CN116796225A - 一种异常用户识别方法、装置、设备及存储介质 - Google Patents
一种异常用户识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116796225A CN116796225A CN202310717265.2A CN202310717265A CN116796225A CN 116796225 A CN116796225 A CN 116796225A CN 202310717265 A CN202310717265 A CN 202310717265A CN 116796225 A CN116796225 A CN 116796225A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- abnormal
- power consumption
- evaluated
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 190
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000005611 electricity Effects 0.000 claims abstract description 55
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 15
- 239000004973 liquid crystal related substance Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 14
- 230000000875 corresponding effect Effects 0.000 description 11
- 238000012216 screening Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种异常用户识别方法、装置、设备及存储介质,该方法包括:获取待评价用户的用电相关数据;其中,用电相关数据包括线损率数据和用电量数据;根据第一时段下的用电相关数据,确定待评价用户是否为候选异常用户;若是,则根据第二时段下的用电相关数据之间的相关程度,确定待评价用户是否为异常用户。本发明的技术方案,在对异常用电用户判断的过程中,节约了人力成本,同时提高了识别异常用户判断结果的准确度和判断效率。
Description
技术领域
本发明涉及电力技术领域,尤其涉及一种异常用户识别方法、装置、设备及存储介质。
背景技术
随着社会经济不断发展,电力系统建设规模不断扩大,线损管理与计算分析在电网系统中对企业经营效益有着重要意义。由于,线损状况与用户的异常用电行为息息相关,因此,在现有技术中通常依靠技术人员的从业经验对历史用电量数据与台区线损率数据人工对比分析的方式,识别用户异常的用电行为。
然而,目前用户用电数据量复杂多样,线损波动存在随机性,导致人工排查异常用户难度高,无法保证分析结果的准确率,此外,庞大的数据量使得人工排查异常用户的效率低下。
发明内容
本发明提供了一种异常用户识别方法、装置、设备及存储介质,以节约识别异常用户的人力成本,提高异常用户识别结果的准确度和识别效率。
根据本发明的一方面,提供了一种异常用户识别方法,包括:
获取待评价用户的用电相关数据;其中,用电相关数据包括线损率数据和用电量数据;
根据第一时段下的用电相关数据,确定待评价用户是否为候选异常用户;
若是,则根据第二时段下的用电相关数据之间的相关程度,确定待评价用户是否为异常用户。
根据本发明的另一方面,提供了一种异常用户识别装置,包括:
用电数据获取模块,用于获取待评价用户的用电相关数据;其中,用电相关数据包括线损率数据和用电量数据;
候选用户确定模块,用于根据第一时段下的用电相关数据,确定待评价用户是否为候选异常用户;
异常用户确定模块,用于若是,则根据第二时段下的用电相关数据之间的相关程度,确定待评价用户是否为异常用户。
根据本发明的另一方面,提供了一种异常用户识别设备,包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被所述至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使所述至少一个处理器能够执行本发明实施例提供的任意一种异常用户识别方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现本发明实施例提供的任意一种异常用户识别方法。
本发明实施例的技术方案,基于待评价用户的线损率数据和用电量数据,对待评价用户进行初筛,从而确定待评价用户是否为候选异常用户;在待评价用户为候选异常用户的情况下,进一步结合线损率数据和用电量数据之间的相关程度,判断待评价用户是否为异常用户。通过二次筛选的过程,提高了异常用户识别结果的准确度。另外,上述方案无需人工介入,节省了异常用户识别过程的人力成本,提高了识别效率。同时,避免了人为因素对识别准确度的影响。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
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,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种异常用户识别方法的流程图;
图2为本发明实施例二提供的一种异常用户识别方法的流程图;
图3为本发明实施例三提供的一种异常用户识别方法的流程图;
图4是本发明实施例四提供的一种异常用户识别装置的结构图;
图5为本发明实施例五提供的一种异常用户识别设备的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种异常用户识别方法的流程图,本实施例可适用于在台区进行线损管理过程中,对异常用电用户进行有效识别的情况,该方法可以由异常用户识别装置来执行,该异常用户识别装置可以采用硬件和/或软件的形式实现,该异常用户识别装置可配置于电子设备中,该电子设备可以是智能手机、智能平板以及笔记本等。
如图1所示,本实施例一提供的一种异常用户识别方法,具体包括如下步骤:
S101、获取待评价用户的用电相关数据;其中,用电相关数据包括线损率数据和用电量数据。
其中,用电相关数据为用户在用电过程中产生的与电力有关的数据。线损率数据为电力系统中损耗的电能,占电力系统供应电能的比例,用来考核电力系统运行的损耗性。用电量数据为用户在用电过程中消耗电能的体量。
具体的,可以执行异常用户识别方法的执行主体本地,或与该执行主体通信连接的其他存储设备中,预先存储待评价用户的用电相关数据,并在需要时从相应存储位置查询得到待评价用户的用电相关数据。例如,存储设备可以是台区的计量系统。需要说明的是,本发明对用电相关数据的具体呈现格式不作任何限定,例如可以是表格数据。
在一个可选实施例中,可以在获取到待评价用户的用电相关数据之后,判断线损率数据和用电量数据是否完整和/或格式正确,只有两类数量完整且格式正确才能进行下一步的操作,否则会影响异常用户识别的准确性。
S102、根据第一时段下的用电相关数据,确定待评价用户是否为候选异常用户。
其中,第一时段为获取的待评价用户的用电相关数据的时间区间,可以由技术人员根据实际需求进行设置或调整。候选异常用户为较大可能存在异常用电行为的用电用户。
具体的,由于线损率数据和用电量数据会受用户不同用电行为的影响出现数据波动,因此,可以将第一时段内的线损率数据和/或用电量数据波动差值,未落入预设波动区间内的情况下,确定该待评价用户为候选异常用户。其中,预设波动区间可以由技术人员根据需要或经验设定,或通过大量试验反复确定,例如可以是(100,200)。若预设波动区间为(100,200),当线损率数据和/或用电量数据的波动差值为300时,可以将对应的待评价用户作为候选异常用户。值得注意的是,线损率数据对应的预设波动区间与用电量对应的预设波动区间,两者可以相同或不同,本发明对此不作任何限定。
S103、若是,则根据第二时段下的用电相关数据之间的相关程度,确定待评价用户是否为异常用户。
其中,相关程度用于表征线损率数据和用电量数据两个变量之间的关联程度。示例性的,相关程度可以用强相关、一般相关或弱相关加以表示。在一个可选实施例中,还可以通过相关系数,具体数值量化相关程度。
具体的,可以确定线损率数据和用电量数据之间的相关系数;根据相关系数的绝对值大小,确定线损率数据与用电量数据之间的相关程度;若线损率数据与用电量数据的相关程度大于预设程度阈值,则确定两者强相关,此时将对应的待评价用户识别为异常用户。其中,预设程度阈值可以由技术人员根据需要或经验设定,或通过大量试验反复确定。例如,可以是0.7。
本发明实施例提供的一种异常用户识别方法、装置、设备及存储介质,基于待评价用户的线损率数据和用电量数据,对待评价用户进行初筛,从而确定待评价用户是否为候选异常用户;在待评价用户为候选异常用户的情况下,进一步结合线损率数据和用电量数据之间的相关程度,判断待评价用户是否为异常用户。上述技术方案,基于待评价用户的线损率数据和用电量数据,对待评价用户进行初筛,从而确定待评价用户是否为候选异常用户;在待评价用户为候选异常用户的情况下,进一步结合线损率数据和用电量数据之间的相关程度,判断待评价用户是否为异常用户。通过二次筛选的过程,提高了异常用户识别结果的准确度。另外,上述方案无需人工介入,节省了异常用户识别过程的人力成本,提高了识别效率。同时,避免了人为因素对识别准确度的影响。
实施例二
图2为本发明实施例二提供的一种异常用户识别方法的流程图,本实施例在上述各实施例的基础上,将“根据第一时段下的所述用电相关数据,确定所述待评价用户是否为候选异常用户”操作,进一步细化为“根据所述第一时段下的线损率数据,确定线损异常时间点;根据所述线损异常时间点相关联的用电量数据,确定所述待评价用户是否为候选异常用户”,以完善对待评价用户进行初次筛选的筛选机制。需要说明的是,在本发明实施例中未详述部分,可参考其他实施例的相关表述,在此不再赘述。
如图2所示的一种异常用户识别方法,包括:
S201、获取待评价用户的用电相关数据;其中,用电相关数据包括线损率数据和用电量数据。
S202、根据第一时段下的线损率数据,确定线损异常时间点。
其中,线损异常时间点为电能通过输电线路传输时,能量损耗异常突变的点。
具体的,根据第一时段下的线损率数据,得到线损率数据上能量损耗发生异常突变的点,将该点确定为线损异常时间点。
在一种可选实施方式中,根据第一时段下的线损率数据,确定线损异常时间点,包括:确定第一时间段下的线损率数据的时间拐点;将时间拐点,作为线损异常时间点。
具体的,第一时间段下的线损率数据的时间拐点的确定方式可以根据如下公式确定:
式中,xn、xn-1和xn+1为日期,yn、yn-1和yn+1为对应日期的线损率,Z为时间拐点日期。
第一时间段下的线损率数据的时间拐点的确定方式也可以为相关技术人员从线损率数据变化明显的日期自定义选择时间拐点。本实施例对此不进行限制。
需要说明的是,时间拐点的个数选择2个时可提升异常用户确定的准确性,当时间拐点数大于1时,凡是候选异常用户在任意2个拐点中出现,需增加重复性用户标识,并对多个拐点的用户去重后纳入候选异常用户。由于自定义选择拐点,若出现台区损耗电量0时,应提示相关人员重新选择时间拐点进行计算。
本实施例的技术方案,通过选择时间拐点确定线损异常时间点,提高了线损异常时间点的确定精度。
S203、根据线损异常时间点相关联的用电量数据,确定待评价用户是否为候选异常用户。
在一种可选实施方式中,待评价用户的用电量数据包括待评价用户的用户电量数据,以及待评价用户所属台区的台区损耗电量数据;相应的,根据所述线损异常时间点相关联的用电量数据,确定待评价用户是否为候选异常用户,包括:根据线损异常时间点相关联的用户电量数据,确定待评价用户的用户电量变化数据;根据线损异常时间点相关联的台区损耗电量数据,确定待评价用户的台区损耗电量变化数据;根据用户电量变化数据和台区损耗电量变化数据,确定待评价用户是否为候选异常用户。
其中,用户电量数据用于表征用户实际使用的电量,台区损耗电量数据用于表征台区供电范围内消耗电量的体量。
具体的,确定线损异常时间点的用户电量数据与目标临近时间点的用户电量数据之间的差值,并将该差值作为待评价用户的用户电量变化数据;确定线损异常时间点的台区损耗电量数据与目标临近时间点的台区损耗电量数据之间的差值,并将该差值作为待评价用户的台区损耗电量变化数据;确定用户电量变化数据与台区损耗电量变化数据之间的相对变化情况,并根据该相对变化情况,确定待评价用户是否为候选异常用户。其中,相对变化情况可以采用比值的形式加以表示;相应的,若比值大于预设阈值,则确定该待评价用户为候选异常用户
上述技术方案通过将待评价用户的用电量数据细化为包括待评价用户的用户电量数据,以及待评价用户所属台区的台区损耗电量数据,提高了用电量数据的丰富性和多样性,进而基于用户电量数据和台区损耗电量数据,进行候选异常用户判定,提高了判定结果的准确度。
可选的,线损异常时间点相关联的用电量数据,可以包括线损异常时间点的目标临近时间点对应的用电量数据,以及线损异常时间点自身的用电量数据。相应的,基于线损异常时间点相关联的用电量数据和线损异常时间点的目标临近时间点对应的用电量数据,二者共同确定待评价用户是否为候选异常用户。
其中,线损异常时间点的目标临近时间点,用于表征与线损异常时间点在时间维度上相临近的其他时间点。
在一个可选实施例中,可以直接将与线损异常时间点在先临近和/或在后临近的临近时间点,作为目标临近时间点。需要说明的是,不同目标临近时间点与线损异常时间点之间的时间长度,可以由技术人员根据经验或反复试验确定,本发明对此不作任何限定。
由于与线损异常时间点之间的时间间隔的时间长度和间隔方向不同的临近时间点,对候选异常用户判定结果的准确性存在一定的影响,因此,还可以预先对线损异常时间点的临近时间点进行筛选,并将筛选结果作为目标临近时间点,以供后续使用。
在另一可选实施方式中,可以确定线损异常时间点的在先临近时间点和在后临近时间点;根据不同临近时间点(包括在先临近时间点和在后临近时间点)的台区损耗电量差异情况,从各临近时间点中选取目标临近时间点。
其中,在先临近时间点是线损异常时间的历史临近时间点,在后临近时间点是线损异常时间点的将来临近时间点。
示例性的,可以确定线损异常时间点的台区损耗电量,与在先临近时间点的台区损耗电量之间的第一参考数据;确定在后临近时间点的台区损耗电量,与线损异常时间点的台区损耗电量之间的第二参考数据;根据第一参考数据和第二参考数据,从在先临近时间点和在后临近时间点中,选取目标临近时间点。
示例性的,根据线损异常时间点和在先临近时间点之间台区损耗电量的差值作为第一参考数据,线损异常时间点和在后临近时间点之间台区损耗电量的差值作为第二参考数据,通过比较第一参考数据和第二参考数据的数值大小,确定目标临近时间点。若第一参考数据小于第二参考数据,则将在后临近时间点作为目标临近时间点,若第一参考数据大于第二参考数据,则将在先临近时间点作为目标临近时间点。
本实施例通过预先对线损异常时间点的临近时间点进行筛选,确定目标临近时间点,提高了候选异常用户的确定效率。
S204、若是,则根据第二时段下的用电相关数据之间的相关程度,确定待评价用户是否为异常用户。
本实施例的技术方案,通过对线损异常时间点的选择,以及对线损异常时间点的目标临近时间点的确定,仅采用线损异常时间点以及与线损异常时间点相关联的用电量数据,对待评价用户进行初筛,无需采用全量时间点的线损率数据,数据量运算量小,提高了候选异常用户的确定效率。
实施例三
图3为为本发明实施例三提供的一种异常用户识别方法的流程图,本实施例在上述各实施例的基础上,将“若是,则根据第二时段下的所述用电相关数据之间的相关程度,确定所述待评价用户是否为异常用户”操作,进一步细化为“确定所述第二时间段下的所述用电相关数据之间的相关性数据;若所述相关性数据满足强相关条件,则确定所述待评价用户为异常用户;根据所述相关性数据的正负方向,确定所述待评价用户所属的异常类别”,以完善异常用户识别机制。需要说明的是,在本发明实施例中未详述部分,可参考其他实施例的相关表述,在此不再赘述。
如图3所示的异常用户的识别方法包括:
S301、获取待评价用户的用电相关数据;其中,用电相关数据包括线损率数据和用电量数据。
S302、根据第一时段下的用电相关数据,确定待评价用户是否为候选异常用户。
S303、确定第二时间段下的用电相关数据之间的相关性数据。
其中,相关性数据为用电相关数据中的线损率数据和用电量数据对应相关程度的量化结果,例如可以是相关系数。
具体的,基于第一时段下的用电相关数据,从中选取线损率数据和用电量数据的相关性数据。数据的相关性可以用线损率数据和用电量数据之间的相关系数数值量化,相关系数的取值范围为[-1,1]。相关系数的计算公式为:
式中,r为相关系数,p为线损率,为第一时段内线损率的平均值,m为用电量,/>为第一时段内用电量的平均值。
S304、若相关性数据满足强相关条件,则确定待评价用户为异常用户。
其中,强相关由相关系数的数值决定。示例性的,当相关系数的绝对值属于(0.7,1]时,线损率数据和用电量数据之间的关系呈强相关;当相关系数的绝对值属于[0.5,0.7)时,线损率数据和用电量数据之间的关系呈一般相关;当相关系数的绝对值属于[0,0.5)时,线损率数据和用电量数据之间的关系呈弱相关。具体的,当线损率数据和用电量数据之间的关系呈强相关时,将为候选异常用户的待评价用户作为异常用户,当线损率数据和用电量数据之间的关系呈一般相关和弱相关时,将为候选异常用户的待评价用户作为不符合用户。
S305、根据相关性数据的正负方向,确定待评价用户所属的异常类别。
其中,异常类别为待评价用户为候选异常用户的情况下,待评价用户的的是否为异常用户的判断结果。例如,异常类别可以分为异常用户和无符合用户。
具体的,由相关系数的数值确定相关性数据的正负方向,相关系数的区间为[-1,1],当相关系数在[0.7,1]区间内,线损率数据和用电量数据为耦合关系,考虑用户用电持续异常,如用户存在长期窃电或者计量装置存在故障;相关系数在[-1,-0.7]区间内,线损率数据和用电量数据为背驰关系,考虑用户存在突发异常的现象,如间接性窃电或者突发计量装置故障。综上,相关系数的绝对值在[0.7,1]时,将对应待评价用户识别为异常用户,否则,则输出无符合用户。
需要说明的是,当输出无符合用户时,可以重新选择时间拐点,若多次尝试均无符合用户,则认为没有异常用户。
本实施例的技术方案,通过判断用户相关数据之间的相关程度,确定待评价用户是否为异常用户,实现了对异常用户的自动化判断,节约了人力成本,同时,提高了异常用户识别的准确度。
实施例四
图4为本发明实施例四提供的一种异常用户识别装置的结构图,本实施例可用在台区进行线损管理过程中,对异常用电用户进行有效识别的情况,该装置可实现本发明实施例的异常用户识别方法,采用硬件和/或软件的方式执行,并可集成在具备终端设备的系统中。
如图4所示,异常用户识别装置包括:用电数据获取模块401,候选用户确定模块402和异常用户确定模块403。
用电数据获取模块401,用于获取待评价用户的用电相关数据;其中,用电相关数据包括线损率数据和用电量数据;
候选用户确定模块402,用于根据第一时段下的用电相关数据,确定待评价用户是否为候选异常用户;
异常用户确定模块403,用于若是,则根据第二时段下的用电相关数据之间的相关程度,确定待评价用户是否为异常用户。
本发明实施例提供的一种异常用户识别装置,基于待评价用户的线损率数据和用电量数据,对待评价用户进行初筛,从而确定待评价用户是否为候选异常用户;在待评价用户为候选异常用户的情况下,进一步结合线损率数据和用电量数据之间的相关程度,判断待评价用户是否为异常用户。通过二次筛选的过程,提高了异常用户识别结果的准确度。另外,上述方案无需人工介入,节省了异常用户识别过程的人力成本,提高了识别效率。同时,避免了人为因素对识别准确度的影响。
可选的,候选用户确定模块402包括:
线损异常时间单元,用于根据第一时段下的线损率数据,确定线损异常时间点;
候选用户单元,用于根据线损异常时间点相关联的用电量数据,确定待评价用户是否为候选异常用户。
可选的,异常用户确定模块403包括:
相关数据确定单元,用于确定第二时间段下的所述用电相关数据之间的相关性数据;
异常用户确定单元,用于若相关性数据满足强相关条件,则确定待评价用户为异常用户;
异常用户类别确定单元,用于根据相关性数据的正负方向,确定待评价用户所属的异常类别。
本发明实施例所提供的异常用电用户确定装置可执行本发明任意实施例所提供的异常用户识别方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种异常用户识别设备的结构图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备500包括至少一个处理器501,以及与至少一个处理器501通信连接的存储器,如只读存储器(ROM)502、随机访问存储器(RAM)503等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器501可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM503中,还可存储电子设备500操作所需的各种程序和数据。处理器501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
电子设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许电子设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器501可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器501执行上文所描述的各个方法和处理,例如异常用户识别方法。
在一些实施例中,异常用户识别方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM503并由处理器501执行时,可以执行上文描述的异常用户识别方法的一个或多个步骤。备选地,在其他实施例中,处理器501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行异常用户识别方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种异常用户识别方法,其特征在于,包括:
获取待评价用户的用电相关数据;其中,所述用电相关数据包括线损率数据和用电量数据;
根据第一时段下的所述用电相关数据,确定所述待评价用户是否为候选异常用户;
若是,则根据第二时段下的所述用电相关数据之间的相关程度,确定所述待评价用户是否为异常用户。
2.根据权利要求1所述的方法,其特征在于,所述根据第一时段下的所述用电相关数据,确定所述待评价用户是否为候选异常用户,包括:
根据所述第一时段下的线损率数据,确定线损异常时间点;
根据所述线损异常时间点相关联的用电量数据,确定所述待评价用户是否为候选异常用户。
3.根据权利要求2所述的方法,其特征在于,所述待评价用户的用电量数据包括所述待评价用户的用户电量数据,以及所述待评价用户所属台区的台区损耗电量数据;
相应的,所述根据所述线损异常时间点相关联的用电量数据,确定所述待评价用户是否为候选异常用户,包括:
根据所述线损异常时间点相关联的用户电量数据,确定所述待评价用户的用户电量变化数据;
根据所述线损异常时间点相关联的台区损耗电量数据,确定所述待评价用户的台区损耗电量变化数据;
根据所述用户电量变化数据和所述台区损耗电量变化数据,确定所述待评价用户是否为候选异常用户。
4.根据权利要求2所述的方法,其特征在于,所述线损异常时间点相关联的用电量数据,包括所述线损异常时间点的目标临近时间点对应的用电量数据,以及所述线损异常时间点的用电量数据。
5.根据权利要求4所述的方法,其特征在于,所述目标临近时间点基于以下方式确定:
确定所述线损异常时间点的在先临近时间点和在后临近时间点;
确定所述线损异常时间点的台区损耗电量,与所述在先临近时间点的台区损耗电量之间的第一参考数据;
确定所述在后临近时间点的台区损耗电量,与所述线损异常时间点的台区损耗电量之间的第二参考数据;
根据所述第一参考数据和所述第二参考数据,从所述在先临近时间点和所述在后临近时间点中,选取所述目标临近时间点。
6.根据权利要求2所述的方法,其特征在于,所述根据所述第一时段下的线损率数据,确定线损异常时间点,包括:
确定所述第一时间段下的线损率数据的时间拐点;
将所述时间拐点,作为所述线损异常时间点。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述根据第二时段下的所述用电相关数据之间的相关程度,确定所述待评价用户是否异常用户,包括:
确定所述第二时间段下的所述用电相关数据之间的相关性数据;
若所述相关性数据满足强相关条件,则确定所述待评价用户为异常用户;
根据所述相关性数据的正负方向,确定所述待评价用户所属的异常类别。
8.一种异常用户识别装置,其特征在于,包括:
用电数据获取模块,用于获取待评价用户的用电相关数据;其中,所述用电相关数据包括线损率数据和用电量数据;
候选用户确定模块,用于根据第一时段下的所述用电相关数据,确定所述待评价用户是否为候选异常用户;
异常用户确定模块,用于若是,则根据第二时段下的所述用电相关数据之间的相关程度,确定所述待评价用户是否为异常用户。
9.一种异常用户识别设备,其特征在于,所述设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的异常用户识别方法。
10.一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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的异常用户识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310717265.2A CN116796225A (zh) | 2023-06-15 | 2023-06-15 | 一种异常用户识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310717265.2A CN116796225A (zh) | 2023-06-15 | 2023-06-15 | 一种异常用户识别方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116796225A true CN116796225A (zh) | 2023-09-22 |
Family
ID=88043419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310717265.2A Pending CN116796225A (zh) | 2023-06-15 | 2023-06-15 | 一种异常用户识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116796225A (zh) |
-
2023
- 2023-06-15 CN CN202310717265.2A patent/CN116796225A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114580916A (zh) | 一种企业风险评估方法、装置、电子设备及存储介质 | |
CN115860383A (zh) | 配电网调度方法、装置、电子设备及存储介质 | |
CN115794578A (zh) | 一种电力系统的数据管理方法、装置、设备及介质 | |
CN115034927A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN116431505A (zh) | 一种回归测试方法、装置、电子设备、存储介质及产品 | |
CN115407150A (zh) | 保护压板投入使用情况的确定系统、方法、测量表及介质 | |
CN116796225A (zh) | 一种异常用户识别方法、装置、设备及存储介质 | |
CN115375039A (zh) | 一种工业设备故障预测方法、装置、电子设备及存储介质 | |
CN114662952A (zh) | 一种行为数据的评价方法、装置、设备及存储介质 | |
CN117609993A (zh) | 一种指标分析方法、装置、设备及存储介质 | |
CN117455067A (zh) | 一种电量消耗预测方法、装置、电子设备及存储介质 | |
CN117573983A (zh) | 一种融资方案的推荐方法、装置、电子设备及存储介质 | |
CN116482565A (zh) | 一种电源异常检测方法、装置、设备和存储介质 | |
CN115965298A (zh) | 一种建筑数据智能管理方法、系统、设备及介质 | |
CN116703109A (zh) | 一种配电网项目选取方法、装置、设备及存储介质 | |
CN115840645A (zh) | 预测负载指标的方法、装置、存储介质以及电子设备 | |
CN116805176A (zh) | 一种台区的负荷预测方法、装置、设备及存储介质 | |
CN117348956A (zh) | 一种页面显示方法、装置、电子设备及存储介质 | |
CN116402231A (zh) | 一种电力负荷预测方法、装置、设备及存储介质 | |
CN116683642A (zh) | 公变区域管理方法、装置、设备及存储介质 | |
CN116128296A (zh) | 风险预测方法、装置、电子设备及存储介质 | |
CN117907752A (zh) | 一种高压输电线路的故障预警方法、装置、电子设备和存储介质 | |
CN116911466A (zh) | 园区建设程度的确定方法、装置、设备及介质 | |
CN116777674A (zh) | 配电网数据处理方法、装置、电子设备及存储介质 | |
CN115395658A (zh) | 配电网故障的处置效益评价方法、装置、设备及介质 |
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 |