CN117078112A - 应用于企业异常用电管理的能耗检测方法及数据分析系统 - Google Patents

应用于企业异常用电管理的能耗检测方法及数据分析系统 Download PDF

Info

Publication number
CN117078112A
CN117078112A CN202311330774.6A CN202311330774A CN117078112A CN 117078112 A CN117078112 A CN 117078112A CN 202311330774 A CN202311330774 A CN 202311330774A CN 117078112 A CN117078112 A CN 117078112A
Authority
CN
China
Prior art keywords
data set
electricity
enterprise
processed
consumption
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
Application number
CN202311330774.6A
Other languages
English (en)
Other versions
CN117078112B (zh
Inventor
张震宇
赵琳
曹皓滨
栾宁
冯曙明
王惠
陈志杰
柏佩文
申冬琴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yunjing Business Intelligence Research Institute Nanjing Co ltd
Jiangsu Electric Power Information Technology Co Ltd
Original Assignee
Yunjing Business Intelligence Research Institute Nanjing Co ltd
Jiangsu Electric Power Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yunjing Business Intelligence Research Institute Nanjing Co ltd, Jiangsu Electric Power Information Technology Co Ltd filed Critical Yunjing Business Intelligence Research Institute Nanjing Co ltd
Priority to CN202311330774.6A priority Critical patent/CN117078112B/zh
Publication of CN117078112A publication Critical patent/CN117078112A/zh
Application granted granted Critical
Publication of CN117078112B publication Critical patent/CN117078112B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供一种应用于企业异常用电管理的能耗检测方法及数据分析系统，通过待处理企业用电数据集与参考企业用电数据集的用电描述变量保障目标参考企业用电数据集与待处理企业用电数据集间的总体匹配度，其次，还通过待处理企业用电数据集与参考企业用电数据集之间的用电行为匹配度，保证了目标参考企业用电数据集中的用电行为确定结果与待处理企业用电数据集中的用电行为确定结果的匹配度。基于此，保障了目标参考企业用电数据集与待处理企业用电数据集在总体与局部是相互匹配的，让目标参考企业用电数据集和待处理企业用电数据集之间的匹配度更高，在通过目标参考企业用电数据集对待处理企业用电数据集进行能耗定级标注时更准确。

Description

应用于企业异常用电管理的能耗检测方法及数据分析系统
技术领域
本公开涉及数据处理领域，并且更具体地，涉及一种应用于企业异常用电管理的能耗检测方法及数据分析系统。
背景技术
企业的能耗控制是成本控制的重要环节，直接影响企业的经济利益，而能耗控制中至关重要的环节是用电管理，例如功率较大的耗电设备的更新迭代、生产环节的电能冗余使用防治、人员窃电行为的监控整治等等。在进行具体维度的治理前，用电能耗检测是基本前提，先判断企业的能耗等级，在明确能耗等级不达标时，进行进一步地能耗异常确定，以及改善整治。目前，对于能耗的检测方式中，分析手段较为简单粗暴，获得的能耗检测结果并不能准确反映企业的实际情况。
发明内容
有鉴于此，本公开实施例至少提供一种应用于企业异常用电管理的能耗检测方法。
根据本公开实施例的一个方面，提供了一种应用于企业异常用电管理的能耗检测方法，应用于数据分析系统，所述方法包括：获取待处理企业用电数据集和参考企业用电数据集；获取所述待处理企业用电数据集中的用电行为确定结果和所述参考企业用电数据集中的用电行为确定结果；通过所述待处理企业用电数据集中的用电行为确定结果和所述参考企业用电数据集中的用电行为确定结果，确定所述待处理企业用电数据集和所述参考企业用电数据集的用电行为匹配度；确定所述待处理企业用电数据集的用电描述变量和所述参考企业用电数据集的用电描述变量；通过所述待处理企业用电数据集的用电描述变量和所述参考企业用电数据集的用电描述变量，确定所述待处理企业用电数据集和所述参考企业用电数据集的第一描述变量配对评分；通过所述待处理企业用电数据集和所述参考企业用电数据集的用电行为匹配度和所述第一描述变量配对评分，确定所述待处理企业用电数据集和所述参考企业用电数据集之间的数据集匹配度；通过所述待处理企业用电数据集和所述参考企业用电数据集之间的数据集匹配度，从所述参考企业用电数据集中确定目标参考企业用电数据集，以通过所述目标参考企业用电数据集对所述待处理企业用电数据集进行能耗定级标注。
根据本公开实施例的一个示例，其中，所述待处理企业用电数据集中的用电行为确定结果包括在所述待处理企业用电数据集中确定出的第一用电行为，所述参考企业用电数据集中的用电行为确定结果包括在所述参考企业用电数据集中确定出的第二用电行为；
其中，通过所述待处理企业用电数据集中的用电行为确定结果和所述参考企业用电数据集中的用电行为确定结果，确定所述待处理企业用电数据集和所述参考企业用电数据集的用电行为匹配度，包括：
通过所述第一用电行为确定所述待处理企业用电数据集中目标用电行为的第一用电行为个数；
通过所述第二用电行为确定所述参考企业用电数据集中所述目标用电行为的第二用电行为个数；
通过所述第一用电行为个数和所述第二用电行为个数，确定所述待处理企业用电数据集和所述参考企业用电数据集中目标用电行为的和值与差值；
通过所述待处理企业用电数据集和所述参考企业用电数据集中所述目标用电行为的和值与差值，确定所述待处理企业用电数据集与所述参考企业用电数据集的用电行为个数匹配度；
通过所述待处理企业用电数据集与所述参考企业用电数据集的用电行为个数匹配度，确定所述待处理企业用电数据集和所述参考企业用电数据集的所述用电行为匹配度。
根据本公开实施例的一个示例，其中，获取所述待处理企业用电数据集中的用电行为确定结果和所述参考企业用电数据集中的用电行为确定结果，包括：
对所述待处理企业用电数据集和所述参考企业用电数据集分别进行用电行为分割，以确定所述待处理企业用电数据集中包括的第一用电行为和所述参考企业用电数据集中包括的第二用电行为；
通过所述第一用电行为和所述第二用电行为，确定所述待处理企业用电数据集中每个用电数据项对应的用电属性和所述参考企业用电数据集中每个用电数据项对应的用电属性；
将所述待处理企业用电数据集分割为X个第一区间，以及将所述参考企业用电数据集分割为X个第二区间，所述X个第一区间与所述X个第二区间一一关联，其中，所述X≥1；
通过所述待处理企业用电数据集中每个用电数据项对应的用电属性确定各个第一区间中每个用电数据项对应的第一用电属性，作为所述待处理企业用电数据集中的用电行为确定结果；
通过所述参考企业用电数据集中每个用电数据项对应的用电属性确定各个第二区间中每个用电数据项对应的第二用电属性，作为所述参考企业用电数据集中的用电行为确定结果。
根据本公开实施例的一个示例，其中，所述通过所述待处理企业用电数据集中的用电行为确定结果和所述参考企业用电数据集中的用电行为确定结果，确定所述待处理企业用电数据集和所述参考企业用电数据集的用电行为匹配度，包括：
通过各个第一区间中每个用电数据项对应的第一用电属性和各个第二区间中每个用电数据项对应的第二用电属性，确定各个第一区间与对应的第二区间之间的用电属性匹配度；
通过各个第一区间与对应的第二区间之间的用电属性匹配度，确定所述待处理企业用电数据集与所述参考企业用电数据集的用电属性匹配度；
通过所述待处理企业用电数据集和所述参考企业用电数据集的用电属性匹配度，确定所述待处理企业用电数据集与所述参考企业用电数据集的用电行为匹配度。
根据本公开实施例的一个示例，其中，所述第一用电属性包括第一目标用电属性，所述第二用电属性包括所述第二目标用电属性，所述第一区间包括第一目标区间，所述第二区间包括第二目标区间，所述第一目标区间与所述第二目标区间对应，所述第一目标区间中的用电数据项属于所述第一目标用电属性，所述第二目标区间中的用电数据项属于所述第二目标用电属性；其中，确定各个第一区间与对应的第二区间之间的用电属性匹配度，包括：
确定所述第一目标用电属性与所述第二目标用电属性的相同用电属性数量；
确定所述第一目标用电属性与所述第二目标用电属性的用电属性的总数量；
通过第一目标用电属性与所述第二目标用电属性的相同用电属性数量、以及所述第一目标用电属性与所述第二目标用电属性的用电属性的总数量确定所述第一目标区间与所述第二目标区间的用电属性匹配度；
所述第一用电行为包括所述待处理企业用电数据集中包括的目标用电行为的第一用电行为个数，所述第二用电行为包括所述待处理企业用电数据集中包括的所述目标用电行为的第二用电行为个数；其中，通过所述待处理企业用电数据集和所述参考企业用电数据集的用电属性匹配度，确定所述待处理企业用电数据集与所述参考企业用电数据集的用电行为匹配度，包括：
通过所述第一用电行为个数和所述第二用电行为个数，确定所述待处理企业用电数据集和所述参考企业用电数据集中目标用电行为的和值与差值；
通过所述待处理企业用电数据集和所述参考企业用电数据集中目标用电行为的和值与差值，确定所述待处理企业用电数据集与所述参考企业用电数据集的用电行为个数匹配度；
通过所述待处理企业用电数据集与所述参考企业用电数据集的用电行为个数匹配度和用电属性匹配度，确定所述待处理企业用电数据集与所述参考企业用电数据集的用电行为匹配度。
根据本公开实施例的一个示例，其中，所述待处理企业用电数据集包括第一待处理企业用电数据集和第二待处理企业用电数据集，所述第一待处理企业用电数据集与所述参考企业用电数据集之间的数据集匹配度为第一数据集匹配度，所述第二待处理企业用电数据集与所述参考企业用电数据集之间的数据集匹配度为第二数据集匹配度；其中，通过所述待处理企业用电数据集和所述参考企业用电数据集之间的数据集匹配度，从所述参考企业用电数据集中确定目标参考企业用电数据集，包括：
分别获取所述第一待处理企业用电数据集和所述第二待处理企业用电数据集的用电描述变量；
通过所述第一待处理企业用电数据集与所述第二待处理企业用电数据集的用电描述变量，确定所述第一待处理企业用电数据集与所述第二待处理企业用电数据集之间的第二描述变量配对评分；
通过所述第一数据集匹配度、所述第二数据集匹配度以及所述第二描述变量配对评分，从所述参考企业用电数据集中确定所述第一待处理企业用电数据集的目标参考企业用电数据集。
根据本公开实施例的一个示例，其中，通过所述第一数据集匹配度、所述第二数据集匹配度以及所述第二描述变量配对评分，从所述参考企业用电数据集中确定所述第一待处理企业用电数据集的目标参考企业用电数据集，包括：
通过所述第二数据集匹配度和所述第二描述变量配对评分确定所述第二待处理企业用电数据集对所述第一待处理企业用电数据集的调节参数；
通过所述第二待处理企业用电数据集对所述第一待处理企业用电数据集的调节参数、以及所述第一数据集匹配度，确定所述第一待处理企业用电数据集与所述参考企业用电数据集的关联参数；
通过所述第一待处理企业用电数据集与所述参考企业用电数据集的关联参数，从所述参考企业用电数据集中确定所述第一待处理企业用电数据集的目标参考企业用电数据集。
根据本公开实施例的一个示例，其中，通过所述目标参考企业用电数据集对所述待处理企业用电数据集进行能耗定级标注，包括：
将所述目标参考企业用电数据集与所述待处理企业用电数据集进行用电数据区间映射，得到用电数据区间映射结果；
基于所述用电数据区间映射结果，通过所述目标参考企业用电数据集对所述待处理企业用电数据集进行能耗定级标注，得到初始能耗定级标注数据；
通过能耗定级标注优化算法对所述初始能耗定级标注数据进行定级优化，以完成所述待处理企业用电数据集的能耗定级标注；
在通过能耗定级标注优化算法对所述初始能耗定级标注数据进行定级优化，以完成所述待处理企业用电数据集的能耗定级标注之前，所述方法还包括：
获取目标用电数据集能耗定级标注样例；
对所述目标用电数据集能耗定级标注样例进行用电数据项扰动操作，得到扰动用电数据集能耗定级标注样例；
将所述扰动用电数据集能耗定级标注样例输入至待训练能耗定级标注优化算法，得到还原用电数据集能耗定级标注样例；
确定所述还原用电数据集能耗定级标注样例与所述目标用电数据集能耗定级标注样例之间的损失函数；
基于所述损失函数对所述待训练能耗定级标注优化算法的算法参数进行优化，以将所述待训练能耗定级标注优化算法优化成所述能耗定级标注优化算法。
根据本公开实施例的一个示例，其中，所述待处理企业用电数据集包括第一待处理企业用电数据集和第二待处理企业用电数据集，所述获取待处理企业用电数据集和参考企业用电数据集包括：获取第一待处理企业用电数据集、第二待处理企业用电数据集和参考企业用电数据集；
所述方法还包括：
获取所述第一待处理企业用电数据集与所述参考企业用电数据集之间的第一数据集匹配度；
获取所述第二待处理企业用电数据集与所述参考企业用电数据集之间的第二数据集匹配度；
分别获取所述第一待处理企业用电数据集和所述第二待处理企业用电数据集的用电描述变量；
通过所述第一待处理企业用电数据集、以及所述第二待处理企业用电数据集的用电描述变量，确定所述第一待处理企业用电数据集与所述第二待处理企业用电数据集之间的第二描述变量配对评分；
通过所述第一数据集匹配度、所述第二数据集匹配度以及所述第二描述变量配对评分，从所述参考企业用电数据集中确定所述第一待处理企业用电数据集的目标参考企业用电数据集，以通过所述目标参考企业用电数据集对所述第一待处理企业用电数据集进行能耗定级标注。
根据本公开实施例的另一方面，提供了一种数据分析系统，包括：一个或多个处理器；以及一个或多个存储器，其中所述存储器中存储有计算机可读代码，所述计算机可读代码在由所述一个或多个处理器运行时，使得所述一个或多个处理器执行以上所述的方法。
本公开至少包括以下有益效果：本公开实施例提供的应用于企业异常用电管理的能耗检测方法及数据分析系统，在为待处理企业用电数据集确定目标参考企业用电数据集时，首先通过待处理企业用电数据集与参考企业用电数据集的用电描述变量保障目标参考企业用电数据集与待处理企业用电数据集间的总体匹配度，其次，还通过待处理企业用电数据集与参考企业用电数据集之间的用电行为匹配度，保证了目标参考企业用电数据集中的用电行为确定结果与待处理企业用电数据集中的用电行为确定结果的匹配度，换言之保障了目标参考企业用电数据集与待处理企业用电数据集中的局部的匹配度。基于此，保障了目标参考企业用电数据集与待处理企业用电数据集在总体与局部是相互匹配的，让目标参考企业用电数据集和待处理企业用电数据集之间的匹配度更高，在通过目标参考企业用电数据集对待处理企业用电数据集进行能耗定级标注时更准确。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开的技术方案。
附图说明
通过结合附图对本公开实施例进行更详细的描述，本公开实施例的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或操作。
图1为本公开实施例提供的应用场景的示意图。
图2为本公开实施例提供的一种应用于企业异常用电管理的能耗检测方法的实现流程示意图。
图3为本公开实施例提供的一种数据分析装置的组成结构示意图。
图4为本公开实施例提供的一种数据分析系统的硬件实体示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
为了使本公开的目的、技术方案和优点更加清楚，下面结合附图和实施例对本公开的技术方案进一步详细阐述，所描述的实施例不应视为对本公开的限制，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它实施例，都属于本公开保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。所涉及的术语“第一/第二/第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一/第二/第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本公开实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义，本文所使用的所有的技术和科学术语与属于本公开的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本公开的目的，不是旨在限制本公开。
本公开实施例提供的应用于企业异常用电管理的能耗检测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与数据分析系统104进行通信。数据存储系统可以存储数据分析系统104需要处理的数据。数据存储系统可以集成在数据分析系统104上，也可以放在云上或其他网络服务器上。其中，企业用电数据可存储在终端102的本地存储中，也可存储至数据存储系统或者与数据分析系统104关联的云端存储中，当需要进行用电数据分析得到能耗检测结果时，数据分析系统104可从终端102本地存储、或数据存储系统、或云端存储中，获取企业用电数据集。其中，终端102可以但不限于是企业用电设备设置的各类用电传感器，例如具有数据采集功能的空开、万用表等等。数据分析系统104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
本公开实施例供的应用于企业异常用电管理的能耗检测方法应用于数据分析系统104，具体包括以下操作：
操作101，获取待处理企业用电数据集和参考企业用电数据集。
待处理企业用电数据集为目标企业的用电数据构成的数据集合，用电数据中记载了目标企业在用电数据采集周期（例如一个月）中的企业不同用电设备（例如照明、空调、生产、清污等设备）的总用电量、用电记录（用电次数）、峰平谷各时段用电量、按照预设时间划分粒度划分得到的各个时间段对应的用电负荷等数据。参考企业用电数据集的数据组成结构和待处理企业用电数据集一致，但是数据值不同，其被作为待处理企业用电数据集的参考。其中，待处理企业用电数据集的数量为至少一个，参考企业用电数据集的数目为至少一个。在企业用电数据集中，包含多个用电行为，一个用电行为的确定标准可以是依据连续集中用电的时间范围对应的数据构成的数据集合（即企业用电数据集的一个子集），例如在下午2:00~3:00，持续产生了较大的用电载荷，此时将该时间段对应的用电数据构成的集合作为一个用电行为。
操作102，获取待处理企业用电数据集中的用电行为确定结果和参考企业用电数据集中的用电行为确定结果。
可选地，待处理企业用电数据集中的用电行为确定结果可以包括在待处理企业用电数据集中确定出的目标用电行为、目标用电行为的用电属性、目标用电行为在待处理企业用电数据集中的时序分布位置和用电行为的个数等可以在待处理企业用电数据集中得到的与目标用电行为相关的信息，目标用电行为可以是某时间区间中的用电数据。用电属性为描述用电行为的信息，例如可以用用电量的值对用电量进行描述，可选地，将不同用电量区间作为对应的一种用电属性，比如，用电属性包括A、B、C、D，其中，用电属性A对应的用电量区间为100kW·h~200kW·h，用电属性A对应的用电量区间为200kW·h~400kW·h，用电属性A对应的用电量区间为400kW·h~1000kW·h，用电属性A对应的用电量区间为大于1000kW·h。
操作103，通过待处理企业用电数据集中的用电行为确定结果和参考企业用电数据集中的用电行为确定结果，确定待处理企业用电数据集和参考企业用电数据集的用电行为匹配度。
可选地，待处理企业用电数据集和参考企业用电数据集的用电行为匹配度例如为待处理企业用电数据集和参考企业用电数据集中包括的目标用电行为的匹配度，用电行为匹配度例如包括目标用电行为的数量匹配度、用电属性匹配度等。若参考企业用电数据集为X个，则待处理企业用电数据集与多个参考企业用电数据集之间的用电行为匹配度可以为矩阵G，例如，G={G11，G12…G1s…G1x}，G1s为首个待处理企业用电数据集与第s个参考企业用电数据集的用电行为匹配度，其中，1≤s≤X。
操作104，确定待处理企业用电数据集的用电描述变量和参考企业用电数据集的用电描述变量。
可选地，基于待训练能耗定级标注优化算法对待处理企业用电数据集和参考企业用电数据集进行描述变量抽取，得到描述待处理企业用电数据集的用电描述变量以及描述参考企业用电数据集的用电描述变量，用电描述变量是对应的用电数据集（待处理企业用电数据集或参考企业用电数据集）的特征信息。待训练能耗定级标注优化算法例如为卷积神经网络算法。
操作105，通过待处理企业用电数据集的用电描述变量和参考企业用电数据集的用电描述变量，确定待处理企业用电数据集和参考企业用电数据集的第一描述变量配对评分。
可选地，获取待处理企业用电数据集的用电描述变量与参考企业用电数据集的用电描述变量之间的描述变量配对评分（用以评估二者的匹配程度的分值），以及将描述变量配对评分确定为第一描述变量配对评分，第一描述变量配对评分越大，待处理企业用电数据集与参考企业用电数据集的特征相似性越高。可选地，可以采用计算待处理企业用电数据集的用电描述变量与参考企业用电数据集的用电描述变量之间的特征距离（如余弦距离、欧氏距离）作为描述变量配对评分。
如果待处理企业用电数据集的用电描述变量为Fa，参考企业用电数据集的用电描述变量为Fb，则待处理企业用电数据集的用电描述变量与参考企业用电数据集的用电描述变量的描述变量配对评分为Fa·Fb，a不大于待处理企业用电数据集的数量。如果参考企业用电数据集为X个，则待处理企业用电数据集与多个参考企业用电数据集的第一描述变量配对评分可以为矩阵H，H={H11、H12…H1s…H1x}，H1s为首个待处理企业用电数据集与第s个参考企业用电数据集之间的描述变量配对评分，1≤s≤X。
操作106，通过待处理企业用电数据集和参考企业用电数据集的用电行为匹配度和第一描述变量配对评分，确定待处理企业用电数据集和参考企业用电数据集之间的数据集匹配度。
可选地，将待处理企业用电数据集和参考企业用电数据集的用电行为匹配度与第一描述变量配对评分进行求和，将和值作为待处理企业用电数据集和参考企业用电数据集的数据集匹配度，或者将待处理企业用电数据集与参考企业用电数据集的用电行为匹配度与第一描述变量配对评分相乘，将相乘结果确定为待处理企业用电数据集与参考企业用电数据集之间的数据集匹配度。
采用确定的数据集匹配度，依据第一描述变量配对评分将待处理企业用电数据集与参考企业用电数据集整体匹配度进行考虑，同时依据用电行为匹配度将待处理企业用电数据集与参考企业用电数据集中的健康数据详情的匹配情况进行考虑。如果参考企业用电数据集为X个，则待处理企业用电数据集与多个参考企业用电数据集之间的数据集匹配度例如为矩阵K，例如K={K11、K12…K1s…K1x}，K1s为首个待处理企业用电数据集和第s个参考企业用电数据集的数据集匹配度，1≤s≤X。待处理企业用电数据集与各个参考企业用电数据集的数据集匹配度矩阵K可以基于待处理企业用电数据集与各个参考企业用电数据集的用电行为匹配度矩阵G与待处理企业用电数据集与各个参考企业用电数据集的描述变量配对评分矩阵H计算得到，其中，K＝G×H。
操作107，通过待处理企业用电数据集和参考企业用电数据集之间的数据集匹配度，从参考企业用电数据集中确定目标参考企业用电数据集，以通过目标参考企业用电数据集对待处理企业用电数据集进行能耗定级标注。
可选地，通过待处理企业用电数据集与各个参考企业用电数据集的数据集匹配度，在各参考企业用电数据集中确定目标参考企业用电数据集，例如譬如在数据集匹配度矩阵K中确定最大数据集匹配度对应的参考企业用电数据集，确定为待处理企业用电数据集的目标参考企业用电数据集。如果待处理企业用电数据集的数目为2，那么将待处理企业用电数据集与各个参考企业用电数据集的用电行为匹配度矩阵H、待处理企业用电数据集与各个参考企业用电数据集的描述变量配对评分矩阵G的维数进行升维。能耗定级标注的过程是对用电数据集进行能耗等级标记的过程，例如能耗等级1、能耗等级2等，或者对用电数据集中的各个用电行为的能耗等级标记的过程，具体地，参考企业用电数据集已经被进行了能耗等级标注，在确定了目标参考企业用电数据集后，将目标参考企业用电数据集的能耗等级作为待处理企业用电数据集的能耗等级标记进行标注，例如标注待处理企业用电数据集的整体能耗等级，和/或标注其中包含的不同用电设备对应的能耗等级，和/或标注其中包含的匹配的用电行为的对应的能耗等级。由于参考企业用电数据集的标注结果是经过人工实现确认准确的，待处理企业用电数据集与其匹配度满足要求，则标注后的待处理企业用电数据集的能耗等级也是准确的。
本公开实施例应用于企业异常用电管理的能耗检测方法及数据分析系统，在为待处理企业用电数据集确定目标参考企业用电数据集时，首先通过待处理企业用电数据集与参考企业用电数据集的用电描述变量保障目标参考企业用电数据集与待处理企业用电数据集间的总体匹配度，其次，还通过待处理企业用电数据集与参考企业用电数据集之间的用电行为匹配度，保证了目标参考企业用电数据集中的用电行为确定结果与待处理企业用电数据集中的用电行为确定结果的匹配度，换言之保障了目标参考企业用电数据集与待处理企业用电数据集中的局部的匹配度。基于此，保障了目标参考企业用电数据集与待处理企业用电数据集在总体与局部是相互匹配的，让目标参考企业用电数据集和待处理企业用电数据集之间的匹配度更高，在通过目标参考企业用电数据集对待处理企业用电数据集进行能耗定级标注时更准确。
可选地，确定待处理企业用电数据集的目标参考企业用电数据集后，对待处理企业用电数据集进行能耗定级标注时，将目标参考企业用电数据集与待处理企业用电数据集进行用电数据区间映射，得到用电数据区间映射结果。用电数据区间映射的过程是将各个用电设备，或者说用电类型、用电属性对应的数据进行一一对应；基于用电数据区间映射结果，依据目标参考企业用电数据集对待处理企业用电数据集进行能耗定级标注，得到初始能耗定级标注数据。获得的初始能耗定级标注数据可能具有误差，因此，获取到初始能耗定级标注数据后，依据训练好的能耗定级标注优化算法对初始能耗定级标注数据进行定级优化标注，完成对待处理企业用电数据集的能耗定级标注。在依据训练好的能耗定级标注优化算法对初始能耗定级标注数据进行定级优化，完成对待处理企业用电数据集的能耗定级标注前，先对能耗定级标注优化算法进行训练，具体地，先获取目标用电数据集能耗定级标注样例；对目标用电数据集能耗定级标注样例进行用电数据项扰动操作，得到扰动用电数据集能耗定级标注样例，扰动的方式可以是增加脏数据、删除数据、修改数据等；将扰动用电数据集能耗定级标注样例输入至待训练能耗定级标注优化算法，得到还原用电数据集能耗定级标注样例；确定还原用电数据集能耗定级标注样例与目标用电数据集能耗定级标注样例之间的损失函数；基于损失函数对待训练能耗定级标注优化算法的算法参数进行优化，以将待训练能耗定级标注优化算法优化成能耗定级标注优化算法。
在用电行为匹配度确定时，待处理企业用电数据集中的用电行为确定结果可以包括在待处理企业用电数据集中确定出的第一用电行为，参考企业用电数据集中的用电行为确定结果可以包括在参考企业用电数据集中确定出的第二用电行为，第一用电行为包括待处理企业用电数据集中目标用电行为的用电行为个数，第二用电行为包括参考企业用电数据集中目标用电行为的用电行为个数。可选地，可以基于目标用电行为识别算子对待处理企业用电数据集或参考企业用电数据集进行识别（参照操作101中的用电行为的确定标准），在待处理企业用电数据集或参考企业用电数据集中确定第一用电行为或第二用电行为。
对用电行为匹配度进行确定时，例如包括以下操作；
操作201，通过第一用电行为确定待处理企业用电数据集中目标用电行为的第一用电行为个数。
操作202，通过第二用电行为确定参考企业用电数据集中目标用电行为的第二用电行为个数。
操作203，通过第一用电行为个数和第二用电行为个数，确定待处理企业用电数据集和参考企业用电数据集中目标用电行为的和值与差值。
操作204，通过待处理企业用电数据集和参考企业用电数据集中目标用电行为的和值与差值，确定待处理企业用电数据集与参考企业用电数据集的用电行为个数匹配度。
可选地，待处理企业用电数据集与第a个参考企业用电数据集之间的用电行为个数匹配度Sim采用以下公式计算：
Sim=（m1+m2）÷（1+丨m1-m2丨）
其中，m1为第一用电行为个数，m2为第二用电行为个数。
操作205，通过待处理企业用电数据集与参考企业用电数据集的用电行为个数匹配度，确定待处理企业用电数据集和参考企业用电数据集的用电行为匹配度。
可选地，将待处理企业用电数据集与参考企业用电数据集的用电行为个数匹配度确定为待处理企业用电数据集与参考企业用电数据集之间的数据集匹配度，即将待处理企业用电数据集与参考企业用电数据集的用电行为个数匹配度矩阵确定为待处理企业用电数据集与参考企业用电数据集之间的用电行为匹配度矩阵。本公开实施例不仅基于企业用电数据集的描述变量配对评分保障目标参考企业用电数据集与待处理企业用电数据集总体匹配，同时保障目标参考企业用电数据集与待处理企业用电数据集中的目标用电行为数目一致，有利于基于目标参考企业用电数据集对待处理企业用电数据集进行能耗定级标注，待处理企业用电数据集中的目标用电行为在目标参考企业用电数据集中都包含相应的用电行为，能耗定级标注的准确性高。
对用电行为确定结果进行确定时，可以包括以下操作：
操作301，对待处理企业用电数据集和参考企业用电数据集分别进行用电行为分割，以确定待处理企业用电数据集中包括的第一用电行为和参考企业用电数据集中包括的第二用电行为。
第一用电行为可以包括待处理企业用电数据集中涵盖的目标用电行为和各个目标用电行为在待处理企业用电数据集中的时序分布，第二用电行为包括参考企业用电数据集中涵盖的目标用电行为和各个目标用电行为在参考企业用电数据集中的时序分布，一个待处理企业用电数据集或参考企业用电数据集中可具有多个目标用电行为，每个目标用电行为可对应不同的用电属性。可选地，基于训练好的健康描述项识别算子对待处理企业用电数据集识别，在待处理企业用电数据集或参考企业用电数据集中识别得到各目标用电行为和各目标用电行为的分布情况。
操作302，通过第一用电行为和第二用电行为，确定待处理企业用电数据集中每个用电数据项对应的用电属性和参考企业用电数据集中每个用电数据项对应的用电属性。
可选地，若在待处理企业用电数据集或参考企业用电数据集中识别得到各目标用电行为的时序分布，相当于待处理企业用电数据集或参考企业用电数据集中的每个用电数据项拥有了相应的属性标记。若在待处理企业用电数据集中识别得到1、2、3三种用电属性的目标用电行为，那么待处理企业用电数据集中的一用电数据项为1、2、3三种用电属性中的一个，参考企业用电数据集中每个用电数据项的用电数据项对应用电属性的确定过程做同理理解。
操作303，将待处理企业用电数据集分割为X个第一区间，以及将参考企业用电数据集分割为X个第二区间。
其中X个第一区间与X个第二区间一一关联，X≥1。分割的方式如可以为等额分割，例如按照时间进行等分，待处理企业用电数据集中的各个文本区间与参考企业用电数据集中的文本区间一一关联，即彼此映射。
操作304，通过待处理企业用电数据集中每个用电数据项对应的用电属性确定各个第一区间中每个用电数据项对应的第一用电属性，作为待处理企业用电数据集中的用电行为确定结果。
可选地，统计各第一区间中每个用电数据项对应的第一用电属性Vsk确定为待处理企业用电数据集的用电行为确定结果。Vsk包含对应区间的用电属性的标记，k小于或等于待处理企业用电数据集的数目，s小于或等于第k个待处理企业用电数据集中第一区间的数目。
操作305，通过参考企业用电数据集中每个用电数据项对应的用电属性确定各个第二区间中每个用电数据项对应的第二用电属性，作为参考企业用电数据集中的用电行为确定结果。
可选地，统计各第二区间中每个用电数据项对应的第二用电属性Vsu确定为待处理企业用电数据集的用电行为确定结果，Vsu包含区间的用电属性的标记，u不大于待处理企业用电数据集的数目，s不大于第u个待处理企业用电数据集中第一区间的数目。可选地，获取到各第一区间中每个用电数据项对应的第一用电属性和各第二区间中每个用电数据项对应的第二用电属性后，通过各第一区间中的第一用电属性和各个第二区间中的第二用电属性确定待处理企业用电数据集与参考企业用电数据集中的用电行为确定结果。可选地，通过各第一区间中的第一用电属性和各第二区间中的第二用电属性统计各第一区间与对应的第二区间之间的用电数据项标记用电属性匹配度，再通过各第一区间对应的用电数据项标记用电属性匹配度确定待处理企业用电数据集与参考企业用电数据集之间的用电行为匹配度。譬如，将各个第一区间与对应的第二区间的用电数据项标记用电属性匹配度进行求和，确定待处理企业用电数据集与参考企业用电数据集之间的用电行为匹配度。第一区间和对应的第二区间的用电数据项标记类型(用电数据项对应的用电属性标记)匹配度通过统计第一区间与第二区间标记相同的用电数据项的数目，再基于第一区间与第二区间标记相同的用电数据项的数目与第一区间或第二区间用电数据项总数的比值，将该比值确定为第一区间与其对应的第二区间的用电数据项标记用电属性匹配度。
对于用电行为匹配度，还可以是以下操作获取得到：
操作401，通过各个第一区间中每个用电数据项对应的第一用电属性和各个第二区间中每个用电数据项对应的第二用电属性，确定各个第一区间与对应的第二区间之间的用电属性匹配度。
可选地，确定各第一区间中每个用电数据项对应的第一用电属性，即可归集各第一区间中包括的用电属性数量Pn(Vsk)，确定各第二区间中每个用电数据项对应的第二用电属性，或者说统计各第二区间中包括的用电属性数量Pn(Vsu)。可选地，若第一用电属性包括第一目标用电属性，第二用电属性包括第二目标用电属性，第k个待处理企业用电数据集的第一区间包括第一目标区间，第u个参考企业用电数据集第二区间包括第二目标区间，第一目标区间与第二目标区间对应，第一目标区间中的用电数据项对应于第一目标用电属性Vsk，第二目标区间中的用电数据项对应于第二目标用电属性Vsu，s为第一目标区间或第二目标区间对应区间的顺序标记，Pn()表示求解集合中数据总数目的算法。
确定第一目标区间与第二目标区间的用电属性匹配度的过程可以是确定第一目标用电属性与第二目标用电属性的相同用电属性数量；再确定第一目标用电属性与第二目标用电属性的用电属性的总数量；然后通过第一目标用电属性与第二目标用电属性的相同用电属性数量、第一目标用电属性与第二目标用电属性的用电属性的总数量确定第一目标区间与第二目标区间的用电属性匹配度。
确定第一目标区间与第二目标区间的用电属性匹配度的过程例如是确定第一目标用电属性与第二目标用电属性的用电属性的总数量Pn(Vsk)和Pn(Vsu)；再通过第一目标用电属性Pn(Vsk)与第二目标用电属性Pn(Vsu)的相同用电属性数量Pn(Vs)1、第一目标用电属性与第二目标用电属性的用电属性的总数量Pn(Vs)2获取第一目标区间与第二目标区间的用电属性匹配度。
第一目标区间与第二目标区间的用电属性匹配度Sim=Pn(Vs)1/Pn(Vs)2，换言之，获得的是二者的交并比（IOU）。可选地，可以通过第一目标区间与第二目标区间的用电属性匹配度确定方式获取各第一区间与对应的第二区间的用电属性匹配度。
操作402，通过各个第一区间与对应的第二区间之间的用电属性匹配度，确定待处理企业用电数据集与参考企业用电数据集的用电属性匹配度。
可选地，对各第一区间与对应的第二区间的用电属性匹配度进行求和得到待处理企业用电数据集与参考企业用电数据集的用电属性匹配度。
操作403，通过待处理企业用电数据集和参考企业用电数据集的用电属性匹配度，确定待处理企业用电数据集与参考企业用电数据集的用电行为匹配度。
可选地，将待处理企业用电数据集与参考企业用电数据集的用电属性匹配度确定为待处理企业用电数据集与参考企业用电数据集的用电行为匹配度，即将待处理企业用电数据集与参考企业用电数据集的用电属性匹配度确定为待处理企业用电数据集与参考企业用电数据集之间的用电行为匹配度矩阵。可选地，在待处理企业用电数据集中确定出的第一用电行为包括待处理企业用电数据集中的目标用电行为的第一用电行为个数，在参考企业用电数据集中识别操作的第二用电行为包括待处理企业用电数据集中的目标用电行为的第二用电行为个数。
对于用电行为匹配度的获取，另一实施方式中，具体可以是由以下操作执行得到的：
操作501，通过各个第一区间中每个用电数据项对应的第一用电属性和各个第二区间中每个用电数据项对应的第二用电属性，确定各个第一区间与对应的第二区间之间的用电属性匹配度。
操作502，通过各个第一区间与对应的第二区间之间的用电属性匹配度，确定待处理企业用电数据集与参考企业用电数据集的用电属性匹配度。
操作503，通过第一用电行为个数和第二用电行为个数，确定待处理企业用电数据集和参考企业用电数据集中目标用电行为的和值与差值。
操作504，通过待处理企业用电数据集和参考企业用电数据集中目标用电行为的和值与差值，确定待处理企业用电数据集与参考企业用电数据集的用电行为个数匹配度。
操作505，通过待处理企业用电数据集与参考企业用电数据集的用电行为个数匹配度和用电属性匹配度，确定待处理企业用电数据集与参考企业用电数据集的用电行为匹配度。
可选地，将待处理企业用电数据集与参考企业用电数据集的用电属性匹配度、用电行为个数匹配度求和，得到待处理企业用电数据集与参考企业用电数据集的用电行为匹配度。上述过程基于企业用电数据集的描述变量配对评分保障了目标参考企业用电数据集与待处理企业用电数据集总体匹配，此外保障了目标参考企业用电数据集和待处理企业用电数据集中的目标用电行为的数目匹配，以及保障了目标参考企业用电数据集与目标用电行为中的用电行为确定结果时序位置匹配。可选地，待处理企业用电数据集包括第一待处理企业用电数据集和第二待处理企业用电数据集，譬如企业不同时间或不同区域的企业用电数据集，第一待处理企业用电数据集与参考企业用电数据集之间的数据集匹配度为第一数据集匹配度，第二待处理企业用电数据集与参考企业用电数据集之间的数据集匹配度为第二数据集匹配度，若为第一待处理企业用电数据集和第二待处理企业用电数据集进行标记，通常需要为第一待处理企业用电数据集和第二待处理企业用电数据集分别确定参考企业用电数据集，本公开实施例中，目标参考企业用电数据集的获取过程为：
操作601，分别获取第一待处理企业用电数据集和第二待处理企业用电数据集的用电描述变量。
可选地，基于待训练能耗定级标注优化算法对第一待处理企业用电数据集和第二待处理企业用电数据集进行描述变量抽取，获得表征第一待处理企业用电数据集全局的用电描述变量和表征第二待处理企业用电数据集全局的用电描述变量。
操作602，通过第一待处理企业用电数据集与第二待处理企业用电数据集的用电描述变量，确定第一待处理企业用电数据集与第二待处理企业用电数据集之间的第二描述变量配对评分。
可选地，可以确定第一待处理企业用电数据集的用电描述变量与第二待处理企业用电数据集的用电描述变量之间的匹配度确定为第二描述变量配对评分。可选地，获取到第一待处理企业用电数据集与第二待处理企业用电数据集的描述变量配对评分后，通过第一数据集匹配度、第二数据集匹配度和第二描述变量配对评分，在参考企业用电数据集中确定第一待处理企业用电数据集的目标参考企业用电数据集。可选地，通过第一数据集匹配度、第二数据集匹配度以及第二描述变量配对评分，从参考企业用电数据集中确定第一待处理企业用电数据集的目标参考企业用电数据集，包括：
操作603，通过第二数据集匹配度和第二描述变量配对评分确定第二待处理企业用电数据集对第一待处理企业用电数据集的调节参数。
可选地，将第二待处理企业用电数据集与第一待处理企业用电数据集的第二描述变量配对评分与第二待处理企业用电数据集与参考企业用电数据集的第二数据集匹配度求和得到第二待处理企业用电数据集相较第一待处理企业用电数据集的调节参数，用于对其进行调节。
操作604，通过第二待处理企业用电数据集对第一待处理企业用电数据集的调节参数、第一数据集匹配度，确定第一待处理企业用电数据集与参考企业用电数据集的关联参数。
可选地，将第二待处理企业用电数据集对第一待处理企业用电数据集的调节参数与第一待处理企业用电数据集与参考企业用电数据集的第一数据集匹配度求和得到第一待处理企业用电数据集与参考企业用电数据集的关联参数（即二者的关联度值）。
操作605，通过第一待处理企业用电数据集与参考企业用电数据集的关联参数在参考企业用电数据集中确定第一待处理企业用电数据集的目标参考企业用电数据集。
可选地，通过以上方式得到第一待处理企业用电数据集与多个参考企业用电数据集的关联参数，之后在多个关联参数中获取最大关联参数对应的参考企业用电数据集为第一待处理企业用电数据集的目标参考企业用电数据集。第一待处理企业用电数据集与参考企业用电数据集的关联参数，将第一待处理企业用电数据集与参考企业用电数据集中的企业用电数据集特征，以及第二待处理企业用电数据集对第一待处理企业用电数据集的相似影响进行考虑。可选地，在基于以上过程确定得到待处理企业用电数据集与各参考企业用电数据集的病历关联参数后，可以将最大关联参数对应的参考企业用电数据集确定为待处理企业用电数据集的目标参考企业用电数据集。基于本公开实施例的方法，可以为每一个待处理企业用电数据集确定相似的目标参考企业用电数据集，基于目标参考企业用电数据集为病历组合中的每一待处理企业用电数据集进行标记可以确保标记内容偏误在可控范围内。
作为另一个实施例，还提供一种应用于企业异常用电管理的能耗检测方法，包括的操作如下：。
操作701，获取第一待处理企业用电数据集、第二待处理企业用电数据集和参考企业用电数据集。
操作702，获取第一待处理企业用电数据集与参考企业用电数据集之间的第一数据集匹配度。
第一数据集匹配度是第一待处理企业用电数据集与参考企业用电数据集之间的描述变量配对评分，或通过第一待处理企业用电数据集与参考企业用电数据集之间的描述变量配对评分确定的其余和企业用电数据集文本关联的匹配度，譬如通过第一待处理企业用电数据集与参考企业用电数据集之间的用电行为匹配度和描述变量配对评分确定的匹配度。确定第一待处理企业用电数据集与参考企业用电数据集之间的描述变量配对评分的过程例如是确定第一待处理企业用电数据集的用电描述变量和参考企业用电数据集的用电描述变量，再通过第一待处理企业用电数据集的用电描述变量和参考企业用电数据集的用电描述变量，确定第一待处理企业用电数据集和参考企业用电数据集的描述变量配对评分。确定第一待处理企业用电数据集与参考企业用电数据集之间的用电行为匹配度的过程例如是在第一待处理企业用电数据集中识别得到第一用电行为，在参考企业用电数据集中识别得到第二用电行为，接着通过第一用电行为确定第一待处理企业用电数据集中目标用电行为的第一用电行为个数，然后通过第二用电行为确定参考企业用电数据集中目标用电行为的第二用电行为个数，以及通过第一用电行为个数和第二用电行为个数，确定第一待处理企业用电数据集和参考企业用电数据集中目标用电行为的和值与差值，然后通过第一待处理企业用电数据集和参考企业用电数据集中目标用电行为的和值与差值，确定第一待处理企业用电数据集与参考企业用电数据集的用电行为个数匹配度，最后通过第一待处理企业用电数据集与参考企业用电数据集的用电行为个数匹配度，确定第一待处理企业用电数据集和参考企业用电数据集的用电行为匹配度。
抑或，确定第一待处理企业用电数据集与参考企业用电数据集之间的用电行为匹配度是通过各个第一区间中每个用电数据项对应的第一用电属性和各个第二区间中每个用电数据项对应的第二用电属性，确定各个第一区间与对应的第二区间之间的用电属性匹配度，再通过各个第一区间与对应的第二区间之间的用电属性匹配度，确定第一待处理企业用电数据集与参考企业用电数据集的用电属性匹配度，并通过第一待处理企业用电数据集和参考企业用电数据集的用电属性匹配度，确定第一待处理企业用电数据集与参考企业用电数据集的用电行为匹配度。
还或者说，确定第一待处理企业用电数据集与参考企业用电数据集之间的用电行为匹配度可以是通过各个第一区间中每个用电数据项对应的第一用电属性和各个第二区间中每个用电数据项对应的第二用电属性，确定各个第一区间与对应的第二区间之间的用电属性匹配度，通过各个第一区间与对应的第二区间之间的用电属性匹配度，确定第一待处理企业用电数据集与参考企业用电数据集的用电属性匹配度，再通过第一用电行为个数和第二用电行为个数，确定第一待处理企业用电数据集和参考企业用电数据集中目标用电行为的和值与差值，以及通过第一待处理企业用电数据集和参考企业用电数据集中目标用电行为的和值与差值，确定第一待处理企业用电数据集与参考企业用电数据集的用电行为个数匹配度，最后通过第一待处理企业用电数据集与参考企业用电数据集的用电行为个数匹配度和用电属性匹配度，确定第一待处理企业用电数据集与参考企业用电数据集的用电行为匹配度。
操作703，获取第二待处理企业用电数据集与参考企业用电数据集之间的第二数据集匹配度。
第二数据集匹配度可以是第二待处理企业用电数据集与参考企业用电数据集之间的描述变量配对评分，或者是通过第二待处理企业用电数据集与参考企业用电数据集之间的描述变量配对评分确定的其余和企业用电数据集文本关联的匹配度，比如通过第二待处理企业用电数据集与参考企业用电数据集之间的用电行为匹配度和描述变量配对评分确定的匹配度。第二待处理企业用电数据集与参考企业用电数据集之间的用电行为匹配度和描述变量配对评分确定的过程可以参照第一待处理企业用电数据集与参考企业用电数据集之间的用电行为匹配度和描述变量配对评分确定的过程。
操作704，分别获取第一待处理企业用电数据集和第二待处理企业用电数据集的用电描述变量。
操作705，通过第一待处理企业用电数据集、第二待处理企业用电数据集的用电描述变量，确定第一待处理企业用电数据集与第二待处理企业用电数据集之间的第二描述变量配对评分。
操作706，通过第一数据集匹配度、第二数据集匹配度以及第二描述变量配对评分，在参考企业用电数据集中确定第一待处理企业用电数据集的目标参考企业用电数据集，以通过目标参考企业用电数据集对第一待处理企业用电数据集进行能耗定级标注。
本公开实施例提供的应用于企业异常用电管理的能耗检测方法及数据分析系统，在为待处理企业用电数据集确定目标参考企业用电数据集时，首先通过待处理企业用电数据集与参考企业用电数据集的用电描述变量保障目标参考企业用电数据集与待处理企业用电数据集间的总体匹配度，其次，还通过待处理企业用电数据集与参考企业用电数据集之间的用电行为匹配度，保证了目标参考企业用电数据集中的用电行为确定结果与待处理企业用电数据集中的用电行为确定结果的匹配度，换言之保障了目标参考企业用电数据集与待处理企业用电数据集中的局部的匹配度。基于此，保障了目标参考企业用电数据集与待处理企业用电数据集在总体与局部是相互匹配的，让目标参考企业用电数据集和待处理企业用电数据集之间的匹配度更高，在通过目标参考企业用电数据集对待处理企业用电数据集进行能耗定级标注时更准确。
基于同样的发明构思，本公开实施例还提供了一种用于实现上述所涉及的标签处理方法的数据分析装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个数据分析装置实施例中的具体限定可以参见上文中对于标签处理方法的限定，在此不再赘述。
在一个实施例中，如图3所示，提供了一种数据分析装置300，包括：
数据获取模块310，用于获取待处理企业用电数据集和参考企业用电数据集；
行为识别模块320，用于获取所述待处理企业用电数据集中的用电行为确定结果和所述参考企业用电数据集中的用电行为确定结果；
行为匹配模块330，用于通过所述待处理企业用电数据集中的用电行为确定结果和所述参考企业用电数据集中的用电行为确定结果，确定所述待处理企业用电数据集和所述参考企业用电数据集的用电行为匹配度；
特征提取模块340，用于确定所述待处理企业用电数据集的用电描述变量和所述参考企业用电数据集的用电描述变量；
评分获取模块350，用于通过所述待处理企业用电数据集的用电描述变量和所述参考企业用电数据集的用电描述变量，确定所述待处理企业用电数据集和所述参考企业用电数据集的第一描述变量配对评分；
数据集匹配模块360，用于通过所述待处理企业用电数据集和所述参考企业用电数据集的用电行为匹配度和所述第一描述变量配对评分，确定所述待处理企业用电数据集和所述参考企业用电数据集之间的数据集匹配度；
能耗定级模块370，用于通过所述待处理企业用电数据集和所述参考企业用电数据集之间的数据集匹配度，从所述参考企业用电数据集中确定目标参考企业用电数据集，以通过所述目标参考企业用电数据集对所述待处理企业用电数据集进行能耗定级标注。
上述标签处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于数据分析系统中的处理器中，也可以以软件形式存储于数据分析系统中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种数据分析系统，该数据分析系统可以是服务器，其内部结构图可以如图4所示。该数据分析系统包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该数据分析系统的处理器用于提供计算和控制能力。该数据分析系统的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该数据分析系统的数据库用于存储包含企业用电数据集。该数据分析系统的输入/输出接口用于处理器与外部设备之间交换信息。该数据分析系统的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种应用于企业异常用电管理的能耗检测方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开方案所应用于其上的数据分析系统的限定，具体的数据分析系统可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种数据分析系统，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的操作。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的操作。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的操作。
需要说明的是，本公开所涉及的对象信息(包括但不限于对象的设备信息、对应的个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经对象授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本公开所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本公开所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本公开所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本公开的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本公开专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本公开构思的前提下，还可以做出若干变形和改进，这些都属于本公开的保护范围。因此，本公开的保护范围应以所附权利要求为准。

Claims (10)

1.一种应用于企业异常用电管理的能耗检测方法，其特征在于，应用于数据分析系统，所述方法包括：
获取待处理企业用电数据集和参考企业用电数据集；
获取所述待处理企业用电数据集中的用电行为确定结果和所述参考企业用电数据集中的用电行为确定结果；
通过所述待处理企业用电数据集中的用电行为确定结果和所述参考企业用电数据集中的用电行为确定结果，确定所述待处理企业用电数据集和所述参考企业用电数据集的用电行为匹配度；
确定所述待处理企业用电数据集的用电描述变量和所述参考企业用电数据集的用电描述变量；
通过所述待处理企业用电数据集的用电描述变量和所述参考企业用电数据集的用电描述变量，确定所述待处理企业用电数据集和所述参考企业用电数据集的第一描述变量配对评分；
通过所述待处理企业用电数据集和所述参考企业用电数据集的用电行为匹配度和所述第一描述变量配对评分，确定所述待处理企业用电数据集和所述参考企业用电数据集之间的数据集匹配度；
通过所述待处理企业用电数据集和所述参考企业用电数据集之间的数据集匹配度，从所述参考企业用电数据集中确定目标参考企业用电数据集，以通过所述目标参考企业用电数据集对所述待处理企业用电数据集进行能耗定级标注。
2.根据权利要求1所述方法，其特征在于，所述待处理企业用电数据集中的用电行为确定结果包括在所述待处理企业用电数据集中确定出的第一用电行为，所述参考企业用电数据集中的用电行为确定结果包括在所述参考企业用电数据集中确定出的第二用电行为；
其中，通过所述待处理企业用电数据集中的用电行为确定结果和所述参考企业用电数据集中的用电行为确定结果，确定所述待处理企业用电数据集和所述参考企业用电数据集的用电行为匹配度，包括：
通过所述第一用电行为确定所述待处理企业用电数据集中目标用电行为的第一用电行为个数；
通过所述第二用电行为确定所述参考企业用电数据集中所述目标用电行为的第二用电行为个数；
通过所述第一用电行为个数和所述第二用电行为个数，确定所述待处理企业用电数据集和所述参考企业用电数据集中目标用电行为的和值与差值；
通过所述待处理企业用电数据集和所述参考企业用电数据集中所述目标用电行为的和值与差值，确定所述待处理企业用电数据集与所述参考企业用电数据集的用电行为个数匹配度；
通过所述待处理企业用电数据集与所述参考企业用电数据集的用电行为个数匹配度，确定所述待处理企业用电数据集和所述参考企业用电数据集的所述用电行为匹配度。
3.根据权利要求1所述方法，其特征在于，获取所述待处理企业用电数据集中的用电行为确定结果和所述参考企业用电数据集中的用电行为确定结果，包括：
对所述待处理企业用电数据集和所述参考企业用电数据集分别进行用电行为分割，以确定所述待处理企业用电数据集中包括的第一用电行为和所述参考企业用电数据集中包括的第二用电行为；
通过所述第一用电行为和所述第二用电行为，确定所述待处理企业用电数据集中每个用电数据项对应的用电属性和所述参考企业用电数据集中每个用电数据项对应的用电属性；
将所述待处理企业用电数据集分割为X个第一区间，以及将所述参考企业用电数据集分割为X个第二区间，所述X个第一区间与所述X个第二区间一一关联，其中，所述X≥1；
通过所述待处理企业用电数据集中每个用电数据项对应的用电属性确定各个第一区间中每个用电数据项对应的第一用电属性，作为所述待处理企业用电数据集中的用电行为确定结果；
通过所述参考企业用电数据集中每个用电数据项对应的用电属性确定各个第二区间中每个用电数据项对应的第二用电属性，作为所述参考企业用电数据集中的用电行为确定结果。
4.根据权利要求3所述方法，其特征在于，所述通过所述待处理企业用电数据集中的用电行为确定结果和所述参考企业用电数据集中的用电行为确定结果，确定所述待处理企业用电数据集和所述参考企业用电数据集的用电行为匹配度，包括：
通过各个第一区间中每个用电数据项对应的第一用电属性和各个第二区间中每个用电数据项对应的第二用电属性，确定各个第一区间与对应的第二区间之间的用电属性匹配度；
通过各个第一区间与对应的第二区间之间的用电属性匹配度，确定所述待处理企业用电数据集与所述参考企业用电数据集的用电属性匹配度；
通过所述待处理企业用电数据集和所述参考企业用电数据集的用电属性匹配度，确定所述待处理企业用电数据集与所述参考企业用电数据集的用电行为匹配度。
5.根据权利要求4所述方法，其特征在于，所述第一用电属性包括第一目标用电属性，所述第二用电属性包括所述第二目标用电属性，所述第一区间包括第一目标区间，所述第二区间包括第二目标区间，所述第一目标区间与所述第二目标区间对应，所述第一目标区间中的用电数据项属于所述第一目标用电属性，所述第二目标区间中的用电数据项属于所述第二目标用电属性；其中，确定各个第一区间与对应的第二区间之间的用电属性匹配度，包括：
确定所述第一目标用电属性与所述第二目标用电属性的相同用电属性数量；
确定所述第一目标用电属性与所述第二目标用电属性的用电属性的总数量；
通过第一目标用电属性与所述第二目标用电属性的相同用电属性数量、以及所述第一目标用电属性与所述第二目标用电属性的用电属性的总数量确定所述第一目标区间与所述第二目标区间的用电属性匹配度；
所述第一用电行为包括所述待处理企业用电数据集中包括的目标用电行为的第一用电行为个数，所述第二用电行为包括所述待处理企业用电数据集中包括的所述目标用电行为的第二用电行为个数；其中，通过所述待处理企业用电数据集和所述参考企业用电数据集的用电属性匹配度，确定所述待处理企业用电数据集与所述参考企业用电数据集的用电行为匹配度，包括：
通过所述第一用电行为个数和所述第二用电行为个数，确定所述待处理企业用电数据集和所述参考企业用电数据集中目标用电行为的和值与差值；
通过所述待处理企业用电数据集和所述参考企业用电数据集中目标用电行为的和值与差值，确定所述待处理企业用电数据集与所述参考企业用电数据集的用电行为个数匹配度；
通过所述待处理企业用电数据集与所述参考企业用电数据集的用电行为个数匹配度和用电属性匹配度，确定所述待处理企业用电数据集与所述参考企业用电数据集的用电行为匹配度。
6.根据权利要求1所述方法，其特征在于，所述待处理企业用电数据集包括第一待处理企业用电数据集和第二待处理企业用电数据集，所述第一待处理企业用电数据集与所述参考企业用电数据集之间的数据集匹配度为第一数据集匹配度，所述第二待处理企业用电数据集与所述参考企业用电数据集之间的数据集匹配度为第二数据集匹配度；其中，通过所述待处理企业用电数据集和所述参考企业用电数据集之间的数据集匹配度，从所述参考企业用电数据集中确定目标参考企业用电数据集，包括：
分别获取所述第一待处理企业用电数据集和所述第二待处理企业用电数据集的用电描述变量；
通过所述第一待处理企业用电数据集与所述第二待处理企业用电数据集的用电描述变量，确定所述第一待处理企业用电数据集与所述第二待处理企业用电数据集之间的第二描述变量配对评分；
通过所述第一数据集匹配度、所述第二数据集匹配度以及所述第二描述变量配对评分，从所述参考企业用电数据集中确定所述第一待处理企业用电数据集的目标参考企业用电数据集。
7.根据权利要求6所述方法，其特征在于，通过所述第一数据集匹配度、所述第二数据集匹配度以及所述第二描述变量配对评分，从所述参考企业用电数据集中确定所述第一待处理企业用电数据集的目标参考企业用电数据集，包括：
通过所述第二数据集匹配度和所述第二描述变量配对评分确定所述第二待处理企业用电数据集对所述第一待处理企业用电数据集的调节参数；
通过所述第二待处理企业用电数据集对所述第一待处理企业用电数据集的调节参数、以及所述第一数据集匹配度，确定所述第一待处理企业用电数据集与所述参考企业用电数据集的关联参数；
通过所述第一待处理企业用电数据集与所述参考企业用电数据集的关联参数，从所述参考企业用电数据集中确定所述第一待处理企业用电数据集的目标参考企业用电数据集。
8.根据权利要求1所述的方法，其特征在于，通过所述目标参考企业用电数据集对所述待处理企业用电数据集进行能耗定级标注，包括：
将所述目标参考企业用电数据集与所述待处理企业用电数据集进行用电数据区间映射，得到用电数据区间映射结果；
基于所述用电数据区间映射结果，通过所述目标参考企业用电数据集对所述待处理企业用电数据集进行能耗定级标注，得到初始能耗定级标注数据；
通过能耗定级标注优化算法对所述初始能耗定级标注数据进行定级优化，以完成所述待处理企业用电数据集的能耗定级标注；
在通过能耗定级标注优化算法对所述初始能耗定级标注数据进行定级优化，以完成所述待处理企业用电数据集的能耗定级标注之前，所述方法还包括：
获取目标用电数据集能耗定级标注样例；
对所述目标用电数据集能耗定级标注样例进行用电数据项扰动操作，得到扰动用电数据集能耗定级标注样例；
将所述扰动用电数据集能耗定级标注样例输入至待训练能耗定级标注优化算法，得到还原用电数据集能耗定级标注样例；
确定所述还原用电数据集能耗定级标注样例与所述目标用电数据集能耗定级标注样例之间的损失函数；
基于所述损失函数对所述待训练能耗定级标注优化算法的算法参数进行优化，以将所述待训练能耗定级标注优化算法优化成所述能耗定级标注优化算法。
9.根据权利要求1所述的方法，其特征在于，所述待处理企业用电数据集包括第一待处理企业用电数据集和第二待处理企业用电数据集，所述获取待处理企业用电数据集和参考企业用电数据集包括：获取第一待处理企业用电数据集、第二待处理企业用电数据集和参考企业用电数据集；
所述方法还包括：
获取所述第一待处理企业用电数据集与所述参考企业用电数据集之间的第一数据集匹配度；
获取所述第二待处理企业用电数据集与所述参考企业用电数据集之间的第二数据集匹配度；
分别获取所述第一待处理企业用电数据集和所述第二待处理企业用电数据集的用电描述变量；
通过所述第一待处理企业用电数据集、以及所述第二待处理企业用电数据集的用电描述变量，确定所述第一待处理企业用电数据集与所述第二待处理企业用电数据集之间的第二描述变量配对评分；
通过所述第一数据集匹配度、所述第二数据集匹配度以及所述第二描述变量配对评分，从所述参考企业用电数据集中确定所述第一待处理企业用电数据集的目标参考企业用电数据集，以通过所述目标参考企业用电数据集对所述第一待处理企业用电数据集进行能耗定级标注。
10.一种数据分析系统，其特征在于，包括：
一个或多个处理器；
以及一个或多个存储器，其中所述存储器中存储有计算机可读代码，所述计算机可读代码在由所述一个或多个处理器运行时，使得所述一个或多个处理器执行如权利要求1~9中任一项所述的方法。
CN202311330774.6A 2023-10-16 2023-10-16 应用于企业异常用电管理的能耗检测方法及数据分析系统 Active CN117078112B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311330774.6A CN117078112B (zh) 2023-10-16 2023-10-16 应用于企业异常用电管理的能耗检测方法及数据分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311330774.6A CN117078112B (zh) 2023-10-16 2023-10-16 应用于企业异常用电管理的能耗检测方法及数据分析系统

Publications (2)

Publication Number Publication Date
CN117078112A true CN117078112A (zh) 2023-11-17
CN117078112B CN117078112B (zh) 2024-01-02

Family

ID=88708370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311330774.6A Active CN117078112B (zh) 2023-10-16 2023-10-16 应用于企业异常用电管理的能耗检测方法及数据分析系统

Country Status (1)

Country Link
CN (1) CN117078112B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011003966A2 (fr) * 2009-07-10 2011-01-13 Commissariat à l'énergie atomique et aux énergies alternatives Procede de traitement thermique de matieres dans un reacteur a paroi en auto-creuset
CN103744850A (zh) * 2013-10-14 2014-04-23 国家电网公司 一种基于直觉模糊粗糙集的电网灾害实时调控装置及方法
CN105335800A (zh) * 2015-11-19 2016-02-17 国网天津市电力公司 一种基于联合学习的电力用户用电量预测方法
CN106682079A (zh) * 2016-11-21 2017-05-17 云南电网有限责任公司电力科学研究院 一种基于聚类分析的用户用电行为检测方法
CN107153985A (zh) * 2017-04-30 2017-09-12 国网江苏省电力公司常州供电公司 一种用户侧能源数据的挖掘与分析方法
CN107368540A (zh) * 2017-06-26 2017-11-21 北京理工大学 基于用户自相似度的多模型相结合的电影推荐方法
CN107404671A (zh) * 2017-06-13 2017-11-28 中国传媒大学 电影内容特征获取系统及应用系统
CN110134740A (zh) * 2019-04-08 2019-08-16 中国电力科学研究院有限公司 一种电力能效数据分类存储方法和系统
CN114493255A (zh) * 2022-01-25 2022-05-13 平安国际智慧城市科技股份有限公司 基于知识图谱的企业异常监控方法及其相关设备
CN114708117A (zh) * 2022-03-21 2022-07-05 广东电网有限责任公司 融合先验知识的用电安全检查评级方法、装置及设备
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
CN115081893A (zh) * 2022-06-27 2022-09-20 国网湖北省电力有限公司电力科学研究院 用户用电数据分析方法、装置、电子设备及可读存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011003966A2 (fr) * 2009-07-10 2011-01-13 Commissariat à l'énergie atomique et aux énergies alternatives Procede de traitement thermique de matieres dans un reacteur a paroi en auto-creuset
CN103744850A (zh) * 2013-10-14 2014-04-23 国家电网公司 一种基于直觉模糊粗糙集的电网灾害实时调控装置及方法
CN105335800A (zh) * 2015-11-19 2016-02-17 国网天津市电力公司 一种基于联合学习的电力用户用电量预测方法
CN106682079A (zh) * 2016-11-21 2017-05-17 云南电网有限责任公司电力科学研究院 一种基于聚类分析的用户用电行为检测方法
CN107153985A (zh) * 2017-04-30 2017-09-12 国网江苏省电力公司常州供电公司 一种用户侧能源数据的挖掘与分析方法
CN107404671A (zh) * 2017-06-13 2017-11-28 中国传媒大学 电影内容特征获取系统及应用系统
CN107368540A (zh) * 2017-06-26 2017-11-21 北京理工大学 基于用户自相似度的多模型相结合的电影推荐方法
CN110134740A (zh) * 2019-04-08 2019-08-16 中国电力科学研究院有限公司 一种电力能效数据分类存储方法和系统
CN114493255A (zh) * 2022-01-25 2022-05-13 平安国际智慧城市科技股份有限公司 基于知识图谱的企业异常监控方法及其相关设备
CN114708117A (zh) * 2022-03-21 2022-07-05 广东电网有限责任公司 融合先验知识的用电安全检查评级方法、装置及设备
CN115081893A (zh) * 2022-06-27 2022-09-20 国网湖北省电力有限公司电力科学研究院 用户用电数据分析方法、装置、电子设备及可读存储介质
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 (1)

* Cited by examiner, † Cited by third party
Title
卢海明 等: "基于粒子群算法的异常用电检测方法", 《东北电力技术》, vol. 37, no. 5, pages 56 - 59 *

Also Published As

Publication number Publication date
CN117078112B (zh) 2024-01-02

Similar Documents

Publication Publication Date Title
CN113554175B (zh) 一种知识图谱构建方法、装置、可读存储介质及终端设备
CN113656690B (zh) 产品推荐方法、装置、电子设备及可读存储介质
CN112052891A (zh) 机器行为识别方法、装置、设备及计算机可读存储介质
CN114579584A (zh) 数据表处理方法、装置、计算机设备和存储介质
CN109583712B (zh) 一种数据指标分析方法及装置、存储介质
CN114220536A (zh) 基于机器学习的疾病分析方法、装置、设备及存储介质
CN117078112B (zh) 应用于企业异常用电管理的能耗检测方法及数据分析系统
CN116401238A (zh) 偏离度监测方法、装置、设备、存储介质和程序产品
CN114495137B (zh) 票据异常检测模型生成方法与票据异常检测方法
CN116304251A (zh) 标签处理方法、装置、计算机设备和存储介质
CN116029760A (zh) 消息推送方法、装置、计算机设备和存储介质
CN115905654A (zh) 业务数据的处理方法、装置、设备、存储介质和程序产品
CN115063143A (zh) 账户数据处理方法、装置、计算机设备和存储介质
Chen et al. Incomplete data analysis
CN114170000A (zh) 信用卡用户风险类别识别方法、装置、计算机设备和介质
Liu et al. Inventory Management of Automobile After-sales Parts Based on Data Mining
Mahalle et al. Data Acquisition and Preparation
CN117078441B (zh) 理赔欺诈识别方法、装置、计算机设备和存储介质
CN118364257B (zh) 模型可靠性分析方法、装置、计算机设备和存储介质
CN114817725B (zh) 一种行为决策逻辑识别方法及系统
CN111177132B (zh) 关系型数据的标签清洗方法、装置、设备及存储介质
CN117349344B (zh) 一种基于大数据的产品销售数据智能采集方法及系统
CN117764647B (zh) 广告自动化管理方法、系统、设备及存储介质
CN117611271A (zh) 一种供应商资质能力评估标签体系构建方法及系统
Wiley et al. Chapter 6: Probability Distributions

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