CN115549313B - 基于人工智能的用电监测方法及系统 - Google Patents
基于人工智能的用电监测方法及系统 Download PDFInfo
- Publication number
- CN115549313B CN115549313B CN202211401471.4A CN202211401471A CN115549313B CN 115549313 B CN115549313 B CN 115549313B CN 202211401471 A CN202211401471 A CN 202211401471A CN 115549313 B CN115549313 B CN 115549313B
- Authority
- CN
- China
- Prior art keywords
- impedance
- user
- value
- acquiring
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 30
- 238000010586 diagram Methods 0.000 claims abstract description 69
- 206010000117 Abnormal behaviour Diseases 0.000 claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 23
- 238000012423 maintenance Methods 0.000 claims abstract description 16
- 230000005611 electricity Effects 0.000 claims description 84
- 238000001514 detection method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004040 coloring Methods 0.000 claims description 3
- 230000035515 penetration Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 33
- 230000015654 memory Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004042 decolorization Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Human Computer Interaction (AREA)
- Probability & Statistics with Applications (AREA)
- Water Supply & Treatment (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)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及电力监测技术领域,具体公开了一种基于人工智能的用电监测方法及系统,所述方法包括获取供电中心的线路图,根据所述线路图确定并配置监测端;基于所述监测端获取电力参数,根据所述电力参数生成用户行为表;对所述用户行为表进行识别,计算行为异常值,当所述行为异常值达到预设的异常阈值时,在供电中心中定位目标区域;根据所述目标区域调取移动端,基于所述移动端获取目标区域的视频信息;对所述视频信息进行识别,统计识别结果,更新供电中心维护任务。本发明提供了精准、高效、智能、便捷的保电服务,为保电工作提供专业解决方案以提升可靠性。
Description
技术领域
本发明涉及电力监测技术领域,具体是一种基于人工智能的用电监测方法及系统。
背景技术
当今是互联网的时代,我们仍然对电力有着持续增长的需求,因为我们发明了电脑、家电等更多使用电力的产品。不可否认新技术的不断出现使得电力成为人们的必需品。互联网相关行业在城市的发展过程中的占比越来越大,相应的,电力支持工作的重要性也越来越高;可以想到,没有好的电力支持架构,互联网相关行业就像是沙滩上的城堡,又或者是空中楼阁,非常不稳。
但是,在目前的保电工作中电力设备种类较多、运行方式不一,但保电工作缺少自动化控制流程和设备,主要由人工来完成,自动化程度低、人员配置较多、经验积累要求高、工作强度大、工作时间长;电力支持工作实现起来非常困难,如何优化保电工作的架构,提高智能化水平是本发明技术方案想要解决的技术问题。
发明内容
本发明的目的在于提供一种基于人工智能的用电监测方法及系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于人工智能的用电监测方法,所述方法包括:
获取供电中心的线路图,根据所述线路图确定并配置监测端;
基于所述监测端获取电力参数,根据所述电力参数生成用户行为表;
对所述用户行为表进行识别,计算行为异常值,当所述行为异常值达到预设的异常阈值时,在供电中心中定位目标区域;
根据所述目标区域调取移动端,基于所述移动端获取目标区域的视频信息;
对所述视频信息进行识别,统计识别结果,更新供电中心维护任务。
作为本发明进一步的方案:所述获取供电中心的线路图,根据所述线路图确定并配置监测端的步骤包括:
获取供电中心的线路布置图,根据各线路的功能标签确定各线路的电流走向;
统计所述电流走向和所述线路布置图确定根节点及根节点上的子节点,得到线路图;所述线路图为树状图;
基于各个子节点获取用电备案信息,根据所述用户备案信息确定并配置监测端。
作为本发明进一步的方案:所述基于各个子节点获取用电备案信息,根据所述用户备案信息确定并配置监测端的步骤包括:
获取各个子节点的备案用户,向备案用户发送电量预测请求,接收备案用户发送的含有用电周期的预测电量;
实时获取备案用户在所述用电周期内的用电量,根据所述用电量和预测电量计算偏差电量;
根据时间顺序排列偏差电量,确定备案用户的异常概率;
根据所述用电量确定监测端,根据所述异常概率配置所述监测端。
作为本发明进一步的方案:所述基于所述监测端获取电力参数,根据所述电力参数生成用户行为表的步骤包括:
基于监测端实时获取以时间为索引的电力参数;所述电力参数包括电流和电压;
根据所述电压和所述电流计算阻抗值,根据所述时间拟合所述阻抗值,得到阻抗曲线;
根据预设长度的时间窗滑动截取阻抗曲线,计算平均阻抗;
基于所述平均阻抗判断各时刻阻抗值的变化幅度,根据所述变化幅度标记突变时刻点;
依次获取突变时刻点的电流和电压,输入预设的判定模型,得到用户行为表。
作为本发明进一步的方案:所述基于所述平均阻抗判断各时刻阻抗值的变化幅度,根据所述变化幅度标记突变时刻点的步骤包括:
读取时间窗及其平均阻抗;
读取目标时段的阻抗值,计算阻抗值与平均阻抗的变化率;所述目标时段为时间窗的后一段相邻时间,所述相邻时间的时长为时间穿的预设百分比值;
将所述变化率与预设的变化率阈值进行比对,当所述变化率达到预设的变化率阈值时,标记目标时段;
基于目标时段更新所述时间窗,并循环执行上述内容。
作为本发明进一步的方案:所述对所述用户行为表进行识别,计算行为异常值的步骤包括:
遍历所述用户行为表,更新电压最值和电流最值;
读取用户行为表中突变时刻点,生成方波信号,将所述方波信号输入训练好的方波识别模型,计算得到稳定值;
将所述电压最值、电流最值和所述稳定值输入预设的线性公式,计算得到行为异常值。
作为本发明进一步的方案:所述对所述视频信息进行识别,统计识别结果,更新供电中心维护任务的步骤包括:
对所述视频信息进行去色处理,得到灰度视频;
计算所述灰度视频中各图像的灰度均值,得到灰度数列;
根据所述灰度数列中的众数标记风险数值,查询风险数值对应的图像,作为该移动端的识别结果;
统计所有监测端的识别结果,向检测端发送,接收检测端反馈的供电中心维护任务。
本发明技术方案还提供了一种基于人工智能的用电监测系统,所述系统包括:
监测端配置模块,用于获取供电中心的线路图,根据所述线路图确定并配置监测端;
行为表生成模块,用于基于所述监测端获取电力参数,根据所述电力参数生成用户行为表;
目标区域定位模块,用于对所述用户行为表进行识别,计算行为异常值,当所述行为异常值达到预设的异常阈值时,在供电中心中定位目标区域;
视频信息获取模块,用于根据所述目标区域调取移动端,基于所述移动端获取目标区域的视频信息;
识别统计模块,用于对所述视频信息进行识别,统计识别结果,更新供电中心维护任务。
作为本发明进一步的方案:所述监测端配置模块包括:
基础信息获取单元,用于获取供电中心的线路布置图,根据各线路的功能标签确定各线路的电流走向;
线路图生成单元,用于统计所述电流走向和所述线路布置图确定根节点及根节点上的子节点,得到线路图;所述线路图为树状图;
备案信息获取单元,用于基于各个子节点获取用电备案信息,根据所述用户备案信息确定并配置监测端。
作为本发明进一步的方案:所述备案信息获取单元包括:
预测子单元,用于获取各个子节点的备案用户,向备案用户发送电量预测请求,接收备案用户发送的含有用电周期的预测电量;
偏差计算子单元,用于实时获取备案用户在所述用电周期内的用电量,根据所述用电量和预测电量计算偏差电量;
概率计算子单元,用于根据时间顺序排列偏差电量,确定备案用户的异常概率;
配置子单元,用于根据所述用电量确定监测端,根据所述异常概率配置所述监测端。
与现有技术相比,本发明的有益效果是:本发明基于线路图确定并配置监测端,根据监测端实时监测用户行为,对用户行为进行分析后,定位目标区域,向移动端发送视频信息获取指令,获取视频信息,基于视频信息对目标区域进行识别,判断是否存在异常行为。
本发明研制部署了一套基于人工智能的可移动式保电装置,充分利用可移动和人工智能判别的特性,同时利用无线通讯技术实现单兵可移动式保电装置与地市公司电力应急指挥指挥中心系统协同,实现电力应急指挥流程中事前隐患排查、事中故障定位分析,事后故障排除,从而提供精准、高效、智能、便捷的保电服务,为保电工作提供专业解决方案以提升可靠性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例。
图1为基于人工智能的用电监测方法的流程框图。
图2为基于人工智能的用电监测方法的第一子流程框图。
图3为基于人工智能的用电监测方法的第二子流程框图。
图4为基于人工智能的用电监测方法的第三子流程框图。
图5为基于人工智能的用电监测方法的第四子流程框图。
图6为基于人工智能的用电监测系统的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
图1为基于人工智能的用电监测方法的流程框图,本发明实施例中,一种基于人工智能的用电监测方法,所述方法包括:
步骤S100:获取供电中心的线路图,根据所述线路图确定并配置监测端;
供电中心的线路图与实际的供电线路对应,它需要根据实际情况定期调整;每个用户都连接在所述线路图上,对每个用户都配置一个监测端,用于获取用户的用电行为;
步骤S200:基于所述监测端获取电力参数,根据所述电力参数生成用户行为表;
基于监测端获取电力参数,对电力参数进行分析,可以得到该用户的用户行为,存储用户行为,可以生成用户行为表。
步骤S300:对所述用户行为表进行识别,计算行为异常值,当所述行为异常值达到预设的异常阈值时,在供电中心中定位目标区域;
用户行为表反映了用户的用电行为,基于这些用户行为,可以计算出行为异常值,当所述行为异常值达到预设的条件时,就需要对该用户在供电中心中对应的区域进行进一步的检测识别;值得一提的是,在这一系统架构下,供电中心可以是分散式的区域。
步骤S400:根据所述目标区域调取移动端,基于所述移动端获取目标区域的视频信息;
对于目标区域的识别是基于视觉的识别过程,基于视觉的识别过程中的信息获取过程需要借助移动端,总控制台向移动端发送指令,移动端运动到指定位置处时,获取目标区域的视频信息。
步骤S500:对所述视频信息进行识别,统计识别结果,更新供电中心维护任务;
对移动端获取到的视频信息进行识别,可以得到识别结果,结合所有的识别结果,根据所有识别结果定时更新供电中心的维护任务,维护任务的目标包括各个区域。
图2为基于人工智能的用电监测方法的第一子流程框图,所述获取供电中心的线路图,根据所述线路图确定并配置监测端的步骤包括:
步骤S101:获取供电中心的线路布置图,根据各线路的功能标签确定各线路的电流走向;
步骤S102:统计所述电流走向和所述线路布置图确定根节点及根节点上的子节点,得到线路图;所述线路图为树状图;
步骤S103:基于各个子节点获取用电备案信息,根据所述用户备案信息确定并配置监测端。
上述内容对监测端的确定及配置过程进行了具体的限定,首先,获取供电中心的线路布置图,所述线路布置图是静态图,根据每条线路的电流走向,可以确定各个节点及相应的节点类型;根据节点及相应的节点类型,可以建立一个树状结构的线路图;基于这一树状结构的线路图,确定并配置监测端。
具体的,所述基于各个子节点获取用电备案信息,根据所述用户备案信息确定并配置监测端的步骤包括:
获取各个子节点的备案用户,向备案用户发送电量预测请求,接收备案用户发送的含有用电周期的预测电量;
有些子节点与用户连接,有些是空节点,与用户连接的子节点都会经过备案;向已备案的用户发送电量预测请求,可以接收该用户对自身用电行为的预测情况;该预测情况一方面反映了用户对自身情况的了解程度,另一方面,也可以视为一种保证。
实时获取备案用户在所述用电周期内的用电量,根据所述用电量和预测电量计算偏差电量;
实时获取备案用户在一个用电周期内的用电量,比对用电量和预测电量,可以计算出偏差电量,偏差电量可正可负,当用电量高于预测电量时,偏差电量视为正;由偏差电量可以确定用户的用电习惯。
根据时间顺序排列偏差电量,确定备案用户的异常概率;
如果偏差电量一直为正且值较大,就可以认为用户对自身不够了解,如果偏差电量为负值,可以说明用户虽然对自身不够了解,但是他的用电习惯良好。统计不同用电周期的偏差电量,由偏差电量的值可以确定异常概率,异常概率用于反映用户的行为习惯。
根据所述用电量确定监测端,根据所述异常概率配置所述监测端;
由用电量确定不同型号的监测端,根据异常概率确定该监测端的数据采集参数。图3为基于人工智能的用电监测方法的第二子流程框图,所述基于所述监测端获取电力参数,根据所述电力参数生成用户行为表的步骤包括:
步骤S201:基于监测端实时获取以时间为索引的电力参数;所述电力参数包括电流和电压;
步骤S202:根据所述电压和所述电流计算阻抗值,根据所述时间拟合所述阻抗值,得到阻抗曲线;
计算出的阻抗是虚拟的阻抗,当用户使用新的电器时,相应的阻抗会发生变化;统计不同时刻的阻抗,可以得到阻抗曲线;
步骤S203:根据预设长度的时间窗滑动截取阻抗曲线,计算平均阻抗;
步骤S204:基于所述平均阻抗判断各时刻阻抗值的变化幅度,根据所述变化幅度标记突变时刻点;
上述内容的目的是标记阻抗发生突变的时间点,是否突变需要由前一段时间的平均阻抗进行判断,如果新的阻抗与前一段时间的平均阻抗之间的变化幅度较大,就说明新的阻抗对应的时间点是突变时刻点;所述前一段时间的时间跨度是预设值,也就是上述时间窗。
步骤S205:依次获取突变时刻点的电流和电压,输入预设的判定模型,得到用户行为表;
读取突变时刻点的电流和电压,根据电流和电压即可反映用户的用电行为,生成用户行为表。
进一步的,所述基于所述平均阻抗判断各时刻阻抗值的变化幅度,根据所述变化幅度标记突变时刻点的步骤包括:
读取时间窗及其平均阻抗;
读取目标时段的阻抗值,计算阻抗值与平均阻抗的变化率;所述目标时段为时间窗的后一段相邻时间,所述相邻时间的时长为时间穿的预设百分比值;
将所述变化率与预设的变化率阈值进行比对,当所述变化率达到预设的变化率阈值时,标记目标时段;
基于目标时段更新所述时间窗,并循环执行上述内容。
上述内容对突变时刻点的标记过程进行了具体的限定,时间是连续的,但是采集到的数据却不是连续的,因此,在对新的阻抗进行判断的过程中,新的阻抗实际上也是一段时间的阻抗,对新的一段时间进行分析;新的一段时间的时间跨度可以是时间窗的1%等百分比数值。
图4为基于人工智能的用电监测方法的第三子流程框图,所述对所述用户行为表进行识别,计算行为异常值的步骤包括:
步骤S301:遍历所述用户行为表,更新电压最值和电流最值;
步骤S302:读取用户行为表中突变时刻点,生成方波信号,将所述方波信号输入训练好的方波识别模型,计算得到稳定值;
步骤S303:将所述电压最值、电流最值和所述稳定值输入预设的线性公式,计算得到行为异常值。
行为异常值由三个参数影响,分别是电压最值、电流最值和稳定值,其中,电压最值和电流最值的影响比重大于稳定值的影响比值,如果电压最值或电流最值出现异常,那么行为异常值就会很高;如果电压最值和电流最值均满足条件,此时,稳定值才会对行为异常值有较大影响。
图5为基于人工智能的用电监测方法的第四子流程框图,所述对所述视频信息进行识别,统计识别结果,更新供电中心维护任务的步骤包括:
步骤S101:对所述视频信息进行去色处理,得到灰度视频;
步骤S402:计算所述灰度视频中各图像的灰度均值,得到灰度数列;
对视频信息进行去色处理的方法有很多,在现有的图像处理软件中属于已有技术;根据去色后的各像素点的灰度值,可以计算得到整个灰度图像的灰度均值,统计所有灰度图像对应的灰度均值,可以得到灰度数列。
步骤S403:根据所述灰度数列中的众数标记风险数值,查询风险数值对应的图像,作为该移动端的识别结果;
正常情况下,电力区域的监控视频中的图像都是静态图像,其灰度均值几乎是相同的;当出现某些人员或者电力设施出现问题时,灰度均值才会发生变化,因此,获取灰度数列的众数,然后将不是众数的数值标记为风险数值,查询对应的图像,就是识别结果;需要说明的是,上述内容中提及的众数是一个范围,属于该范围内的数值均视为同一数值,这是对纯数学意义上的众数进行的扩充。
步骤S404:统计所有监测端的识别结果,向检测端发送,接收检测端反馈的供电中心维护任务;
统计各个移动端选取的识别结果(图像),向检测端发送,所述检测端是含有识别算法的人工检测端,识别算法辅助人工对识别结果进行分析,然后更新并发布供电中心维护任务。
实施例2
图6为基于人工智能的用电监测系统的组成结构框图,本发明实施例中,一种基于人工智能的用电监测系统,所述系统10包括:
监测端配置模块11,用于获取供电中心的线路图,根据所述线路图确定并配置监测端;
行为表生成模块12,用于基于所述监测端获取电力参数,根据所述电力参数生成用户行为表;
目标区域定位模块13,用于对所述用户行为表进行识别,计算行为异常值,当所述行为异常值达到预设的异常阈值时,在供电中心中定位目标区域;
视频信息获取模块14,用于根据所述目标区域调取移动端,基于所述移动端获取目标区域的视频信息;
识别统计模块15,用于对所述视频信息进行识别,统计识别结果,更新供电中心维护任务。
所述监测端配置模块11包括:
基础信息获取单元,用于获取供电中心的线路布置图,根据各线路的功能标签确定各线路的电流走向;
线路图生成单元,用于统计所述电流走向和所述线路布置图确定根节点及根节点上的子节点,得到线路图;所述线路图为树状图;
备案信息获取单元,用于基于各个子节点获取用电备案信息,根据所述用户备案信息确定并配置监测端。
所述备案信息获取单元包括:
预测子单元,用于获取各个子节点的备案用户,向备案用户发送电量预测请求,接收备案用户发送的含有用电周期的预测电量;
偏差计算子单元,用于实时获取备案用户在所述用电周期内的用电量,根据所述用电量和预测电量计算偏差电量;
概率计算子单元,用于根据时间顺序排列偏差电量,确定备案用户的异常概率;
配置子单元,用于根据所述用电量确定监测端,根据所述异常概率配置所述监测端。
所述基于人工智能的用电监测方法所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述基于人工智能的用电监测方法的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
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。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (5)
1.一种基于人工智能的用电监测方法,其特征在于,所述方法包括:
获取供电中心的线路图,根据所述线路图确定并配置监测端;
基于所述监测端获取电力参数,根据所述电力参数生成用户行为表;
对所述用户行为表进行识别,计算行为异常值,当所述行为异常值达到预设的异常阈值时,在供电中心中定位目标区域;
根据所述目标区域调取移动端,基于所述移动端获取目标区域的视频信息;
对所述视频信息进行识别,统计识别结果,更新供电中心维护任务;所述获取供电中心的线路图,根据所述线路图确定并配置监测端的步骤包括:
获取供电中心的线路布置图,根据各线路的功能标签确定各线路的电流走向;
统计所述电流走向和所述线路布置图确定根节点及根节点上的子节点,得到线路图;所述线路图为树状图;
基于各个子节点获取用电备案信息,根据所述用户备案信息确定并配置监测端;
所述基于各个子节点获取用电备案信息,根据所述用户备案信息确定并配置监测端的步骤包括:
获取各个子节点的备案用户,向备案用户发送电量预测请求,接收备案用户发送的含有用电周期的预测电量;
实时获取备案用户在所述用电周期内的用电量,根据所述用电量和预测电量计算偏差电量;
根据时间顺序排列偏差电量,确定备案用户的异常概率;
根据所述用电量确定监测端,根据所述异常概率配置所述监测端;
所述基于所述监测端获取电力参数,根据所述电力参数生成用户行为表的步骤包括:
基于监测端实时获取以时间为索引的电力参数;所述电力参数包括电流和电压;
根据所述电压和所述电流计算阻抗值,根据所述时间拟合所述阻抗值,得到阻抗曲线;
根据预设长度的时间窗滑动截取阻抗曲线,计算平均阻抗;
基于所述平均阻抗判断各时刻阻抗值的变化幅度,根据所述变化幅度标记突变时刻点;
依次获取突变时刻点的电流和电压,输入预设的判定模型,得到用户行为表;
根据所述电力参数生成用户行为表的步骤包括:
步骤S201:基于监测端实时获取以时间为索引的电力参数;所述电力参数包括电流和电压;
步骤S202:根据所述电压和所述电流计算阻抗值,根据所述时间拟合所述阻抗值,得到阻抗曲线;
计算出的阻抗是虚拟的阻抗,当用户使用新的电器时,相应的阻抗会发生变化;统计不同时刻的阻抗,可以得到阻抗曲线;
步骤S203:根据预设长度的时间窗滑动截取阻抗曲线,计算平均阻抗;
步骤S204:基于所述平均阻抗判断各时刻阻抗值的变化幅度,根据所述变化幅度标记突变时刻点;
步骤S205:依次获取突变时刻点的电流和电压,输入预设的判定模型,得到用户行为表;
读取突变时刻点的电流和电压,根据电流和电压即可反映用户的用电行为,生成用户行为表;
所述基于所述平均阻抗判断各时刻阻抗值的变化幅度,根据所述变化幅度标记突变时刻点的步骤包括:
读取时间窗及其平均阻抗;
读取目标时段的阻抗值,计算阻抗值与平均阻抗的变化率;所述目标时段为时间窗的后一段相邻时间,所述相邻时间的时长为时间穿的预设百分比值;
将所述变化率与预设的变化率阈值进行比对,当所述变化率达到预设的变化率阈值时,标记目标时段;
基于目标时段更新所述时间窗,并循环执行上述内容;
所述对所述用户行为表进行识别,计算行为异常值的步骤包括:
遍历所述用户行为表,更新电压最值和电流最值;
读取用户行为表中突变时刻点,生成方波信号,将所述方波信号输入训练好的方波识别模型,计算得到稳定值;
将所述电压最值、电流最值和所述稳定值输入预设的线性公式,计算得到行为异常值。
2.根据权利要求1所述的基于人工智能的用电监测方法,其特征在于,所述对所述视频信息进行识别,统计识别结果,更新供电中心维护任务的步骤包括:
对所述视频信息进行去色处理,得到灰度视频;
计算所述灰度视频中各图像的灰度均值,得到灰度数列;
根据所述灰度数列中的众数标记风险数值,查询风险数值对应的图像,作为该移动端的识别结果;
统计所有监测端的识别结果,向检测端发送,接收检测端反馈的供电中心维护任务。
3.一种基于人工智能的用电监测系统,所述系统用于执行权利要求1-2中任意一项所述的用电监测方法,其特征在于,所述系统包括:
监测端配置模块,用于获取供电中心的线路图,根据所述线路图确定并配置监测端;
行为表生成模块,用于基于所述监测端获取电力参数,根据所述电力参数生成用户行为表;
目标区域定位模块,用于对所述用户行为表进行识别,计算行为异常值,当所述行为异常值达到预设的异常阈值时,在供电中心中定位目标区域;
视频信息获取模块,用于根据所述目标区域调取移动端,基于所述移动端获取目标区域的视频信息;
识别统计模块,用于对所述视频信息进行识别,统计识别结果,更新供电中心维护任务。
4.根据权利要求3所述的基于人工智能的用电监测系统,其特征在于,所述监测端配置模块包括:
基础信息获取单元,用于获取供电中心的线路布置图,根据各线路的功能标签确定各线路的电流走向;
线路图生成单元,用于统计所述电流走向和所述线路布置图确定根节点及根节点上的子节点,得到线路图;所述线路图为树状图;
备案信息获取单元,用于基于各个子节点获取用电备案信息,根据所述用户备案信息确定并配置监测端。
5.根据权利要求4所述的基于人工智能的用电监测系统,其特征在于,所述备案信息获取单元包括:
预测子单元,用于获取各个子节点的备案用户,向备案用户发送电量预测请求,接收备案用户发送的含有用电周期的预测电量;
偏差计算子单元,用于实时获取备案用户在所述用电周期内的用电量,根据所述用电量和预测电量计算偏差电量;
概率计算子单元,用于根据时间顺序排列偏差电量,确定备案用户的异常概率;
配置子单元,用于根据所述用电量确定监测端,根据所述异常概率配置所述监测端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211401471.4A CN115549313B (zh) | 2022-11-09 | 2022-11-09 | 基于人工智能的用电监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211401471.4A CN115549313B (zh) | 2022-11-09 | 2022-11-09 | 基于人工智能的用电监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115549313A CN115549313A (zh) | 2022-12-30 |
CN115549313B true CN115549313B (zh) | 2024-03-08 |
Family
ID=84721323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211401471.4A Active CN115549313B (zh) | 2022-11-09 | 2022-11-09 | 基于人工智能的用电监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115549313B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115936680B (zh) * | 2023-02-06 | 2023-05-12 | 北京安录国际技术有限公司 | 一种设备运维的智能派单方法及系统 |
CN115982577B (zh) * | 2023-03-20 | 2023-09-08 | 山东华网合众信息技术有限公司 | 一种智慧用电实时监测方法和系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009079395A1 (en) * | 2007-12-17 | 2009-06-25 | Edsa Micro Corporation | Real-time system verification and monitoring of protective device settings within an electrical power distribution network |
WO2016138750A1 (zh) * | 2015-03-04 | 2016-09-09 | 江苏省电力公司常州供电公司 | 一种电能质量扰动源定位系统及定位方法 |
CN107565559A (zh) * | 2017-09-29 | 2018-01-09 | 西南交通大学 | 一种配电网负荷谐波贡献评估的分段有界约束优化方法 |
CN109617096A (zh) * | 2018-12-27 | 2019-04-12 | 北京四方继保自动化股份有限公司 | 一种基于遍历阻抗的区域电网宽频带扰动稳定分析方法 |
CN113641723A (zh) * | 2021-07-22 | 2021-11-12 | 太原理工大学 | 一种基于线路阻抗参数估计的窃电预测方法 |
WO2021258992A1 (zh) * | 2020-06-24 | 2021-12-30 | 平安科技(深圳)有限公司 | 基于大数据的用户行为监测方法、装置、设备及介质 |
CN113963033A (zh) * | 2021-12-20 | 2022-01-21 | 华东交通大学 | 一种基于人工智能的电力设备异常检测方法和系统 |
CN114414935A (zh) * | 2021-12-15 | 2022-04-29 | 国网四川省电力公司信息通信公司 | 基于大数据的配电网馈线故障区域自动化定位方法和系统 |
CN114862293A (zh) * | 2022-07-09 | 2022-08-05 | 山东恒迈信息科技有限公司 | 一种智慧用电安全管理方法和系统 |
CN115086616A (zh) * | 2022-06-16 | 2022-09-20 | 江西交通职业技术学院 | 一种基于多传感器的危险行为识别方法及系统 |
-
2022
- 2022-11-09 CN CN202211401471.4A patent/CN115549313B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009079395A1 (en) * | 2007-12-17 | 2009-06-25 | Edsa Micro Corporation | Real-time system verification and monitoring of protective device settings within an electrical power distribution network |
WO2016138750A1 (zh) * | 2015-03-04 | 2016-09-09 | 江苏省电力公司常州供电公司 | 一种电能质量扰动源定位系统及定位方法 |
CN107565559A (zh) * | 2017-09-29 | 2018-01-09 | 西南交通大学 | 一种配电网负荷谐波贡献评估的分段有界约束优化方法 |
CN109617096A (zh) * | 2018-12-27 | 2019-04-12 | 北京四方继保自动化股份有限公司 | 一种基于遍历阻抗的区域电网宽频带扰动稳定分析方法 |
WO2021258992A1 (zh) * | 2020-06-24 | 2021-12-30 | 平安科技(深圳)有限公司 | 基于大数据的用户行为监测方法、装置、设备及介质 |
CN113641723A (zh) * | 2021-07-22 | 2021-11-12 | 太原理工大学 | 一种基于线路阻抗参数估计的窃电预测方法 |
CN114414935A (zh) * | 2021-12-15 | 2022-04-29 | 国网四川省电力公司信息通信公司 | 基于大数据的配电网馈线故障区域自动化定位方法和系统 |
CN113963033A (zh) * | 2021-12-20 | 2022-01-21 | 华东交通大学 | 一种基于人工智能的电力设备异常检测方法和系统 |
CN115086616A (zh) * | 2022-06-16 | 2022-09-20 | 江西交通职业技术学院 | 一种基于多传感器的危险行为识别方法及系统 |
CN114862293A (zh) * | 2022-07-09 | 2022-08-05 | 山东恒迈信息科技有限公司 | 一种智慧用电安全管理方法和系统 |
Non-Patent Citations (6)
Title |
---|
Zhong Liu ; Hengmen Liu ; Kaixin Zhang ; Shenxing Shi.Single-end fault location technique for DC distribution lines based on network topology and measured traveling waves. 2022 China International Conference on Electricity Distribution.2022,全文. * |
一种配电线路有源自适应重合闸技术研究;朱珂;宋玉涛;徐玉刚;栾悦;张波;;电网技术;20180109(第03期);全文 * |
基于嵌入式的用电信息远程智能监控系统研究;何新洲;;计算机测量与控制(第04期);全文 * |
基于时间序列分析的用户异常供用电自动监测系统设计;韩锋;杨飞;燕重阳;李国亮;;自动化与仪器仪表;第2020卷(第3期);第186页 * |
基于物联网的电能监测控制系统;有鹏,朱晞旸等;科技传播;全文 * |
基于突变量阻抗波形相关性的送出线路纵联保护研究;刘洪金,等;可再生能源;20210621;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115549313A (zh) | 2022-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115549313B (zh) | 基于人工智能的用电监测方法及系统 | |
WO2020252784A1 (zh) | 电力负荷数据的预测方法、装置及存储介质 | |
CN111835582B (zh) | 物联网巡检设备的配置方法、装置、计算机设备 | |
CN105637439A (zh) | 数据获取的系统和方法 | |
CN114862293A (zh) | 一种智慧用电安全管理方法和系统 | |
CN115549078B (zh) | 一种基于数字孪生的电网整合规划方法 | |
CN112700131B (zh) | 基于人工智能的ab测试方法、装置、计算机设备及介质 | |
CN111209931A (zh) | 数据处理方法、平台、终端设备及存储介质 | |
CN114414935A (zh) | 基于大数据的配电网馈线故障区域自动化定位方法和系统 | |
CN116879831A (zh) | 一种基于物联网的电表智能监控方法及系统 | |
CN115509765A (zh) | 一种超融合云计算方法、系统、计算机设备及存储介质 | |
CN113963033B (zh) | 一种基于人工智能的电力设备异常检测方法和系统 | |
CN115633321B (zh) | 一种无线通信网络监控方法及系统 | |
CN111158827A (zh) | 一种图形组态工具关联计算值信息的方法及装置 | |
CN113673797A (zh) | 生产监测方法、装置及计算机可读存储介质 | |
CN116757402A (zh) | 服务策略的确定方法及装置、存储介质及电子装置 | |
CN115086343B (zh) | 一种基于人工智能的物联网数据交互方法及系统 | |
CN115438812A (zh) | 输电设备全生命管理方法、装置、计算机设备和存储介质 | |
CN115102282A (zh) | 弱电工程智能化安全检测方法及系统 | |
CN114328616A (zh) | 结合rpa和ai的电力线损明细信息的统计方法及装置 | |
CN113342518A (zh) | 任务处理方法和装置 | |
CN116939159B (zh) | 一种农田灾害预警方法及系统 | |
CN117522168B (zh) | 一种基于大数据的资产管理方法和系统 | |
CN116345545A (zh) | 柔性微电网并离网自动控制方法及系统 | |
CN115985069B (zh) | 一种自动消防报警设备管理系统及方法 |
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 |