CN115292387A - 一种基于多维数据分析的能源超量程使用监测方法 - Google Patents
一种基于多维数据分析的能源超量程使用监测方法 Download PDFInfo
- Publication number
- CN115292387A CN115292387A CN202210993028.4A CN202210993028A CN115292387A CN 115292387 A CN115292387 A CN 115292387A CN 202210993028 A CN202210993028 A CN 202210993028A CN 115292387 A CN115292387 A CN 115292387A
- Authority
- CN
- China
- Prior art keywords
- energy
- data
- preset
- monitoring
- abnormal
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000007405 data analysis Methods 0.000 title claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 71
- 238000012795 verification Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 40
- 238000005265 energy consumption Methods 0.000 claims description 3
- 230000002547 anomalous effect Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 12
- 238000003745 diagnosis Methods 0.000 abstract description 6
- 230000005611 electricity Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Fuzzy Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于多维数据分析的能源超量程使用监测方法，包括：S100，统计能源使用时的多维数据，通过比较统计的多维数据与对应预设的各多维数据阈值，获取多维数据中的异常数据点信息；S200，基于异常数据点信息，根据预设的匹配规则进行匹配校验；S300，基于匹配结果，输出监测结果；匹配规则为多个，当多个匹配规则均匹配时，则判定能源超量程使用。本发明利用能源使用过程中的多维数据，从多个角度去判定校验能源超量程使用，开展分析，丰富了数据维度，使模型本身可信度提升，对多维度校验后的结果使用匹配规则进行二次诊断，大幅降低了误报率，从而实现了快速准确的能源超量程识别，大幅提升了能源超量程监测工作的准确性和效率。
Description
技术领域
本发明涉及能源使用检测技术领域，尤其涉及一种基于多维数据分析的能源超量程使用监测方法。
背景技术
能源(如电能、燃气、水)等对人类的生活和社会的发展具有重要影响，在能源的使用过程中，为了进行能源使用量的统计，通常采用能源计量表(如电能表、燃气表、水表)来进行计量统计。然而，由于用户认为破坏或某些特殊使用场景下，能源的使用会超出原能源计量表预置计量量程，造成能源超量程使用的情况。
现有技术中，针对能源超量程使用，通常采用某单一维度的检测判定，存在判定结构不准确、误报的情况。
发明内容
本发明要解决的技术问题是如何提高能源超量程使用检测的准确性和可靠性，提供一种基于多维数据分析的能源超量程使用监测方法。
根据本发明实施例的基于多维数据分析的能源超量程使用监测方法，包括：
S100，统计能源使用时的多维数据，通过比较统计的多维数据与对应预设的各多维数据阈值，获取多维数据中的异常数据点信息；
S200，基于异常数据点信息，根据预设的匹配规则进行匹配校验；
S300，基于匹配结果，输出监测结果；
所述匹配规则为多个，当多个所述匹配规则均匹配时，则判定所述能源超量程使用。
根据本发明实施例的基于多维数据分析的能源超量程使用监测方法，利用能源使用过程中的多维数据、设置多个匹配规则，从多个角度去判定校验能源超量程使用，开展分析，丰富了数据维度，使模型本身可信度提升，对多维度校验后的结果使用多个匹配规则进行二次诊断，当多个匹配规则均匹配时，则判定能源超量程使用，大幅降低了误报率，从而实现了快速准确的能源超量程识别，大幅提升了能源超量程监测工作的准确性和效率。
根据本发明的一些实施例，步骤S100包括：
S110，根据统计的多维数据，生成多维数据对应的负荷数据图；
S120，在所述负荷数据图中，根据对应的数据阈值绘制限制线；
S130，将超出所述限制线的数据点确定为异常数据点。
在本发明的一些实施例中，步骤S100包括：
当多维数据中存在增量数值时，统计第一预设周期内的所述增量数值；
将超出能源计量表第一周期阈值的数据点确定为异常数据点。
根据本发明的一些实施例，步骤S100还包括：
统计第二预设周期内的所述增量数值，所述第二预设周期大于所述第一预设周期；
将超出能源计量表第二周期阈值的数据点确定为异常数据点。
在本发明的一些实施例中，步骤S100包括：
统计第三预设周期内的所述增量数值，所述第三预设周期大于所述第二预设周期；
将超出能源计量表第三周期阈值的数据点确定为异常数据点。
根据本发明的一些实施例，当所述能源为电能时，步骤S200中的预设匹配规则包括：
第一检测规则，用于将接收的第一类事件发生日期和第二类事件发生日期进行匹配，所述第一类事件和所述第二类事件为能源使用不规范上报的事件；
以第一类事件和第二类事件同时发生日期的数量与所述第一类事件和所述第二类事件中发生日期多的数量的比值计算一致率；
若所述一致率超过第一阈值，则满足第一检测规则。
在本发明的一些实施例中，步骤S200中的预设匹配规则还包括：
第二检测规则，用于统计所述第二类事件持续时长分布，计算所述第二类事件持续时长超过第一预设时长的次数占全部第二类事件次数的占比；
若所述占比超过第二阈值，则满足第二检测规则。
根据本发明的一些实施例，步骤S200中的预设匹配规则还包括：
第三检测规则，用于统计所述异常数据点中预设维度数据超出能源计量表第一量程值范围，计算超出能源计量表第一量程1.5倍的次数占全部过第二类事件次数的占比，若占比超过第三阈值，则满足第三检测规则。
在本发明的一些实施例中，步骤S200中的预设匹配规则还包括：
第四检测规则，用于统计第一类事件运行时间的分布情况，若运行时间超过第二预设时长的次数占全部第一类时间运行次数的占比超过第四阈值，则满足第四检测规则。
根据本发明的一些实施例，步骤S200中的预设匹配规则还包括：
第五检测规则，用于统计异常数据点对应的异常能源值，若所述异常能源值占能源一年总用量占比超过第五阈值，则满足第五检测规则。
附图说明
图1为根据本发明实施例的基于多维数据分析的能源超量程使用监测方法流程图；
图2为根据本发明实施例的绘制有限制线的负荷数据图示意图；
图3为根据本发明实施例基于多维数据分析的能源超量程使用监测装置示意图。
监测装置100，
异常数据点获取模块10，匹配校验模块20，输出模块30。
具体实施方式
为更进一步阐述本发明为达成预定目的所采取的技术手段及功效，以下结合附图及较佳实施例，对本发明进行详细说明如后。
本发明中说明书中对方法流程的描述及本发明说明书附图中流程图的步骤并非必须按步骤标号严格执行，方法步骤是可以改变执行顺序的。而且，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
如图1所示，根据本发明实施例的基于多维数据分析的能源超量程使用监测方法，包括：
S100，统计能源使用时的多维数据，通过比较统计的多维数据与对应预设的各多维数据阈值，获取多维数据中的异常数据点信息；
S200，基于异常数据点信息，根据预设的匹配规则进行匹配校验；
S300，基于匹配结果，输出监测结果；
匹配规则为多个，当多个匹配规则均匹配时，则判定能源超量程使用。
根据本发明实施例的基于多维数据分析的能源超量程使用监测方法，利用能源使用过程中的多维数据、设置多个匹配规则，从多个角度去判定校验能源超量程使用，开展分析，丰富了数据维度，使模型本身可信度提升，对多维度校验后的结果使用多个匹配规则进行二次诊断，当多个匹配规则均匹配时，则判定能源超量程使用，大幅降低了误报率，从而实现了快速准确的能源超量程识别，大幅提升了能源超量程监测工作的准确性和效率。
根据本发明的一些实施例，步骤S100包括：
S110，根据统计的多维数据，生成多维数据对应的负荷数据图；
例如，可以将每隔15分钟对应的能源使用数据统计在数据图中，生成对应维度数据的负荷数据图。
S120，在负荷数据图中，根据对应的数据阈值绘制限制线；
绘制限制线后的负荷数据图如图2所示，两条平行于横坐标的虚线为限制线，各圆圈为能源使用数据对应的数值。
S130，将超出限制线的数据点确定为异常数据点。
例如，可以将超出限制线外的数据点A和B作为异常数据点，并统计相应的异常数据点信息。
在本发明的一些实施例中，步骤S100包括：
S101，当多维数据中存在增量数值时，统计第一预设周期内的增量数值；
例如，第一预设周期可以以分钟为单位计量的周期，例如15分钟、30分钟等等。
S102，将超出能源计量表第一周期阈值的数据点确定为异常数据点。
根据本发明的一些实施例，步骤S100还包括：
S111，统计第二预设周期内的增量数值，第二预设周期大于第一预设周期；
例如，第二预设周期可以为以日为单位计量的周期，如1日、2日、3日等等。
S112，将超出能源计量表第二周期阈值的数据点确定为异常数据点。
在本发明的一些实施例中，步骤S100包括：
S121，统计第三预设周期内的增量数值，第三预设周期大于第二预设周期；
例如，第三预设周期可以为以月为单位计量的周期，如0.5月、1月、1.5月等等。
S122，将超出能源计量表第三周期阈值的数据点确定为异常数据点。
根据本发明的一些实施例，当能源为电能时，步骤S200中的预设匹配规则包括：
第一检测规则，用于将接收的第一类事件发生日期和第二类事件发生日期进行匹配，第一类事件和第二类事件为能源使用不规范上报的事件；
需要说明的是，第一类事件和第二类事件采用两种不同的监测机制，例如，当采用现有技术监测能源超量程使用时，可以触发第一类事件的上报。用户使用能源的某维度数值超过能源计量表对应预设阈值时，触发第二类事件上报。
以第一类事件和第二类事件同时发生日期的数量与第一类事件和第二类事件中发生日期多的数量的比值计算一致率；
也就是说，以第一类事件和第二类事件同事发生的日期数为分子，以第一类事件和第二类事件中发生次数较多的天数为分母来计算一致率。
若一致率超过第一阈值，则满足第一检测规则。
例如，第一阈值的范围可以设置为55％-65％。
在本发明的一些实施例中，步骤S200中的预设匹配规则还包括：
第二检测规则，用于统计第二类事件持续时长分布，计算第二类事件持续时长超过第一预设时长的次数占全部第二类事件次数的占比；
例如，第一预设时长的范围可以设置为5-15分钟。
若占比超过第二阈值，则满足第二检测规则。
例如，第二阈值的范围可以设置为70％-80％。
根据本发明的一些实施例，步骤S200中的预设匹配规则还包括：
第三检测规则，用于统计异常数据点中预设维度数据超出能源计量表第一量程值范围，计算超出能源计量表第一量程1.5倍的次数占全部过第二类事件次数的占比，若占比超过第三阈值，则满足第三检测规则。
例如，第三阈值的范围可以设置为45％-55％。
在本发明的一些实施例中，步骤S200中的预设匹配规则还包括：
第四检测规则，用于统计第一类事件运行时间的分布情况，若运行时间超过第二预设时长的次数占全部第一类时间运行次数的占比超过第四阈值，则满足第四检测规则。
例如，第二预设时长的范围可以为1分钟-3分钟，第四阈值的范围可以为80％-100％。
根据本发明的一些实施例，步骤S200中的预设匹配规则还包括：
第五检测规则，用于统计异常数据点对应的异常能源值，若异常能源值占能源一年总用量占比超过第五阈值，则满足第五检测规则。
例如，第五阈值的范围可以为1％-2％。
需要说明的是，本发明中，通过步骤S100获取多维数据中的异常数据点信息后，基于异常数据点信息对上述第一检测规则、第二检测规则、第三检测规则、第四检测规则及第五检测规则进行匹配检测，若上述五个检测规则全部满足，则判定为能源超量程使用。
如图3所示，本发明的上述监测方法可以通过监测装置100来执行实现，监测装置100包括：异常数据点获取模块10、匹配校验模块20和输出模块30。
其中，异常数据点获取模块10用于统计能源使用时的多维数据，通过比较统计的多维数据与对应预设的各多维数据阈值，获取多维数据中的异常数据点信息；
匹配校验模块20用于基于异常数据点信息，根据预设的匹配规则进行匹配校验；
输出模块30用于基于匹配结果，输出监测结果。
为了便于对本发明方案的理解，下面以电能为例对本发明提出的基于多维数据分析的能源超量程使用监测方法进行详细说明。值得理解的是，下述描述仅是示例性描述，而不应理解为对本发明的具体限制。
随着现代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，但由于破坏计量设备或违约用电行为给企业带来的电量流失往往很大，超量程等异常用电违规行为用电给供电企业带来的经济损失不可低估。因此，对异常用电行为不但要善于发现和查处，同时，还更要根据现场的具体情况进行数据分析，实时对疑似违规用电或破坏计量设备行为的在线监控。
目前国网对于电表超量程的判定逻辑为：
以每日10小时有效用电时间计算，用户表平均电流大于额定最大电流的，则判定当天数据为户表超量程。
上述技术方案中，假设条件“以每日10小时有效用电时间计算”本身过于武断，类似计量在线监测最初版本中对电能表飞走的分季节判断方式类似，按照人为设定阈值的方式来判断电能表是否超量程逻辑不严谨，且低压台区中用户用电缺失存在长时间运行达到一半负荷的情况；仅使用用户表平均电流作为判断条件，缺少电量计算之外的相关辅助信息进行判断。因此，结合多维数据，运用大数据分析手段，快速准确地识别户表超量程就是本发明要解决的问题。
本实施例主要是针对户表超量程现象，为了克服以上不足，提出了一种基于负荷分析的计量点超量程异常诊断方法，对负荷曲线进行多维分析，对户表超量程情况进行全面校验，再通过过流事件检测诊断策略，准确识别超量程户表。基于负荷分析的计量点超量程异常诊断方法的具体模型策略如下：
S1，计量点超量程异常校验模型：
S11，校验计量点电流负荷曲线，判断各相电流是否存在数值绝对值大于电能表电流测量量程的异常数据，输出符合判断规则的异常计量点明细；
S12，校验计量点功率负荷曲线，判断各相功率是否存在数值绝对值大于电能表功率测量量程的异常数据，输出符合判断规则的异常计量点明细；
S13，校验计量点示值负荷曲线，判断各相示值增量是否存在增量数值大于电能表15分钟周期计量量程的异常数据，输出符合判断规则的异常计量点明细。
S14，校验计量点日最大需量负荷数据，判断各相最大需量是否存在数值绝对值大于电能表功率测量量程的异常数据，输出符合判断规则的异常计量点明细。
S15，校验计量点抄表历日周期内最大需量负荷数据，判断各相最大需量是否存在数值绝对值大于电能表功率测量量程的异常数据，输出负荷判断规则的异常计量点明细。
S2，计量点计量超量程异常诊断模型：
对计量点超量程异常校验模型中输出的异常计量点进行以下分析，若该计量点满足全部异常条件，则判定该计量点存在超量程异常。
S21，超量程一致性检测：
对计量点超量程异常校验模型中输出的异常计量点超量程电能表发生日期、电能表过流事件发生日期进行一致性校核比对，即研判一致天数与超量程和过流事件之间的最大值进行比值处理，若一致率超过60％，则该计量点满足超量程一致性分析异常条件。
需要说明的是，超量程电能表发生日期和电能表过流事件发生日期通过异常上报获取，超量程电能表和电能表过流事件采用两种不同的监测机制，例如，当用户使用电流超过电能表预设电流时，会上报电能表过流事件。超量程电能表事件可以采用上述的现有监测技术触发上报。
S22，过流事件时长分析：
统计计量点超量程异常校验模型中输出的异常计量点所有电能表的过流事件持续时长分布，计算过流事件持续时长超过10分钟的次数占全部过流事件次数占比，若过流事件持续时长超过10分钟的次数占比超过75％，则该计量点满足过流时长分析异常条件。
S23，过流事件电流分析：
统计计量点超量程异常校验模型中输出的异常计量点所有电能表的过流数值与电表分相电流最大量程的比值分布情况，计算过流数值超过电表分相电流最大量程1.5倍的次数占全部过流时间次数的占比，若占比超过50％，则该计量点满足过流电流分析异常条件。
S24，电表超量程运行时间分析：
统计计量点超量程异常校验模型中输出的异常计量点所有电能表超量程运行时间的分布情况，若运行时间超过两分钟的次数占全部超量程运行次数的80％以上，则该计量点满足电表超量程运行时间分析异常条件。
S25，超量程电量占比分析：
统计计量点超量程异常校验模型中输出的异常计量点所有电能表超量程运行总电量，若超量程运行电量超过该计量点一年总用量占比的1％，则该计量点满足电表超量程电量占比异常条件。
综上所述，本实施例相比国网标准，从电流、电量、示值负荷曲线、日最大需量负荷数据、抄表历日周期内最大需量负荷数据等多个角度去判定校验户表超量程，开展分析，丰富了数据维度，使模型本身可信度提升；结合过流事件与超量程本身高相关性的特点，对过流事件的特征开展分析，对多维度校验后的结果使用大数据分析手段进行二次诊断，大幅降低了误报率，从而实现了快速准确的户表超量程识别，大幅提升了用点监测工作的准确性和效率。
通过具体实施方式的说明，应当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解，然而所附图示仅是提供参考与说明之用，并非用来对本发明加以限制。
Claims (10)
1.一种基于多维数据分析的能源超量程使用监测方法，其特征在于，包括：
S100，统计能源使用时的多维数据，通过比较统计的多维数据与对应预设的各多维数据阈值，获取多维数据中的异常数据点信息；
S200，基于异常数据点信息，根据预设的匹配规则进行匹配校验；
S300，基于匹配结果，输出监测结果；
所述匹配规则为多个，当多个所述匹配规则均匹配时，则判定所述能源超量程使用。
2.根据权利要求1所述的基于多维数据分析的能源超量程使用监测方法，其特征在于，步骤S100包括：
S110，根据统计的多维数据，生成多维数据对应的负荷数据图；
S120，在所述负荷数据图中，根据对应的数据阈值绘制限制线；
S130，将超出所述限制线的数据点确定为异常数据点。
3.根据权利要求1所述的基于多维数据分析的能源超量程使用监测方法，其特征在于，步骤S100包括：
当多维数据中存在增量数值时，统计第一预设周期内的所述增量数值；
将超出能源计量表第一周期阈值的数据点确定为异常数据点。
4.根据权利要求3所述的基于多维数据分析的能源超量程使用监测方法，其特征在于，步骤S100还包括：
统计第二预设周期内的所述增量数值，所述第二预设周期大于所述第一预设周期；
将超出能源计量表第二周期阈值的数据点确定为异常数据点。
5.根据权利要求4所述的基于多维数据分析的能源超量程使用监测方法，其特征在于，步骤S100包括：
统计第三预设周期内的所述增量数值，所述第三预设周期大于所述第二预设周期；
将超出能源计量表第三周期阈值的数据点确定为异常数据点。
6.根据权利要求1所述的基于多维数据分析的能源超量程使用监测方法，其特征在于，当所述能源为电能时，步骤S200中的预设匹配规则包括：
第一检测规则，用于将接收的第一类事件发生日期和第二类事件发生日期进行匹配，所述第一类事件和所述第二类事件为能源使用不规范上报的事件；
以第一类事件和第二类事件同时发生日期的数量与所述第一类事件和所述第二类事件中发生日期多的数量的比值计算一致率；
若所述一致率超过第一阈值，则满足第一检测规则。
7.根据权利要求6所述的基于多维数据分析的能源超量程使用监测方法，其特征在于，步骤S200中的预设匹配规则还包括：
第二检测规则，用于统计所述第二类事件持续时长分布，计算所述第二类事件持续时长超过第一预设时长的次数占全部第二类事件次数的占比；
若所述占比超过第二阈值，则满足第二检测规则。
8.根据权利要求7所述的基于多维数据分析的能源超量程使用监测方法，其特征在于，步骤S200中的预设匹配规则还包括：
第三检测规则，用于统计所述异常数据点中预设维度数据超出能源计量表第一量程值范围，计算超出能源计量表第一量程1.5倍的次数占全部过第二类事件次数的占比，若占比超过第三阈值，则满足第三检测规则。
9.根据权利要求8所述的基于多维数据分析的能源超量程使用监测方法，其特征在于，步骤S200中的预设匹配规则还包括：
第四检测规则，用于统计第一类事件运行时间的分布情况，若运行时间超过第二预设时长的次数占全部第一类时间运行次数的占比超过第四阈值，则满足第四检测规则。
10.根据权利要求9所述的基于多维数据分析的能源超量程使用监测方法，其特征在于，步骤S200中的预设匹配规则还包括：
第五检测规则，用于统计异常数据点对应的异常能源值，若所述异常能源值占能源一年总用量占比超过第五阈值，则满足第五检测规则。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210993028.4A CN115292387B (zh) | 2022-08-18 | 2022-08-18 | 一种基于多维数据分析的能源超量程使用监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210993028.4A CN115292387B (zh) | 2022-08-18 | 2022-08-18 | 一种基于多维数据分析的能源超量程使用监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115292387A true CN115292387A (zh) | 2022-11-04 |
| CN115292387B CN115292387B (zh) | 2023-05-23 |
Family
ID=83829691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210993028.4A Active CN115292387B (zh) | 2022-08-18 | 2022-08-18 | 一种基于多维数据分析的能源超量程使用监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115292387B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150233981A1 (en) * | 2014-02-17 | 2015-08-20 | Sony Corporation | Automatic gain control apparatus, automatic gain control method, and receiver |
| CN107742127A (zh) * | 2017-10-19 | 2018-02-27 | 国网辽宁省电力有限公司 | 一种改进的防窃电智能预警系统及方法 |
| CN108492043A (zh) * | 2018-03-29 | 2018-09-04 | 南京财经大学 | 一种基于聚类算法的电力用户负荷测算方法 |
| CN110968703A (zh) * | 2019-12-06 | 2020-04-07 | 国网天津市电力公司电力科学研究院 | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 |
| US20210250222A1 (en) * | 2020-02-12 | 2021-08-12 | EXFO Solutions SAS | Method and system for determining root-cause diagnosis of events occurring during the operation of a communication network |
| CN114328075A (zh) * | 2021-09-09 | 2022-04-12 | 广东电网有限责任公司广州供电局 | 一种智能配电房传感器多维数据融合异常事件检测方法、系统及计算机可读存储介质 |
| CN114386745A (zh) * | 2021-11-24 | 2022-04-22 | 国网湖南省电力有限公司 | 一种pms变电设备数据核查识别方法及系统 |
-
2022
- 2022-08-18 CN CN202210993028.4A patent/CN115292387B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150233981A1 (en) * | 2014-02-17 | 2015-08-20 | Sony Corporation | Automatic gain control apparatus, automatic gain control method, and receiver |
| CN107742127A (zh) * | 2017-10-19 | 2018-02-27 | 国网辽宁省电力有限公司 | 一种改进的防窃电智能预警系统及方法 |
| CN108492043A (zh) * | 2018-03-29 | 2018-09-04 | 南京财经大学 | 一种基于聚类算法的电力用户负荷测算方法 |
| CN110968703A (zh) * | 2019-12-06 | 2020-04-07 | 国网天津市电力公司电力科学研究院 | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 |
| US20210250222A1 (en) * | 2020-02-12 | 2021-08-12 | EXFO Solutions SAS | Method and system for determining root-cause diagnosis of events occurring during the operation of a communication network |
| CN114328075A (zh) * | 2021-09-09 | 2022-04-12 | 广东电网有限责任公司广州供电局 | 一种智能配电房传感器多维数据融合异常事件检测方法、系统及计算机可读存储介质 |
| CN114386745A (zh) * | 2021-11-24 | 2022-04-22 | 国网湖南省电力有限公司 | 一种pms变电设备数据核查识别方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 黄坚勇等: "电能计量装置异常数据动态辨识研究", 《广西电力》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115292387B (zh) | 2023-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111521868B (zh) | 一种基于计量大数据筛查窃电用户的方法及装置 | |
| CN106203832B (zh) | 智能防窃电分析系统及分析方法 | |
| CN107680368A (zh) | 一种基于采集数据的计量装置在线监测与智能诊断方法 | |
| CN110531303B (zh) | 在运智能电能表批次故障预警方法及其系统 | |
| CN113420992A (zh) | 一种电力系统网络风险评估方法与系统 | |
| CN102280874A (zh) | 一种台区线损率检测系统 | |
| CN108898311A (zh) | 一种面向智能配电网抢修调度平台的数据质量检测方法 | |
| CN111008193A (zh) | 一种数据清洗与质量评价方法及系统 | |
| CN110780261B (zh) | 一种电量采集数据核对方法及系统 | |
| CN110675018B (zh) | 一种基于专家规则的线损异常分析与闭环管理的方法 | |
| CN116345700B (zh) | 一种用于储能电站的能耗监测方法及监测系统 | |
| CN110750760B (zh) | 一种基于态势感知和控制图的异常理论线损检测方法 | |
| CN115689396A (zh) | 污染物排放管控方法、装置、设备及介质 | |
| CN117978628B (zh) | 一种基于智慧园区通信控制方法及系统 | |
| CN114325555B (zh) | 一种计量设备异常在线监测模型及误差计算方法 | |
| CN115809805A (zh) | 基于边缘计算的电网多源数据处理方法 | |
| CN113888360A (zh) | 一种窃电用户识别方法、装置、设备及存储介质 | |
| CN117293758B (zh) | 基于故障识别的数字化配电馈线监测终端自动化保护方法 | |
| CN117856245A (zh) | 基于网格化管理的台区线损分析方法、装置及存储介质 | |
| CN112785456A (zh) | 基于向量自回归模型的高损线路窃电检测方法 | |
| CN115292387B (zh) | 一种基于多维数据分析的能源超量程使用监测方法 | |
| CN110458480B (zh) | 一种发电厂化学仪表准确性在线评价系统 | |
| CN109443395B (zh) | 一种用能强度多点计量差值超过限值判断方法及系统 | |
| CN105548939B (zh) | 一种电压互感器状态检验方法 | |
| CN114740419A (zh) | 基于“三维图”分析台区电表误差的方法、装置、设备和介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |