CN114897631A - 一种特征分析的表户错位分析方法及装置 - Google Patents
一种特征分析的表户错位分析方法及装置 Download PDFInfo
- Publication number
- CN114897631A CN114897631A CN202210352636.7A CN202210352636A CN114897631A CN 114897631 A CN114897631 A CN 114897631A CN 202210352636 A CN202210352636 A CN 202210352636A CN 114897631 A CN114897631 A CN 114897631A
- Authority
- CN
- China
- Prior art keywords
- data
- meter
- abnormal
- user
- electricity utilization
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 32
- 230000005611 electricity Effects 0.000 claims abstract description 84
- 230000002159 abnormal effect Effects 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000008859 change Effects 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims 1
- 238000011835 investigation Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000006872 improvement Effects 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
- 238000011084 recovery Methods 0.000 description 1
- 238000013024 troubleshooting 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种特征分析的表户错位分析方法及装置,包括:确定同台区,在相同日期执行换表且换表数量大于2的电能表;获取该至少两个电能表的用电特征数据,其中所述用电特征数据至少包括换表前后多个不同周期内的各户表的用电数据;基于换表周期,拆分所述用电特征数据,以基于拆分后的用电特征数据识别用户换表前后的用电异常数据;根据用电异常数据进行聚类,并根据聚类结果对用电异常数据进行重组。本申请提出的表户错位分析的方法,可以快速识别户间错位,并对户表关系进行重组,无需人工排查。
Description
技术领域
本发明涉及电能分析技术领域,尤其涉及一种特征分析的表户错位分析方法及装置。
背景技术
现代新型电能表及互感器等电气产品的制造工艺、技术的不断改进和新型材料的使用,以及电子技术广泛应用于电能表制造,电能表精度越来越高,其本身引起的计量误差很小,但由于电能表接线错误及运行异常严重造成电能计量装置的错误记录,直接影响电费回收及线损治理,给供电企业带来的经济损失不可低估。
目前各个网省针对用电异常开展了工作,如CN106771811A中,提供了一种电力营销错接线排查方法及装置,通过计算多个预设用户在换表或者计量箱改造之前用电量差值,获取换表或者计量箱改造前后的用电量波动情况;然后将用电量波动超过10度的用户用电量差值两两相加,得到多个计算结果,计算结果越小说明进行用电量差值相加的两个预设用户接错线的可能越大;再将满足同一个表箱内,计算结果在8度至20度之间的计算结果所对应的预设用户标记为排查目标用户;也即通过上述实时数据的计算过程,进而实现了电力营销错接线的及时排查。
但目前各个网省表箱档案信息普遍存在可用率不高的问题,仅部分精品台区能够保证表箱档案的完全正确,CN106771811A中完全依托表箱档案排查目标用户,泛用性较差;且仅通过用电量单一维度进行分析计算,分析维度单一。
发明内容
本发明实施例提供一种特征分析的表户错位分析方法及装置,用以提出表户错位分析的方法,可以快速识别户间错位,并对户表关系进行重组,无需人工排查。
本发明实施例提供一种特征分析的表户错位分析方法,包括:
确定同台区,在相同日期执行换表且换表数量大于2的电能表;
获取该至少两个电能表的用电特征数据,其中所述用电特征数据至少包括换表前后多个不同周期内的各户表的用电数据;
基于换表周期,拆分所述用电特征数据,以基于拆分后的用电特征数据识别用户换表前后的用电异常数据;
根据用电异常数据进行聚类,并根据聚类结果对用电异常数据进行重组。
在一些实施例中,所述确定同台区,在相同日期执行换表且换表个数大于2的电能表是基于换表记录确定的;
在换表周期内该户表存在多次换表记录的情况下,滤除重复换表记录,以在换表周期内保存该户表的一条换表记录;以及
在换表周期内该户表存在多次轮换记录的情况下,记录各次轮换记录。
在一些实施例中,所述用电特征数据包括:日均电量,工作日电量,周末电量,日均谷电量,日均峰电量,节假日电量以及月电量。
在一些实施例中,基于拆分后的用电特征数据识别用户换表前后的用电异常数据包括:
基于拆分后的用电特征数据在换表前后进行跳变检测,识别出跳变方向相反,成对出现的电能表。
在一些实施例中,基于拆分后的用电特征数据在换表前后进行跳变检测包括:
利用相同周期内的用电数据进行两两对比,以识别该两个电能表的在换表前后的用电量是否存在跳变。
在一些实施例中,根据用电异常数据进行聚类,并根据聚类结果对用电异常数据进行重组包括:
将存在跳变的两个电能表在换表周期前后的用电数据进行拆分;
根据拆分后的多段用电数据,利用聚类算法确定换表前后的异常明细;
基于所确定的异常明细,在换表周期,将多段用电数据进行重组,以确定对应用户的实际用电量。
在一些实施例中,为不同的电特征数据配置对应的权重,所述利用聚类算法确定换表前后的异常明细之前,还包括:按照对应的权重组合不同的电特征数据。
本发明实施例还提供一种特征分析的表户错位分析的装置,包括处理器,被配置为:
确定同台区,在相同日期执行换表且换表数量大于2的电能表;
获取该至少两个电能表的用电特征数据,其中所述用电特征数据至少包括换表前后多个不同周期内的各户表的用电数据;
基于换表周期,拆分所述用电特征数据,以基于拆分后的用电特征数据识别用户换表前后的用电异常数据;
根据用电异常数据进行聚类,并根据聚类结果对用电异常数据进行重组。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现前述的表户错位分析方法的步骤。
本发明实施例通过基于换表周期,拆分所述用电特征数据,以基于拆分后的用电特征数据识别用户换表前后的用电异常数据;根据用电异常数据进行聚类,并根据聚类结果对用电异常数据进行重组,由此无需人为排查,能够确定出表户错位的户表,并重组出对应用户的正确用电量,在各台区都具有良好的可行性和泛用性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本申请实施例的表户错位分析方法基本流程图;
图2为本申请实施例的电能表对电量跳变识别示例;
图3为本申请实施例的电能表对电量拆分聚类示例;
图4为本申请实施例的电能表对聚类结果示例。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供一种特征分析的表户错位分析方法,如图1所示,包括:
在步骤S101中,确定同台区,在相同日期执行换表且换表数量大于2的电能表。具体的本实例中以台区为分析主体,在具体实施过程中也可以表箱,或者小区分析主体,确定在相同日期执行换表且换表数量大于2的电能表。本实例中对仅更换过一个电能表的台区不考虑表户错位问题。
在步骤S102中,获取该至少两个电能表的用电特征数据,其中所述用电特征数据至少包括换表前后多个不同周期内的各户表的用电数据。在一些实施例中,所述用电特征数据包括:日均电量,工作日电量,周末电量,日均谷电量,日均峰电量,节假日电量以及月电量。具体的不同的用电特征数据可以具有不同的时间周期,例如日均电量可以包括换表前后1星期以及换表前后1个月,工作日电量为剔除周末的日电量,周末电量为周六周日电量,日均谷电量和日均峰电量均可以包括换表前后1星期以及换表前后1个月的电量。
在步骤S103中,基于换表周期,拆分所述用电特征数据,以基于拆分后的用电特征数据识别用户换表前后的用电异常数据。也即本示例中根据前述的用电特征数据可以按照用电特征的类型进行拆分,在换表前后范围进行跳变检测。
在步骤S104中,根据用电异常数据进行聚类,并根据聚类结果对用电异常数据进行重组。也即在确定用电异常数据之后,进一步将用电异常数据进行聚类,并依据聚类结果进行重组,从而确定出该用户的实际用电量。
本发明实施例通过基于换表周期,拆分所述用电特征数据,以基于拆分后的用电特征数据识别用户换表前后的用电异常数据;根据用电异常数据进行聚类,并根据聚类结果对用电异常数据进行重组,由此无需人为排查,能够确定出表户错位的户表,并重组出对应用户的正确用电量,在各台区都具有良好的可行性和泛用性。
在一些实施例中,所述确定同台区,在相同日期执行换表且换表个数大于2的电能表是基于换表记录确定的;
在换表周期内该户表存在多次换表记录的情况下,滤除重复换表记录,以在换表周期内保存该户表的一条换表记录;以及
在换表周期内该户表存在多次轮换记录的情况下,记录各次轮换记录。
具体的,重复校验记录:校验数据分析时间段内是否存在多次换表记录情况,即校验拆换表流程数据表中是否存在重复记录,校验方式为在数据分析时段存在的记录条数≥2且电能表示值类型相同,判断此记录为重复记录,将重复记录进行去重处理后再进行计算,并对重复记录所对应的台区和户号进行记录。
多次轮换校验:校验数据分析时间段内是否存在多次换表记录情况,即校验拆换表流程数据表中是否存在多次轮换情况,校验方式为分析周期记录中相同计量点下,多次出现新表标识、旧表标识交替出现,且换表记录≥2,将多次轮换记录涉及到的台区、户号进行记录。
在一些实施例中,基于拆分后的用电特征数据识别用户换表前后的用电异常数据包括:基于拆分后的用电特征数据在换表前后进行跳变检测,识别出跳变方向相反,成对出现的电能表。在一些实施例中,基于拆分后的用电特征数据在换表前后进行跳变检测包括:利用相同周期内的用电数据进行两两对比,以识别该两个电能表的在换表前后的用电量是否存在跳变。如图2所示,对于电能表A和电能表B在换表周期前后出现了用电量的跳变。
在一些实施例中,根据用电异常数据进行聚类,并根据聚类结果对用电异常数据进行重组包括:
将存在跳变的两个电能表在换表周期前后的用电数据进行拆分;
根据拆分后的多段用电数据,利用聚类算法确定换表前后的异常明细;
基于所确定的异常明细,在换表周期,将多段用电数据进行重组,以确定对应用户的实际用电量。
在一些实施例中,为不同的电特征数据配置对应的权重,所述利用聚类算法确定换表前后的异常明细之前,还包括:按照对应的权重组合不同的电特征数据。
具体的本实施例中,可以将例如日均电量,工作日电量,周末电量,日均谷电量,日均峰电量,节假日电量以及月电量,按照一定的权重进行组合。然后对电能表A和电能表B进行聚类分析和重组。例如图3中台区同表箱用户电能表存在A、B电能表更换,则将计算结果拆分为换表前A1、换表后A2、换表前B1、换表后B2四组数据进行聚类,识别聚类结果后A1、B2聚为一组,A2、B1为一组的异常明细,即A、B表存在户表错位,重组后的户表数据如图4所示。
本申请的方法,充分运用大数据分析手段,运用跳变检测算法,识别在换表周期后,跳变方向相反、成对出现的户表,避免了台区间用户用电习惯差异的问题。将电能表在更换前后的用电数据进行拆分,对用户换表前后数据开展全面地用户用电特征分析,形成用户特征数据集。采用聚类算法,识别用户换表前后错偶式聚类异常明细,对户表关系进行重组修复,快速准确地实现了无表箱数据下的低压用户户表关系错位识别复位,在各台区都具有良好的可行性和泛用性。
本发明实施例还提供一种特征分析的表户错位分析的装置,包括处理器,被配置为:
确定同台区,在相同日期执行换表且换表数量大于2的电能表;
获取该至少两个电能表的用电特征数据,其中所述用电特征数据至少包括换表前后多个不同周期内的各户表的用电数据;
基于换表周期,拆分所述用电特征数据,以基于拆分后的用电特征数据识别用户换表前后的用电异常数据;
根据用电异常数据进行聚类,并根据聚类结果对用电异常数据进行重组。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现前述的表户错位分析方法的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (9)
1.一种特征分析的表户错位分析方法,其特征在于,包括:
确定同台区,在相同日期执行换表且换表数量大于2的电能表;
获取该至少两个电能表的用电特征数据,其中所述用电特征数据至少包括换表前后多个不同周期内的各户表的用电数据;
基于换表周期,拆分所述用电特征数据,以基于拆分后的用电特征数据识别用户换表前后的用电异常数据;
根据用电异常数据进行聚类,并根据聚类结果对用电异常数据进行重组。
2.如权利要求1所述的特征分析的表户错位分析方法,其特征在于,所述确定同台区,在相同日期执行换表且换表数量大于2的电能表是基于换表记录确定的;
在换表周期内该户表存在多次换表记录的情况下,滤除重复换表记录,以在换表周期内保存该户表的一条换表记录;以及
在换表周期内该户表存在多次轮换记录的情况下,记录各次轮换记录。
3.如权利要求1所述的特征分析的表户错位分析方法,其特征在于,所述用电特征数据包括:日均电量,工作日电量,周末电量,日均谷电量,日均峰电量。节假日电量以及月电量。
4.如权利要求3所述的特征分析的表户错位分析方法,其特征在于,基于拆分后的用电特征数据识别用户换表前后的用电异常数据包括:
基于拆分后的用电特征数据在换表前后进行跳变检测,识别出跳变方向相反,成对出现的电能表。
5.如权利要求4所述的特征分析的表户错位分析方法,其特征在于,基于拆分后的用电特征数据在换表前后进行跳变检测包括:
利用相同周期内的用电数据进行两两对比,以识别该两个电能表的在换表前后的用电量是否存在跳变。
6.如权利要求5所述的特征分析的表户错位分析方法,其特征在于,根据用电异常数据进行聚类,并根据聚类结果对用电异常数据进行重组包括:
将存在跳变的两个电能表在换表周期前后的用电数据进行拆分;
根据拆分后的多段用电数据,利用聚类算法确定换表前后的异常明细;
基于所确定的异常明细,在换表周期,将多段用电数据进行重组,以确定对应用户的实际用电量。
7.如权利要求6所述的特征分析的表户错位分析方法,其特征在于,为不同的电特征数据配置对应的权重,所述利用聚类算法确定换表前后的异常明细之前,还包括:按照对应的权重组合不同的电特征数据。
8.一种特征分析的表户错位分析的装置,其特征在于,包括处理器,被配置为:
确定同台区,在相同日期执行换表且换表数量大于2的电能表;
获取该至少两个电能表的用电特征数据,其中所述用电特征数据至少包括换表前后多个不同周期内的各户表的用电数据;
基于换表周期,拆分所述用电特征数据,以基于拆分后的用电特征数据识别用户换表前后的用电异常数据;
根据用电异常数据进行聚类,并根据聚类结果对用电异常数据进行重组。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的表户错位分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210352636.7A CN114897631A (zh) | 2022-04-06 | 2022-04-06 | 一种特征分析的表户错位分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210352636.7A CN114897631A (zh) | 2022-04-06 | 2022-04-06 | 一种特征分析的表户错位分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114897631A true CN114897631A (zh) | 2022-08-12 |
Family
ID=82715808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210352636.7A Pending CN114897631A (zh) | 2022-04-06 | 2022-04-06 | 一种特征分析的表户错位分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114897631A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118195291A (zh) * | 2024-05-16 | 2024-06-14 | 深圳拓安信物联股份有限公司 | 换表识别方法、装置、存储介质及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014090969A2 (en) * | 2012-12-14 | 2014-06-19 | University College Dublin - National University Of Ireland, Dublin | A system for robust load disaggregation |
CN107390160A (zh) * | 2017-08-04 | 2017-11-24 | 国网浙江省电力公司 | 一种基于电量波动异常的换表接线差错判断方法 |
CN109085454A (zh) * | 2018-07-03 | 2018-12-25 | 江苏方天电力技术有限公司 | 一种基于大数据分析的计量串户智能甄别方法 |
CN111505446A (zh) * | 2020-05-25 | 2020-08-07 | 广州市奔流电力科技有限公司 | 台区空房用户线户关系识别方法、装置和设备 |
-
2022
- 2022-04-06 CN CN202210352636.7A patent/CN114897631A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014090969A2 (en) * | 2012-12-14 | 2014-06-19 | University College Dublin - National University Of Ireland, Dublin | A system for robust load disaggregation |
CN107390160A (zh) * | 2017-08-04 | 2017-11-24 | 国网浙江省电力公司 | 一种基于电量波动异常的换表接线差错判断方法 |
CN109085454A (zh) * | 2018-07-03 | 2018-12-25 | 江苏方天电力技术有限公司 | 一种基于大数据分析的计量串户智能甄别方法 |
CN111505446A (zh) * | 2020-05-25 | 2020-08-07 | 广州市奔流电力科技有限公司 | 台区空房用户线户关系识别方法、装置和设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118195291A (zh) * | 2024-05-16 | 2024-06-14 | 深圳拓安信物联股份有限公司 | 换表识别方法、装置、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110988422B (zh) | 一种窃电识别方法、装置及电子设备 | |
CN111817291B (zh) | 一种基于电压关联特性的低压台区相户关系识别方法 | |
CN111881189B (zh) | 一种台区户变关系校验方法及系统 | |
CN111505446B (zh) | 台区空房用户线户关系识别方法、装置和设备 | |
CN113189418B (zh) | 一种基于电压数据的拓扑关系识别方法 | |
CN113176458B (zh) | 一种针对数据不完整的低压台区相户关系识别方法 | |
Leal et al. | Distribution transformer losses evaluation: A new analytical methodology and artificial neural network approach | |
CN113466520B (zh) | 一种在线识别失准电能表的方法 | |
CN114897631A (zh) | 一种特征分析的表户错位分析方法及装置 | |
CN112288303A (zh) | 确定线损率的方式、装置 | |
CN111178957A (zh) | 一种用电客户电量突增预警的方法 | |
CN112381433A (zh) | 一种实用的面向现货市场结算的电量数据处理方法 | |
CN112016965A (zh) | 设备供应商的评价方法及装置 | |
CN116307844A (zh) | 一种低压台区线损评估分析方法 | |
CN109409629B (zh) | 基于多属性决策模型的采集终端生产厂商评价方法 | |
CN110873857B (zh) | 基于多源数据融合的智能电能表运行状态评价方法及系统 | |
CN109933605A (zh) | 电费差错排查方法、装置以及电子设备 | |
CN111879983B (zh) | 一种台区户变与相序关系识别方法、装置、设备及介质 | |
CN114186420A (zh) | 一种配电网台区拓扑校验方法、装置、设备和介质 | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的系统和方法 | |
CN110070256B (zh) | 基于critic方法的零电量用户排查优先度权重计算方法 | |
CN115378143B (zh) | 电力营销智能稽查系统 | |
CN115796444A (zh) | 一种煤化工企业的能源管理方法及装置 | |
Li et al. | Distribution transformer mid-term heavy load and overload pre-warning based on logistic regression | |
CN113836125A (zh) | 一种配电物联网边缘侧的配变数据清洗修复方法和系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220812 |