25个时，需要计算每个用户的25个特征的平均势能，作为衡量每个用户对应多个维度特征的差距指标。各用户中两两用户之间的距离可以是监测矩阵中根据两两用户对应的多为特征值计算出的多维空间中用户间的距离值。其中，根据每个用对应多个维度特征的平均势能与每个用户对应多个维度特征的势能进行比较，用于消除不同特征之间的分布差距，避免任意一个维度特征放大，掩盖其他维度特征的数据表现。其中，基于如下公式计算每个用户对应多个维度特征的平均势能
Figure BDA0003570830470000111
Figure BDA0003570830470000112
其中，D为监测矩阵，Di为监测矩阵中各用户第i个特征对应的数值集合，xp和xq为随机从Di数值集合中抽取的两个用户第i个特征对应的数值，P(xp)和P(xq)为随之抽出的两个用户第i个特征对应的势能。其中，基于如下公式计算每个用户多个维度特征的势能P(xi)：
Figure BDA0003570830470000113
其中，xi为监测矩阵中各用户中任意一个用户第i个特征对应的数值，yj为监测矩阵中第j个其他用户第i个特征对应的数值，n为用户的数量。
进一步的，根据每个用户对应多个维度特征的平均势能和监测矩阵确定各用户中两两用户之间的距离，包括：
根据每个用户对应多个维度特征的平均势能确定每个用户对应多个维度特征的距离权重；
根据每个用户对应多个维度特征的距离权重和监测矩阵中每个用户的多个维度特征值确定各用户中两两用户之间的距离。
具体实现中，每个用户对应多个维度特征的距离权重可以是基于每个用户对应多个维度特征的平均势能判断每个用户对应维度特征的势能与其他用户对应该维度特征的势能差值确定出的权重值，用于消除不同特征之间的分布差距，可以避免数据特征被掩盖。其中，基于如下公式计算每个用户对应多个维度特征的距离权重ωi：
Figure BDA0003570830470000121
其中，
Figure BDA0003570830470000122
和
Figure BDA0003570830470000123
为用户p与用户q的第i个特征对应的势能，
Figure BDA0003570830470000124
为每个用户第i个特征对应的平均势能，ωi为每个用户第i个特征对应的距离权重。其中，基于如下公式计算各用户中两两用户之间的距离d(p，q，ω)：
Figure BDA0003570830470000125
其中，m为多个维度特征值的数目，ωi每个用户第i个特征对应的距离权重，
Figure BDA0003570830470000126
为每个用户和
Figure BDA0003570830470000127
为其他用户在监测矩阵中第i个特征值，p为监测矩阵中第p个用户，q为监测矩阵中第q用户。
本发明实施例中，将每个用户对应多个维度特征的平均势能、监测矩阵中其他用户对应多个维度特征的势能、每个用户对应多个维度特征的势能代入公式(3)确定出每个用户对应多个维度特征的距离权重值，将每个用户对应多个维度特征的距离权重和监测矩阵中每个用户的多个维度特征值代入公式(4)确定各用户中两两用户之间的距离。
S240、根据各用户中两两用户之间的距离和可调节参数集确定各用户中每个用户的局部密度，并根据各用户中两两用户之间的距离和各用户中每个用户的局部密度确定各用户中每个用户的相对距离。
具体实现中，可调节参数集可以是用户在预设距离对应的最近区间内所有点的集合。根据各用户中每个用户的局部密度大小从各用户中两两用户之间的距离选取低于该用户的局部密度的其他用户之间的最小值进行运算，得到各用户中每个用户的相对距离，用于衡量用户的离群程度，基于势能密度确定出的相对距离，能更加精准的衡量用户的离群程度，克服了局部数据变化大的问题，。
其中，基于如下公式确定各用户中每个用户的局部密度ρp：
Figure BDA0003570830470000131
其中，Nk(P)为第p个用户第k距离对应的最近区间内的所有点的集合，k为可调节参数，|Nk(P)|为可调节参数集合中包含样本的总数，d(p，q，ω)为各用户中第p个用户和第q用户之间的距离。
进一步的，根据各用户中两两用户之间的距离和各用户中每个用户的局部密度确定各用户中每个用户的相对距离，包括：
从各用户中选取局部密度小于各用户中每个用户的局部密度的局部用户；
确定各用户中每个用户与每个用户对应的局部用户之间的距离，并将各用户中每个用户与每个用户对应的局部用户之间的距离中最小距离开根号，得到各用户中每个用户的相对距离值。
具体实现中，各用户中每个用户的局部密度的局部用户可以是其他用户中局部密度低于每个用户的局部密度的用户。从各用户中选取各用户中其他用户的局部密度小于各用户中每个用户的局部密度的局部用户，用于筛选出领域距离大于每个用户的其他用户。根据各用户中两两用户之间的距离确定各用户中每个用户与每个用户对应的局部用户之间的距离值，并从各用户中每个用户与每个用户对应的局部用户之间的距离值选取最小距离值进行根号计算，得到各用户中每个用户的相对距离值。基于如下公式计算各用户中每个用户的相对距离值δp：
Figure BDA0003570830470000141
其中，d(p，q，ω)为各用户中第p个用户和第q个用户之间的距离值，ρp为第p个用户的局部密度，ρq为第q个用户的局部密度，ω每个用户对应多个维度特征的距离权重。
S250、根据各用户中每个用户的局部密度和可调节参数集确定各用户中每个用户对应的异常因子；
具体实现中，根据每个用户的局部密度和可调范围对应的可调参数确定每个用户对应的异常因子，其中，每个用户对应的异常因子为计算出的每个用户对应的其他用户的平均密度和每个用户的局部密度的比值，用于与预设异常阈值进行比对确定用户是用电异常用户的概率。基于如下公式计算各用户中每个用户对应的异常因子Jk(P)：
Figure BDA0003570830470000142
其中，Jk(P)为第P个用户在可调节参数为K时得到各用户对应得异常因子，ρp为第p个用户的局部密度，ρo为在可调节范围内与第p个用户最近的用户。
S260、从各用户中确定出异常因子超过预设异常阈值且相对距离大于台区的总相对距离值的用户作为用电异常用户，并对用电异常用户进行标记。
具体实现中，用电异常用户可以是台区内用电异常的用户，其中，用电异常的原因包括窃电、计量故障和特殊负荷等。根据每个用户的局部密度和可调范围对应的可调参数确定每个用户对应的异常因子，其中，每个用户对应的异常因子为计算出的每个用户对应的其他用户的平均密度和每个用户的局部密度的比值，用于和预设异常阈值进行比对确定用户是用电异常用户的概率，当各用户中用户对应的异常因子大于预设异常阈值，则说明该用户与其他用户的差距较大，可能为异常用户，并结合该用户的相对距离与台区的总相对距离值比较，当该用户的相对距离大于台区的总相对值距离且用户对应的异常因子大于预设异常阈值，则确定该用户为用电异常用户，并对用电异常用户进行标记。
图3为本发明实施例提供的用电异常监测方法的一个原理图示意图，如图3所示，将每个用户的多维特征值代入公式(2)中进行计算，得到每个用户对应多个维度特征的势能，将每个用户多个维度特征的势能代入公式(1)中进行计算，得到每个用户对应多个维度特征的平均势能。将每个用户对应多个维度特征的平均势能代入公式(3)中进行计算，得到每个用户对应多个维度特征的距离权重。将每个用户对应多个维度特征的距离权重和每个用户的多个维度特征值代入公式(4)中进行计算，得到各用户中两两用户之间的距离。将各用户中两两用户之间的距离和可调参数集代入公式(5)中进行计算，得到各用户中每个用户的局部密度。将各用户中每个用户的局部密度和各用户中两两用户之间的距离代入公式(6)中进行计算，得到各用户中每个用户的相对距离值，并将各用户中每个用户的局部密度和可调参数代入公式(7)中进行计算，得到各用户中每个用户对应的异常因子。判断每个用户的相对距离是否大于台区的总段对距局，同时每个用户对应的异常因子是否大于预设异常阈值，当每个用户的相对距离大于台区的总段对距局，同时每个用户对应的异常因子大于预设异常阈值，则确定该用户为台区内的用电异常用户。
本发明实施例中，通过获取台区内各用户的历史用电数据，并根据各用户的历史用电数据确定各用户对应的监测向量；根据各用户对应的监测向量构建台区的监测矩阵，根据监测矩阵确定各用户中每个用户的局部密度和相对距离，其中，每个用户的局部密度根据监测矩阵对应的局部范围确定出的每个用户在局部范围内与其他用户的相对密度；根据每个用户的局部密度和相对距离从各用户中确定出用电异常用户，并对用电异常用户进行标记。即本发明实施例，利用每个用户的局部密度和相对距离结合判断出台区内的用电异常用户，降低了范围内局部密度变化较大时用电异常用户判断失误的概率，提高了监测的准确度。
图4是本发明实施例提供的用电异常监测装置的结构示意图，如图4所示，该用电异常监测装置包括：
向量确定模块410，用于获取台区内各用户的历史用电数据，并根据所述各用户的历史用电数据确定所述各用户对应的监测向量；
距离确定模块420，用于根据所述各用户对应的监测向量构建所述台区的监测矩阵，根据所述监测矩阵确定所述各用户中每个用户的局部密度和相对距离，其中，所述每个用户的局部密度根据所述监测矩阵对应的局部范围确定出的每个用户在局部范围内与其他用户的相对密度；
异常标记模块430，用于根据所述每个用户的局部密度和相对距离从所述各用户中确定出用电异常用户，并对所述用电异常用户进行标记。
一实施例中，所述向量确定模块410根据所述各用户的历史用电数据确定所述各用户对应的监测向量，包括：
根据所述各用户中的每个用户的历史用电数据计算所述每个用户在多个维度特征的值，得到所述每个用户的多维特征值；
根据所述每个用户的多维特征值确定所述各用户对应的监测向量。
一实施例中，所述距离确定模块420根据所述监测矩阵确定所述各用户中每个用户的局部密度，包括：
根据所述监测矩阵中所述每个用户的多维特征值计算所述每个用户对应多个维度特征的平均势能；
根据所述每个用户对应多个维度特征的平均势能和所述监测矩阵确定所述各用户中两两用户之间的距离；
根据所述各用户中两两用户之间的距离和可调节参数集确定所述各用户中每个用户的局部密度。
一实施例中，所述距离确定模块420根据所述每个用户对应多个维度特征的平均势能和所述监测矩阵确定所述各用户中两两用户之间的距离，包括：
根据所述每个用户对应多个维度特征的平均势能确定所述每个用户对应多个维度特征的距离权重；
根据所述每个用户对应多个维度特征的距离权重和所述监测矩阵中每个用户的多个维度特征值确定所述各用户中两两用户之间的距离。
一实施例中，所述距离确定模块420根据所述监测矩阵确定所述各用户中每个用户的相对距离，包括：
根据所述监测矩阵中所述每个用户的多维特征值计算所述每个用户对应多个维度特征的平均势能；
根据所述每个用户对应多个维度特征的平均势能和所述监测矩阵确定所述各用户中两两用户之间的距离；
根据所述各用户中两两用户之间的距离和可调节参数集确定所述各用户中每个用户的局部密度；
根据所述各用户中两两用户之间的距离和所述各用户中每个用户的局部密度确定所述各用户中每个用户的相对距离。
一实施例中，所述距离确定模块420根据所述各用户中两两用户之间的距离和所述各用户中每个用户的局部密度确定所述各用户中每个用户的相对距离，包括：
从所述各用户中选取局部密度小于所述各用户中每个用户的局部密度的局部用户；
确定所述各用户中每个用户与所述每个用户对应的局部用户之间的距离，并将所述各用户中每个用户与所述每个用户对应的局部用户之间的距离中最小距离开根号，得到所述各用户中每个用户的相对距离值。
一实施例中，所述异常标记模块430根据所述每个用户的局部密度和相对距离从所述各用户中确定出用电异常用户，包括：
根据所述各用户中每个用户的局部密度和可调节参数集确定所述各用户中每个用户对应的异常因子；
从所述各用户中确定出异常因子超过预设异常阈值且相对距离大于所述台区的总相对距离值的用户作为用电异常用户。
本发明实施例装置中，通过获取台区内各用户的历史用电数据，并根据各用户的历史用电数据确定各用户对应的监测向量；根据各用户对应的监测向量构建台区的监测矩阵，根据监测矩阵确定各用户中每个用户的局部密度和相对距离，其中，每个用户的局部密度根据监测矩阵对应的局部范围确定出的每个用户在局部范围内与其他用户的相对密度；根据每个用户的局部密度和相对距离从各用户中确定出用电异常用户，并对用电异常用户进行标记。即本发明实施例，利用每个用户的局部密度和相对距离结合判断出台区内的用电异常用户，降低了范围内局部密度变化较大时用电异常用户判断失误的概率，提高了监测的准确度。
图5为本发明实施例提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图5显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该设备/终端/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的用电异常监测方法，该方法包括：
获取台区内各用户的历史用电数据，并根据所述各用户的历史用电数据确定所述各用户对应的监测向量；
根据所述各用户对应的监测向量构建所述台区的监测矩阵，根据所述监测矩阵确定所述各用户中每个用户的局部密度和相对距离，其中，所述每个用户的局部密度根据所述监测矩阵对应的局部范围确定出的每个用户在局部范围内与其他用户的相对密度；
根据所述每个用户的局部密度和相对距离从所述各用户中确定出用电异常用户，并对所述用电异常用户进行标记。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的用电异常监测方法，该方法包括：
获取台区内各用户的历史用电数据，并根据所述各用户的历史用电数据确定所述各用户对应的监测向量；
根据所述各用户对应的监测向量构建所述台区的监测矩阵，根据所述监测矩阵确定所述各用户中每个用户的局部密度和相对距离，其中，所述每个用户的局部密度根据所述监测矩阵对应的局部范围确定出的每个用户在局部范围内与其他用户的相对密度；
根据所述每个用户的局部密度和相对距离从所述各用户中确定出用电异常用户，并对所述用电异常用户进行标记。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种用电异常监测方法，其特征在于，包括：
获取台区内各用户的历史用电数据，并根据所述各用户的历史用电数据确定所述各用户对应的监测向量；
根据所述各用户对应的监测向量构建所述台区的监测矩阵，根据所述监测矩阵确定所述各用户中每个用户的局部密度和相对距离，其中，所述每个用户的局部密度为根据所述监测矩阵对应的局部范围确定出的每个用户在局部范围内与其他用户的相对密度；
根据所述每个用户的局部密度和相对距离从所述各用户中确定出用电异常用户，并对所述用电异常用户进行标记。
2.根据权利要求1所述的方法，其特征在于，根据所述各用户的历史用电数据确定所述各用户对应的监测向量，包括：
根据所述各用户中的每个用户的历史用电数据计算所述每个用户在多个维度特征的值，得到所述每个用户的多维特征值；
根据所述每个用户的多维特征值确定所述各用户对应的监测向量。
3.根据权利要求2所述的方法，其特征在于，根据所述监测矩阵确定所述各用户中每个用户的局部密度，包括：
根据所述监测矩阵中所述每个用户的多维特征值计算所述每个用户对应多个维度特征的平均势能；
根据所述每个用户对应多个维度特征的平均势能和所述监测矩阵确定所述各用户中两两用户之间的距离；
根据所述各用户中两两用户之间的距离和可调节参数集确定所述各用户中每个用户的局部密度。
4.根据权利要求3所述的方法，其特征在于，根据所述每个用户对应多个维度特征的平均势能和所述监测矩阵确定所述各用户中两两用户之间的距离，包括：
根据所述每个用户对应多个维度特征的平均势能确定所述每个用户对应多个维度特征的距离权重；
根据所述每个用户对应多个维度特征的距离权重和所述监测矩阵中每个用户的多个维度特征值确定所述各用户中两两用户之间的距离。
5.根据权利要求1所述的方法，其特征在于，根据所述监测矩阵确定所述各用户中每个用户的相对距离，包括：
根据所述监测矩阵中所述每个用户的多维特征值计算所述每个用户对应多个维度特征的平均势能；
根据所述每个用户对应多个维度特征的平均势能和所述监测矩阵确定所述各用户中两两用户之间的距离；
根据所述各用户中两两用户之间的距离和可调节参数集确定所述各用户中每个用户的局部密度；
根据所述各用户中两两用户之间的距离和所述各用户中每个用户的局部密度确定所述各用户中每个用户的相对距离。
6.根据权利要求5所述的方法，其特征在于，根据所述各用户中两两用户之间的距离和所述各用户中每个用户的局部密度确定所述各用户中每个用户的相对距离，包括：
从所述各用户中选取局部密度小于所述各用户中每个用户的局部密度的局部用户；
确定所述各用户中每个用户与所述每个用户对应的局部用户之间的距离，并将所述各用户中每个用户与所述每个用户对应的局部用户之间的距离中最小距离开根号，得到所述各用户中每个用户的相对距离值。
7.根据权利要求1所述的方法，其特征在于，根据所述每个用户的局部密度和相对距离从所述各用户中确定出用电异常用户，包括：
根据所述各用户中每个用户的局部密度和可调节参数集确定所述各用户中每个用户对应的异常因子；
从所述各用户中确定出异常因子超过预设异常阈值且相对距离大于所述台区的总相对距离值的用户作为用电异常用户。
8.一种用电异常监测装置，其特征在于，包括：
向量确定模块，用于获取台区内各用户的历史用电数据，并根据所述各用户的历史用电数据确定所述各用户对应的监测向量；
距离确定模块，用于根据所述各用户对应的监测向量构建所述台区的监测矩阵，根据所述监测矩阵确定所述各用户中每个用户的局部密度和相对距离，其中，所述每个用户的局部密度根据所述监测矩阵对应的局部范围确定出的每个用户在局部范围内与其他用户的相对密度；
异常标记模块，用于根据所述每个用户的局部密度和相对距离从所述各用户中确定出用电异常用户，并对所述用电异常用户进行标记。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至7中任一所述的用电异常监测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任一所述的用电异常监测方法。
CN202210323225.5A 2022-03-29 2022-03-29 一种用电异常监测方法、装置、电子设备及存储介质 Pending CN114862109A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210323225.5A CN114862109A (zh) 2022-03-29 2022-03-29 一种用电异常监测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210323225.5A CN114862109A (zh) 2022-03-29 2022-03-29 一种用电异常监测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114862109A true CN114862109A (zh) 2022-08-05

Family

ID=82630168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210323225.5A Pending CN114862109A (zh) 2022-03-29 2022-03-29 一种用电异常监测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114862109A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116820539A (zh) * 2023-08-30 2023-09-29 深圳市秦丝科技有限公司 一种基于互联网的系统软件运行维护系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116820539A (zh) * 2023-08-30 2023-09-29 深圳市秦丝科技有限公司 一种基于互联网的系统软件运行维护系统及方法
CN116820539B (zh) * 2023-08-30 2023-11-10 深圳市秦丝科技有限公司 一种基于互联网的系统软件运行维护系统及方法

Similar Documents

Publication Publication Date Title
US9287713B2 (en) Topology identification in distribution network with limited measurements
CN107679734A (zh) 一种用于无标签数据分类预测的方法和系统
CN113125851B (zh) 一种用电量统计方法、装置、设备及存储介质
US11016515B2 (en) System operation decision-making assistance device and method
CN113837596B (zh) 一种故障确定方法、装置、电子设备及存储介质
CN114862109A (zh) 一种用电异常监测方法、装置、电子设备及存储介质
CN114091783A (zh) 一种企业用电预警方法、装置、计算机设备和存储介质
CN113077359B (zh) 一种线损异常排查方法、装置、设备及存储介质
CN114202256A (zh) 架构升级预警方法、装置、智能终端及可读存储介质
CN116663747B (zh) 一种基于数据中心基础设施的智能预警方法及系统
CN113595246A (zh) 微电网状态在线监测方法、装置、计算机设备和存储介质
CN115186855A (zh) 物流网络的货量预测方法、装置、设备和计算机存储介质
CN111614504A (zh) 基于时间序列和故障树分析的电网调控数据中心业务特性故障定位方法及系统
CN114636890B (zh) 案例推理的故障定位方法以及系统、存储介质、电子设备
CN116128135A (zh) 数据处理方法及装置、电子设备和存储介质
CN113946493A (zh) 一种监控阈值确定及监控报警方法、装置、设备和介质
CN110278250B (zh) 终端选择方法、装置和存储介质
CN111309716A (zh) 应用于pas案例库的维护方法、装置及计算机设备
CN112633692A (zh) 查窃电阈值的获取方法和装置、查窃电装置和方法
Selim et al. Optimal Placement of PMUs Using Henry Gas Solubility optimization for State Estimation of Power System
Marini et al. Power quality state estimation of power distribution systems: opportunities and challenges in observability enhancement
CN113434713B (zh) 一种基于一张图的林业大数据建设方法及系统
CN116070516A (zh) 一种电缆温度的预测方法及装置
CN117541097A (zh) 一种数字化电力数据分析方法及系统
CN117767275A (zh) 电压支撑强度实时监测方法、系统、存储介质及电子设备

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