CN114913600A - 一种电表窃电检测方法、装置、电子设备及存储介质 - Google Patents
一种电表窃电检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114913600A CN114913600A CN202210537624.1A CN202210537624A CN114913600A CN 114913600 A CN114913600 A CN 114913600A CN 202210537624 A CN202210537624 A CN 202210537624A CN 114913600 A CN114913600 A CN 114913600A
- Authority
- CN
- China
- Prior art keywords
- electricity
- determining
- day
- user
- date
- 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 368
- 238000001514 detection method Methods 0.000 title claims description 21
- 238000012544 monitoring process Methods 0.000 claims abstract description 80
- 230000002159 abnormal effect Effects 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000006399 behavior Effects 0.000 claims description 95
- 230000008859 change Effects 0.000 claims description 31
- 230000009471 action Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 230000002354 daily effect Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 15
- 230000003203 everyday effect Effects 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/30—Smart metering, e.g. specially adapted for remote reading
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Water Supply & Treatment (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本申请涉及一种电表窃电检测方法、装置、电子设备及存储介质，该方法包括获取用户在预设时间段内每天的电量使用情况，基于电量使用情况对预设时间段内的日期进行分类，得到至少两个日期类别，确定当天日期对应的日期类别，获取用户当天的电量使用情况，基于当天的电量使用情况以及所在日期类别内的电量使用情况确定当天电量是否异常，若异常，则获取用户电表处的监控视频，基于监控视频确定是否发生窃电行为。本申请具有及时发现窃电行为的效果。
Description
技术领域
本申请涉及电表设备的领域，尤其是涉及一种电表窃电检测方法、装置、电子设备及存储介质。
背景技术
随着电力技术的发展，电表作为计量用户用电量的装置越来越智能，并且逐渐发展出具有无线组网、无线通信、自动抄表等功能的智能电表。
目前偷电窃电行为频有发生，实施窃电人员在窃电时，通常将自家电表上的输电线断开并接至其他用户的电表上，导致被窃电用户的用电量增大，并且被窃电用户不易及时发现被窃电，从而对被窃电用户造成财产损失。
发明内容
为了及时发现窃电行为，本申请提供一种电表窃电检测方法、装置、电子设备及存储介质。
第一方面，本申请提供一种电表窃电检测方法，采用如下的技术方案：
一种电表窃电检测方法，包括：
获取用户在预设时间段内每天的电量使用情况；
基于所述电量使用情况对预设时间段内的日期进行分类，得到至少两个日期类别；
确定当天日期对应的日期类别；
获取用户当天的电量使用情况；
基于所述当天的电量使用情况以及所在日期类别内的电量使用情况确定当天电量是否异常；
若异常，则获取用户电表处的监控视频；
基于所述监控视频确定是否发生窃电行为。
通过采用上述技术方案，获取用户在预设时间段内每天的电量使用情况，预设时间段内的电量使用情况能够表征用户的用电习惯。根据每天的电量使用情况对预设时间段内的日期进行分类，将电量使用情况相近的日期分为一类，从而便于确定当天日期对应的日期类别。确定当天日期所在的日期类别，并且获取到当天的电量使用情况后，根据当天的电量使用情况以及日期类别内的电量使用情况确定当天电量是否异常，确定出当天所对应的日期类别后，根据当天的电量使用情况与同一日期类别内的电量使用情况的差别即可确定当天电量是否异常。判断出异常后，获取用户电表处的监控视频，监控视频中记载电表处发生的情况，因此根据监控视频即可确定出是否发生窃电行为，因此，在发生窃电行为的当天即可确定出发生窃电行为，从而达到及时发现窃电行为的效果。
在另一种可能实现的方式中，所述电量使用情况包括每日用电总量和/或电量变化情况，所述基于所述当天的电量使用情况以及所在日期类别内的电量使用情况确定当天电量是否异常，包括以下中的至少一项：
确定所在日期类别内的每天用电总量平均值，确定所述当天的用电总量与所述每天用电总量平均值的电量差值，若电量差值大于预设差值，则确定所述当天电量异常；
从所述日期类别中确定距离当天最近的日期，确定第一折线图以及第二折线图，所述第一折线图为距离当天最近日期内电量随时间变化情况的折线图，所述第二折线图为当天电量变化情况的折线图，计算所述第一折线图以及第二折线图的相似度，判断所述相似度是否小于第一预设相似度阈值，若小于，则确定所述当天电量异常。
通过采用上述技术方案，同一日期类别内的每天用电总量平均值表征同一日期类别内每天的基准用电总量，确定出当天用电总量与每天用电总量平均值的电量差值后，根据电量差值与预设差值的大小即可确定是否用电异常。正常情况下同一日期类别内相邻两天的电量变化情况较小，因此可确定当天电量变化情况的第二折线图，以及同一日期类别内距离当天最近一天电量变化情况的第一折线图。计算第一折线图和第二折线图的相似度，判断相似度与第一预设相似度阈值的大小即可确定当天用电是否异常。
在另一种可能实现的方式中，所述获取用户电表处的监控视频，包括：
对所述第一折线图和第二折线图进行分段处理得到第一折线图对应的对个子段以及第二折线图对应的多个子段；
分别计算所述第一折线图和第二折线图每个子段对应的相似度；
确定第二折线图中相似度小于第二预设相似度阈值的可疑子段；
确定可疑子段对应的时间区间；
基于所述可疑子段对应的时间区间获取所述用户电表处的监控视频。
通过采用上述技术方案，计算第一折线图和第二折线图中每个子段对应的相似度，第二折线图中相似度小于第二预设相似度阈值的子段即为可疑子段。可疑子段对应的时间内可能发生窃电行为，因此确定出可疑子段后，获取可疑子段对应的时间区间内的监控视频，从而能够便于后续进行针对性的分析处理，相较于对当天全天的监控视频进行分析节省了算力。
在另一种可能实现的方式中，所述基于所述监控视频确定是否发生窃电行为，包括：
对监控视频进行特征识别，以确定所述监控视频中是否存在人员；
若识别到人员，则确定人员在监控视频中的存在时间；
将存在时间大于预设时间的人员确定为可疑人员；
对所述可疑人员进行动作特征识别，以识别可疑人员是否存在窃电行为。
通过采用上述技术方案，识别到人员后，将存在时间不大于预设时间的人员滤除，存在时间大于预设时间的人员确定为可疑人员，即存在时间大于预设时间的人员在电表区域可能做出窃电操作，而存在时间不大于预设时间的人员可能仅是路过电表区域或对电表进行简单查看。确定出可疑人员后，对可疑人员进行动作特征识别，从而能够更准确得出可疑人员是否进行窃电操作。
在另一种可能实现的方式中，所述对所述可疑人员进行动作特征识别，之后包括：
若确定发生窃电行为，则确定发生窃电行为对应的开始时间；
获取预设范围内电表从所述开始时间处的电量变化情况；
基于所述电量变化情况确定窃电行为对应的用户。
通过采用上述技术方案，确定发生窃电行为后，确定窃电行为的开始时间，并且从开始时间开始获取预设范围内其他用户电表的电量变化情况，由于实施了窃电行为，因此本用户电表和实施窃电行为用户的电表电量均发生变化，从而能够根据预设范围内其他用户电表的电量变化情况确定出实施窃电行为的用户。
在另一种可能实现的方式中，所述识别到所述可疑人员存在窃电行为，之后包括：
从所述监控视频中截取所述可疑人员对应的视频片段；
输出所述视频片段。
通过采用上述技术方案，电子设备截取可疑人员对应的视频片段并输出视频片段，从而能够更及时得知可疑人员实施窃电行为的过程。
在另一种可能实现的方式中，所述方法还包括：
若确定发生窃电行为，则将所述窃电行为对应的电表进行标记。
通过采用上述技术方案，确定发生窃电行为后，对实施窃电行为用户的电表进行标记，从而便于后续重点对实施窃电行为用户的电表进行管理监控。
第二方面，本申请提供一种电表窃电检测装置，采用如下的技术方案：
一种电表窃电检测装置，包括：
第一获取模块，用于获取用户在预设时间段内每天的电量使用情况；
分类模块，用于基于所述电量使用情况对预设时间段内的日期进行分类，得到至少两个日期类别；
第一确定模块，用于确定当天日期对应的日期类别；
第二获取模块，用于获取用户当天的电量使用情况；
第二确定模块，用于基于所述当天的电量使用情况以及所在日期类别内的电量使用情况确定当天电量是否异常；
第三获取模块，用于当异常时，获取用户电表处的监控视频；
第三确定模块，用于基于所述监控视频确定是否发生窃电行为。
通过采用上述技术方案，第一获取模块获取用户在预设时间段内每天的电量使用情况，预设时间段内的电量使用情况能够表征用户的用电习惯。分类模块根据每天的电量使用情况对预设时间段内的日期进行分类，将电量使用情况相近的日期分为一类，从而便于确定当天日期对应的日期类别。第一确定模块确定当天日期所在的日期类别，并且第二获取模块获取到当天的电量使用情况后，第二确定模块根据当天的电量使用情况以及日期类别内的电量使用情况确定当天电量是否异常，确定出当天所对应的日期类别后，根据当天的电量使用情况与同一日期类别内的电量使用情况的差别即可确定当天电量是否异常。判断出异常后，第三获取模块获取用户电表处的监控视频，监控视频中记载电表处发生的情况，因此第三确定模块根据监控视频即可确定出是否发生窃电行为，因此，在发生窃电行为的当天即可确定出发生窃电行为，从而达到及时发现窃电行为的效果。
在另一种可能的实现方式中，所述电量使用情况包括每日用电总量和/或电量变化情况，所述第二确定模块在基于所述当天的电量使用情况以及所在日期类别内的电量使用情况确定当天电量是否异常时，具体用于以下中的至少一项：
确定所在日期类别内的每天用电总量平均值，确定所述当天的用电总量与所述每天用电总量平均值的电量差值，若电量差值大于预设差值，则确定所述当天电量异常；
从所述日期类别中确定距离当天最近的日期，确定第一折线图以及第二折线图，所述第一折线图为距离当天最近日期内电量随时间变化情况的折线图，所述第二折线图为当天电量变化情况的折线图，计算所述第一折线图以及第二折线图的相似度，判断所述相似度是否小于第一预设相似度阈值，若小于，则确定所述当天电量异常。
在另一种可能的实现方式中，所述第三获取模块在获取用户电表处的监控视频时，具体用于：
对所述第一折线图和第二折线图按照预设时间区间进行分段处理，得到第一折线图对应的多个子段以及第二折线图对应的多个子段；
分别计算所述第一折线图和第二折线图每个子段对应的相似度；
确定第二折线图中相似度小于第二预设相似度阈值的可疑子段；
基于所述可疑子段对应的时间区间获取所述用户电表处的监控视频。
在另一种可能的实现方式中，所述第三确定模块在基于所述监控视频确定是否发生窃电行为时，具体用于：
对监控视频进行特征识别，以确定所述监控视频中是否存在人员；
若识别到人员，则确定人员在监控视频中的存在时间；
将存在时间大于预设时间的人员确定为可疑人员；
对所述可疑人员进行动作特征识别，以识别可疑人员是否存在窃电行为。
在另一种可能的实现方式中，所述装置还包括：
第四确定模块，用于当确定发生窃电行为时，确定发生窃电行为对应的开始时间；
第四获取模块，用于获取预设范围内电表从所述开始时间处的电量变化情况；
第五确定模块，用于基于所述电量变化情况确定窃电行为对应的用户。
在另一种可能的实现方式中，所述装置还包括：
截取模块，用于从所述监控视频中截取所述可疑人员对应的视频片段
输出模块，用于输出所述视频片段。
在另一种可能的实现方式中，所述装置还包括：
标记模块，用于当确定发生窃电行为时，将所述窃电行为对应的电表进行标记。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
一种电子设备，该电子设备包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个应用程序配置用于：执行根据第一方面任一种可能的实现方式所示的一种电表窃电检测方法。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，当所述计算机程序在计算机中执行时，令所述计算机执行第一方面任一项所述的一种电表窃电检测方法。
综上所述，本申请包括以下至少一种有益技术效果：
1. 获取用户在预设时间段内每天的电量使用情况，预设时间段内的电量使用情况能够表征用户的用电习惯。根据每天的电量使用情况对预设时间段内的日期进行分类，将电量使用情况相近的日期分为一类，从而便于确定当天日期对应的日期类别。确定当天日期所在的日期类别，并且获取到当天的电量使用情况后，根据当天的电量使用情况以及日期类别内的电量使用情况确定当天电量是否异常，确定出当天所对应的日期类别后，根据当天的电量使用情况与同一日期类别内的电量使用情况的差别即可确定当天电量是否异常。判断出异常后，获取用户电表处的监控视频，监控视频中记载电表处发生的情况，因此根据监控视频即可确定出是否发生窃电行为，因此，在发生窃电行为的当天即可确定出发生窃电行为，从而达到及时发现窃电行为的效果；
2. 识别到人员后，将存在时间不大于预设时间的人员滤除，存在时间大于预设时间的人员确定为可疑人员，即存在时间大于预设时间的人员在电表区域可能做出窃电操作，而存在时间不大于预设时间的人员可能仅是路过电表区域或对电表进行简单查看。确定出可疑人员后，对可疑人员进行动作特征识别，从而能够更准确得出可疑人员是否进行窃电操作。
附图说明
图1是本申请实施例的一种电表窃电检测方法的流程示意图。
图2是本申请实施例的一种电表窃电检测装置的结构示意图。
图3是本申请实施例的一种电子设备的结构示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
另外，本文中术语“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，A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。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种电表窃电检测方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制，如图1所示，该方法包括步骤S101、步骤S102、步骤S103、步骤S104、步骤S105、步骤S106以及步骤S107，其中，
S101，获取用户在预设时间段内每天的电量使用情况。
对于本申请实施例，电子设备在当天结束时获取每天的电量使用情况，电量使用情况可以是由电表实时采集并实时发送至电子设备得到的。也可以是电表实时采集并存储在电表内的存储介质中，并在当天结束时发送至电子设备得到的。预设时间段内的电量使用情况为窃电时的电量使用情况，即预设时间段内的电量使用情况能够作为基准参考，假设预设时间段为30天，电子设备获取30天内的用户在每天的电量使用情况，从而便于得知用户的用电习惯。
S102，基于电量使用情况对预设时间段内的日期进行分类，得到至少两个日期类别。
对于本申请实施例，用户在不同的日期对应的用电习惯不同，例如用户在周一至周五每天的用电量较少，而周六周日用电量较多。以步骤S101为例，电子设备获取到30天内的电量使用情况，即可根据30天内每天的电量使用情况进行分类，例如，根据每天的用电量进行分类，将30天内的周一至周五分成一个日期类别，将周六周日分成另一个日期类别。
S103，确定当天日期对应的日期类别。
对于本申请实施例，电子设备可通过互联网或服务器获取当天的日期，进而获取到当天对应的星期几，也可通过电子设备本地内设置的时钟芯片以及日期推算程序确定当天对应的星期几。确定出当天对应的星期几后，即可确定出当天对应的日期类别，例如当前为星期三，则确定对当天对应周一至周五的日期类别。
S104，获取用户当天的电量使用情况。
对于本申请实施例，获取当天电量的方式可以与步骤S101中获取每天的电量使用情况的方式相同，也可以采用其他方式获取用户当天的电量使用情况。
S105，基于当天的电量使用情况以及所在日期类别内的电量使用情况确定当天电量是否异常。
对于本申请实施例，确定出当天所在的日期类别后，由于当天与对应的日期类别一致，即可认为当天的用电情况与日期类别内的每天用电情况和用电习惯相似，因此确定出当天的电量使用情况以及所对应的日期类别，即可根据日期类别内的电量使用情况确定当天的电量是否异常。
S106，若异常，则获取用户电表处的监控视频。
对于本申请实施例，电子设备确定出当天的电量异常后，电子设备获取电表处的监控视频，电表处的监控视频表征电表是否收到外界影响，例如异物碰撞、人为调整等。其中，获取的电表处的监控视频可以是由设置在电表附近能够采集到电表处监控视频的摄像头装置采集得到，然后发送至电子设备。也可以是在电表上设置摄像头装置，摄像头装置采集电表正前方的监控视频，然后发送至电子设备中。
S107，基于监控视频确定是否发生窃电行为。
在本申请实施例中，获取到监控视频后，由于电表处的监控视频记载电表处发生的情况，因此电子设备根据监控视频即可确定是否发生窃电行为。由于电子设备在窃电行为发生的当天即可确定出现窃电行为，相较于人为查看更及时，从而减小损失。
本申请实施例的一种可能的实现方式，电量使用情况包括每日用电总量和/或电量变化情况，步骤S105中基于当天的电量使用情况以及所在日期类别内的电量使用情况确定当天电量是否异常，具体包括步骤S1051（图中未示出）以及步骤S1052（图中未示出）中的至少一项：
S1051，确定所在日期类别内的每天用电总量平均值，确定当天的用电总量与每天用电总量平均值的电量差值，若电量差值大于预设差值，则确定当天电量异常。
对于本申请实施例，由于同属于同一个日期类别，并且在同一个日期类别里每天的用电总量相差较小，因此在确定出当天日期所对应的日期类别后，电子设备计算预设时间段内每天用电总量的平均值，每天用电总量平均值即可表征同属该日期类别内的日期的基准用电情况。计算当天的用电总量与日期类别中的每天用电总量平均值的电量差值，电量差值用于表征当天用电总量与每天用电总量平均值的偏离程度。电量差值大于预设差值时，说明当天用电总量与每天用电总量的平均值差距较大，属于用电异常。假设每天用电总量平均值为4度电，预设差值为3度电，获取到的当天用电总量为4.5度电，4.5度电与每天用电总量平均值的差值为1.5度电，小于预设差值的3度电，因此电子设备确定出当天电量处于正常状态。
S1052，从日期类别中确定距离当天最近的日期，确定第一折线图以及第二折线图，第一折线图为距离当天最近日期内电量随时间变化情况的折线图，第二折线图为当天电量变化情况的折线图，计算第一折线图以及第二折线图的相似度，判断相似度是否小于第一预设相似度阈值，若小于，则确定当天电量异常。
对于本申请实施例，电子设备确定出距离当天最近的日期，例如当天为“2022年5月1日，星期五”，并且以步骤S102中的日期类别为例，电子设备确定出当天对应的日期类别为属于周一到周五的日期类别中，电子设备确定出距离2022年5月1日最近的日期为2022年4月30日。因为4月30日与5月1日同属同一日期类别，并且两天相邻，在正常情况下，用户的用电总量和用电情况发生巨大改变的可能性较小，即在正常情况下，4月30日与5月1日用电总量和用电习惯相近。电子设备获取到4月30日与5月1日两天中每天各个时间用电的变化情况，例如每隔半小时统计一次在半小时内的电量使用情况并生成第一折线图和第二折线图。第一折线图和第二折线图的横坐标表示时间，纵坐标表示电量。若未发生窃电，则第一折线图和第二折线图形状较为相近，因此计算第一折线图和第二折线图的相似度，根据相似度判断是否发生电量异常的情况。其中，相似度可通过计算第一折线图和第二折线图的欧式距离得到，也可通过余弦相似度的方式计算第一折线图和第二折线图的相似度，即计算第一折线图和第二折线图中的向量的夹角余弦值来确定相似度。还可第一折线图和第二折线图输入至训练好的神经网络中进行相似度计算，训练好的神经网络输出相似度，还可通过其他方式计算两个轮廓信息的相似度，在此不做限定。假设第一预设相似度阈值为90％，确定出的相似度为95％，确定出的相似度大于第一预设相似度阈值，则说明第一折线图和第二折线图相似度较高，即5月1日用电情况未发生异常。
在本申请实施例中，还可同时根据电量差值以及相似度两方面确定是否发生用电异常情况，即电量差值大于预设差值并且相似度小于第一预设相似度阈值时，电子设备确定出现用电异常情况。
本申请实施例的一种可能的实现方式，步骤S106中获取用户电表处的监控视频，具体包括步骤S1061（图中未示出）、步骤S1062（图中未示出）、步骤S1063（图中未示出）以及步骤S1064（图中未示出），其中，
S1061，对第一折线图和第二折线图按照预设时间区间进行分段处理，得到第一折线图对应的多个子段以及第二折线图对应的多个子段。
对于本申请实施例，例如可将第一折线图和第二折线图按照相同的预设时间间隔进行分段，预设时间区间可以是半个小时、一个小时等。电子设备对第一折线图和第二折线图进行分段处理后得到多个子段，子段即为在预设时间间隔内的电量变化。
S1062，分别计算第一折线图和第二折线图每个子段对应的相似度。
对于本申请实施例，电子设备计算第一折线图和第二折线图每个相同时间间隔子段的相似度，预设时间间隔以半小时为例，电子设备计算第一折线图以及第二折线图中，九点到九点半之间子段的相似度；计算九点半到十点之间子段的相似度；以此类推。计算子段相似度的方式可以与步骤S1061中计算相似度的方式相同，也可以与步骤S1061中计算相似度的方式不同。
S1063，确定第二折线图中相似度小于第二预设相似度阈值的可疑子段。
对于本申请实施例，第二预设相似度阈值与第一预设相似度阈值可以相同，也可以不同。假设第二预设相似度阈值为95％，电子设备将小于95％的子段确定为可疑子段，即与第一折线图中对应的子段相似度差别较大。电子设备确定出第二折线图中的全部可疑子段，从而后续检测窃电行为更全面，不容易出现遗漏。
S1064，基于可疑子段对应的时间区间获取用户电表处的监控视频。
对于本申请实施例，电子设备确定出可疑子段后，即可根据预设时间间隔确定可疑子段对应的时间区间，例如可疑子段为九点到九点半的子段，可疑子段对应的时间区间即为九点到九点半。
可疑子段对应的时间区间为用户电量异常的时间区间，因此电子设备获取可疑子段对应的时间区间内的监控视频，从而便于分析。相较于获取当天整天的监控视频，对当天整天的监控视频进行分析更加节省算力。可疑子段对应的时间区间获取监控视频更具针对性。
本申请实施例的一种可能的实现方式，步骤S107基于监控视频确定是否发生窃电行为，包括步骤S1071（图中未示出）、步骤S1072（图中未示出）、步骤S1073（图中未示出）以及步骤S1074（图中未示出），其中，
S1071，对监控视频进行特征识别，以确定监控视频中是否存在人员。
对于本申请实施例，对监控视频进行特征识别可以是将全部可疑子段对应的监控视频输入至训练好的能够进行人员识别的神经网络模型中进行特征识别，从而判断可疑子段对应的监控视频中是否存在人员。在本申请实施例中，还可将当天整天的监控视频输入至训练好的能够进行人员识别的神经网络模型中进行特征识别。
S1072，若识别到人员，则确定人员在监控视频中的存在时间。
对于本申请实施例，电子设备识别到人员后，若人员在监控视频中存在时间较短，则说明人员仅路过电表所在区域。电子设备在识别到人员时，确定人员存在电表所在区域的开始时间并开始计时，当人员从电表所在区域离开时停止计时，从而得到人员在电表所在区域的存在时间。
S1073，将存在时间大于预设时间的人员确定为可疑人员。
对于本申请实施例，假设预设时间为10秒，存在时间小于10秒的人员判定为正常人员，正常人员可能仅是路过电表所在区域，或对电表进行短暂查看。电子设备将存在时间大于10秒的人员确定为可疑人员，即可疑人员在电表区域内存在时间过长，可疑人员可能在电表区域内进行窃电操作行为。
S1074，对可疑人员进行动作特征识别，以识别可疑人员是否存在窃电行为。
对于本申请实施例，可将可疑人员对应的监控视频输入至训练好的能够进行窃电动作特征识别的神经网络模型中进行动作识别，从而判断可疑人员是否存在窃电动作。在本申请实施例中，还可将当天整天的监控视频输入至能够进行窃电动作特征识别的神经网络模型中进行动作识别。
由于窃电行为需人员手动将输电线接至电表下方，因此在本申请实施例中，还可识别可疑人员的胳膊特征，判断胳膊特征所作出的动作是否属于窃电行为对应的动作，以此判断是否存在窃电行为。
本申请实施例的一种可能的实现方式，步骤S074之后包括步骤S108（图中未示出）、步骤S109（图中未示出）以及步骤S110（图中未示出），其中，
S108，确定发生窃电行为对应的开始时间。
对于本申请实施例，电子设备在识别到可疑人员实施窃电行为时，记录窃电行为开始的时间，假设在2022年5月1日15：33分识别到发生窃电行为。
S109，获取预设范围内电表从开始时间处的电量变化情况。
对于本申请实施例，实施窃电行为的可疑人员通常为用户电表附近的其他用户，预设范围内的电表为用户电表附近其他用户的电表。根据确定出的窃电发生的开始时间，由于发生窃电行为，用户电表电量发生变化，预设范围内某一其他用户的电表同时发生变化。获取从开始时间处的其他用户电表的电量变化情况，从而能够定位到实施窃电行为的用户。
S110，基于电量变化情况确定窃电行为对应的用户。
对于本申请实施例，若某一用户电表采集的电量使用情况骤降，则确定出该电表对应的用户实施窃电行为。在本申请实施例中，还可以是确定从开始时间开始电量下降的用户电表，电子设备确定出本用户电表从开始时间开始到指定时间的电量增加大小，并且确定出电量下降的用户电表从开始时间到指定时间的电量减少大小。将电量减少大小与本用户电表电量增加大小一致的用户电表确定为实施窃电行为人员对应的电表，进而确定出实施窃电行为的用户。
本申请实施例的一种可能的实现方式，步骤S1074之后包括步骤S111（图中未示出）以及步骤S112（图中未示出），其中，
S111，从监控视频中截取可疑人员对应的视频片段。
对于本申请实施例，电子设备确定出可疑人员实施窃电行为的开始时间，电子设备识别到可疑人员实施完窃电行为后从电表区域离开，将离开电表区域的时间确定为可疑人员实施窃电行为结束的时间，确定出开始时间以及结束时间后，电子设备根据开始时间以及结束时间截取可疑人员对应的视频片段。
S112，输出视频片段。
对于本申请实施例，电子设备截取出视频片段后，可将视频片段发送至本用户对应的终端设备中，以使得本用户及时得知可疑人员实施窃电行为。还可将视频片段发送至电表管理中心，以使得管理人员及时得知发生窃电行为。在本申请实施例中，还可将视频信息存储至电子设备本地的存储介质中或存储至云服务器中。
本申请实施例的一种可能的实现方式，步骤S110之后包括步骤S113（图中未示出），其中，
S113，若确定发生窃电行为，则将窃电行为对应的电表进行标记。
对于本申请实施例，电子设备确定出实施窃电行为的用户后，将实施窃电行为的用户对应的电表进行标记，从而便于管理人员后续对该电表进行重点监控。电子设备可以在该电表的地址或编号中添加标识字段或标识符进行标记，从而将该电表与其它正常电表进行区别，电子设备还可对该电表传输至电子设备的数据进行标记，在此不做限定。
上述实施例从方法流程的角度介绍一种电表窃电检测方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种电表窃电检测装置，具体详见下述实施例。
本申请实施例提供一种电表窃电检测装置20，如图2所示，该电表窃电检测装置20具体可以包括：
第一获取模块201，用于获取用户在预设时间段内每天的电量使用情况；
分类模块202，用于基于电量使用情况对预设时间段内的日期进行分类，得到至少两个日期类别；
第一确定模块203，用于确定当天日期对应的日期类别；
第二获取模块204，用于获取用户当天的电量使用情况；
第二确定模块205，用于基于当天的电量使用情况以及所在日期类别内的电量使用情况确定当天电量是否异常；
第三获取模块206，用于当异常时，获取用户电表处的监控视频；
第三确定模块207，用于基于监控视频确定是否发生窃电行为。
对于本申请实施例，第一获取模块201获取用户在预设时间段内每天的电量使用情况，预设时间段内的电量使用情况能够表征用户的用电习惯。分类模块202根据每天的电量使用情况对预设时间段内的日期进行分类，将电量使用情况相近的日期分为一类，从而便于确定当天日期对应的日期类别。第一确定模块203确定当天日期所在的日期类别，并且第二获取模块204获取到当天的电量使用情况后，第二确定模块205根据当天的电量使用情况以及日期类别内的电量使用情况确定当天电量是否异常，确定出当天所对应的日期类别后，根据当天的电量使用情况与同一日期类别内的电量使用情况的差别即可确定当天电量是否异常。判断出异常后，第三获取模块206获取用户电表处的监控视频，监控视频中记载电表处发生的情况，因此第三确定模块207根据监控视频即可确定出是否发生窃电行为，因此，在发生窃电行为的当天即可确定出发生窃电行为，从而达到及时发现窃电行为的效果。
本申请实施例的一种可能的实现方式，电量使用情况包括每日用电总量和/或电量变化情况，第二确定模块205在基于当天的电量使用情况以及所在日期类别内的电量使用情况确定当天电量是否异常时，具体用于以下中的至少一项：
确定所在日期类别内的每天用电总量平均值，确定当天的用电总量与每天用电总量平均值的电量差值，若电量差值大于预设差值，则确定当天电量异常；
从日期类别中确定距离当天最近的日期，确定第一折线图以及第二折线图，第一折线图为距离当天最近日期内电量随时间变化情况的折线图，第二折线图为当天电量变化情况的折线图，计算第一折线图以及第二折线图的相似度，判断相似度是否小于第一预设相似度阈值，若小于，则确定当天电量异常。
本申请实施例的一种可能的实现方式，第三获取模块206在获取用户电表处的监控视频时，具体用于：
对第一折线图和第二折线图按照预设时间区间进行分段处理，得到第一折线图对应的多个子段以及第二折线图对应的多个子段；
分别计算第一折线图和第二折线图每个子段对应的相似度；
确定第二折线图中相似度小于第二预设相似度阈值的可疑子段；
基于可疑子段对应的时间区间获取用户电表处的监控视频。
本申请实施例的一种可能的实现方式，第三确定模块207在基于监控视频确定是否发生窃电行为时，具体用于：
对监控视频进行特征识别，以确定监控视频中是否存在人员；
若识别到人员，则确定人员在监控视频中的存在时间；
将存在时间大于预设时间的人员确定为可疑人员；
对可疑人员进行动作特征识别，以识别可疑人员是否存在窃电行为。
本申请实施例的一种可能的实现方式，装置20还包括：
第四确定模块，用于当确定发生窃电行为时，确定发生窃电行为对应的开始时间；
第四获取模块，用于获取预设范围内电表从开始时间处的电量变化情况；
第五确定模块，用于基于电量变化情况确定窃电行为对应的用户。
本申请实施例的一种可能的实现方式，装置20还包括：
截取模块，用于从监控视频中截取可疑人员对应的视频片段
输出模块，用于输出视频片段。
本申请实施例的一种可能的实现方式，装置20还包括：
标记模块，用于当确定发生窃电行为时，将窃电行为对应的电表进行标记。
在本申请实施例中，第一获取模块201、第二获取模块204、第三获取模块206以及第四获取模块可以是相同的获取模块，也可以是不同的获取模块，还可以是部分相同的获取模块。第一确定模块203、第二确定模块205、第三确定模块207、第四确定模块以及第五确定模块可以是相同的确定模块，也可以是不同的确定模块，还可以是部分相同的确定模块。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的一种电表窃电检测装置20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。
本申请实施例中提供了一种电子设备，如图3所示，图3所示的电子设备30包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备30还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备30的结构并不构成对本申请实施例的限定。
处理器301可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与相关技术相比，本申请实施例中获取用户在预设时间段内每天的电量使用情况，预设时间段内的电量使用情况能够表征用户的用电习惯。根据每天的电量使用情况对预设时间段内的日期进行分类，将电量使用情况相近的日期分为一类，从而便于确定当天日期对应的日期类别。确定当天日期所在的日期类别，并且获取到当天的电量使用情况后，根据当天的电量使用情况以及日期类别内的电量使用情况确定当天电量是否异常，确定出当天所对应的日期类别后，根据当天的电量使用情况与同一日期类别内的电量使用情况的差别即可确定当天电量是否异常。判断出异常后，获取用户电表处的监控视频，监控视频中记载电表处发生的情况，因此根据监控视频即可确定出是否发生窃电行为，因此，在发生窃电行为的当天即可确定出发生窃电行为，从而达到及时发现窃电行为的效果。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种电表窃电检测方法，其特征在于，包括：
获取用户在预设时间段内每天的电量使用情况；
基于所述电量使用情况对预设时间段内的日期进行分类，得到至少两个日期类别；
确定当天日期对应的日期类别；
获取用户当天的电量使用情况；
基于所述当天的电量使用情况以及所在日期类别内的电量使用情况确定当天电量是否异常；
若异常，则获取用户电表处的监控视频；
基于所述监控视频确定是否发生窃电行为。
2.根据权利要求1所述的一种电表窃电检测方法，其特征在于，所述电量使用情况包括每日用电总量和/或电量变化情况，所述基于所述当天的电量使用情况以及所在日期类别内的电量使用情况确定当天电量是否异常，包括以下中的至少一项：
确定所在日期类别内的每天用电总量平均值，确定所述当天的用电总量与所述每天用电总量平均值的电量差值，若电量差值大于预设差值，则确定所述当天电量异常；
从所述日期类别中确定距离当天最近的日期，确定第一折线图以及第二折线图，所述第一折线图为距离当天最近日期内电量随时间变化情况的折线图，所述第二折线图为当天电量变化情况的折线图，计算所述第一折线图以及第二折线图的相似度，判断所述相似度是否小于第一预设相似度阈值，若小于，则确定所述当天电量异常。
3.根据权利要求2所述的一种电表窃电检测方法，其特征在于，所述获取用户电表处的监控视频，包括：
对所述第一折线图和第二折线图按照预设时间区间进行分段处理，得到第一折线图对应的多个子段以及第二折线图对应的多个子段；
分别计算所述第一折线图和第二折线图每个子段对应的相似度；
确定第二折线图中相似度小于第二预设相似度阈值的可疑子段；
基于所述可疑子段对应的时间区间获取所述用户电表处的监控视频。
4.根据权利要求1或3所述的一种电表窃电检测方法，其特征在于，所述基于所述监控视频确定是否发生窃电行为，包括：
对监控视频进行特征识别，以确定所述监控视频中是否存在人员；
若识别到人员，则确定人员在监控视频中的存在时间；
将存在时间大于预设时间的人员确定为可疑人员；
对所述可疑人员进行动作特征识别，以识别可疑人员是否存在窃电行为。
5.根据权利要求4所述的一种电表窃电检测方法，其特征在于，所述对所述可疑人员进行动作特征识别，之后包括：
若确定发生窃电行为，则确定发生窃电行为对应的开始时间；
获取预设范围内电表从所述开始时间处的电量变化情况；
基于所述电量变化情况确定窃电行为对应的用户。
6.根据权利要求4所述的一种电表窃电检测方法，其特征在于，所述识别到所述可疑人员存在窃电行为，之后包括：
从所述监控视频中截取所述可疑人员对应的视频片段；
输出所述视频片段。
7.根据权利要求1所述的一种电表窃电检测方法，其特征在于，所述方法还包括：
若确定发生窃电行为，则将所述窃电行为对应的电表进行标记。
8.一种电表窃电检测装置，其特征在于，包括：
第一获取模块，用于获取用户在预设时间段内每天的电量使用情况；
分类模块，用于基于所述电量使用情况对预设时间段内的日期进行分类，得到至少两个日期类别；
第一确定模块，用于确定当天日期对应的日期类别；
第二获取模块，用于获取用户当天的电量使用情况；
第二确定模块，用于基于所述当天的电量使用情况以及所在日期类别内的电量使用情况确定当天电量是否异常；
第三获取模块，用于当异常时，获取用户电表处的监控视频；
第三确定模块，用于基于所述监控视频确定是否发生窃电行为。
9.一种电子设备，其特征在于，其包括：
一个或者多个处理器；
存储器；
一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于：执行根据权利要求1～7任一项所述的一种电表窃电检测方法。
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，当所述计算机程序在计算机中执行时，令所述计算机执行权利要求1～7任一项所述的一种电表窃电检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210537624.1A CN114913600A (zh) | 2022-05-18 | 2022-05-18 | 一种电表窃电检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210537624.1A CN114913600A (zh) | 2022-05-18 | 2022-05-18 | 一种电表窃电检测方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114913600A true CN114913600A (zh) | 2022-08-16 |
Family
ID=82769023
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210537624.1A Pending CN114913600A (zh) | 2022-05-18 | 2022-05-18 | 一种电表窃电检测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114913600A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
-
2022
- 2022-05-18 CN CN202210537624.1A patent/CN114913600A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
|---|---|---|
| CN109299135B (zh) | 基于识别模型的异常查询识别方法、识别设备及介质 | |
| WO2021073114A1 (zh) | 基于统计的异常流量监测方法、装置、设备及存储介质 | |
| CN105808639B (zh) | 网络访问行为识别方法和装置 | |
| CN104348810B (zh) | 被盗帐号的检测方法、装置及系统 | |
| JP6082341B2 (ja) | 異常検出装置及び異常検出方法 | |
| CN110717358B (zh) | 访客人数统计方法、装置、电子设备及存储介质 | |
| JP5805169B2 (ja) | 行動パターン分析装置および行動パターン分析方法 | |
| CN109308615B (zh) | 基于统计序列特征的实时欺诈交易检测方法、系统、存储介质及电子终端 | |
| CN113052079B (zh) | 一种基于人脸聚类的区域客流统计方法、系统、设备和介质 | |
| CN110807050B (zh) | 性能分析方法、装置、计算机设备及存储介质 | |
| CN114913600A (zh) | 一种电表窃电检测方法、装置、电子设备及存储介质 | |
| CN115965913A (zh) | 安防监控的方法、装置、系统及计算机可读存储介质 | |
| CN109559218A (zh) | 一种异常交易的确定方法、装置及存储介质 | |
| CN109697155B (zh) | It系统性能评估方法、装置、设备及可读存储介质 | |
| CN113379469A (zh) | 一种异常流量检测方法、装置、设备及存储介质 | |
| CN113609409A (zh) | 一种推荐浏览信息的方法及其系统、电子设备、存储介质 | |
| CN110866831A (zh) | 资产活跃度等级的确定方法、装置及服务器 | |
| CN114373209A (zh) | 基于视频的人脸识别方法、装置、电子设备及存储介质 | |
| CN114092809A (zh) | 对象识别方法、装置及电子设备 | |
| CN113672443A (zh) | 一种基于芯片检测的用户行为分析方法及系统 | |
| CN109521312B (zh) | 一种非技术线损检测方法、装置及系统 | |
| CN113468948A (zh) | 基于视图数据的治安防控方法、模块、设备及存储介质 | |
| CN112182008A (zh) | 移动端采集的人脸图片数据分析系统、方法、终端及介质 | |
| CN113537363B (zh) | 一种异常对象检测方法及装置、电子设备及存储介质 | |
| CN111224936B (zh) | 用户异常请求检测方法、系统、设备以及机器可读介质 |
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 |