CN117110976B - 电表异常检测方法、装置、电子设备和存储介质 - Google Patents
电表异常检测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117110976B CN117110976B CN202311378385.0A CN202311378385A CN117110976B CN 117110976 B CN117110976 B CN 117110976B CN 202311378385 A CN202311378385 A CN 202311378385A CN 117110976 B CN117110976 B CN 117110976B
- Authority
- CN
- China
- Prior art keywords
- power data
- data
- target
- fault tolerance
- historical
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 69
- 230000002159 abnormal effect Effects 0.000 claims abstract description 68
- 230000005856 abnormality Effects 0.000 claims abstract description 50
- 230000007246 mechanism Effects 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000012549 training Methods 0.000 claims description 93
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 24
- 239000000463 material Substances 0.000 abstract description 11
- 230000005611 electricity Effects 0.000 description 11
- 238000007689 inspection Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000032683 aging Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011896 sensitive detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请适用于电力技术领域,提供了一种电表异常检测方法、装置、电子设备和存储介质,所述方法包括:按预设间隔时长周期性地采集电表的电力数据,所述电力数据包括第一电力数据和第二电力数据;根据所述第一电力数据和预设机理模型,计算得到与所述第二电力数据的数据类型相同的校准参数;根据所述第二电力数据与所述校准参数计算目标差值;根据所述目标差值与所述电表对应的目标容错度区间,确定所述电表是否存在异常。采用本方法可及时发现电表异常,提高电表异常检测的准确性及检测效率,并尽可能减少人力物力的消耗。
Description
技术领域
本申请涉及电力技术领域,尤其涉及一种电表异常检测方法、装置、电子设备和存储介质。
背景技术
电力行业使用三相电表来监测和计量用户的电能消耗。电表的性能可能会由于时间的推移、零部件老化、现场环境影响等情况,导致电能计量不准确或出现其他问题。及时发现电表的异常,保障电能计量的准确性和可靠性,是非常有必要的事。
目前,对于电表的异常检测一般为人工巡检,工作人员定期到现场排查电表是否存在问题,或者,在电表出现异常时去现场进行异常检测,排除故障。显然,人工排查不仅耗费较高的人力物力,而且异常检测准确度不高,排查效率低。
因此,如何及时发现电表异常,提高电表异常检测的准确性及检测效率,尽可能减少人力物力的消耗,是当前需要考虑的问题。
发明内容
本申请实施例提供了一种电表异常检测方法、装置、电子设备和存储介质,可及时发现电表异常,提高电表异常检测的准确性及检测效率,并尽可能减少人力物力的消耗。
第一方面,本申请实施例提供了一种电表异常检测方法,所述方法包括:
按预设间隔时长周期性地采集电表的电力数据,所述电力数据包括第一电力数据和第二电力数据;
根据所述第一电力数据和预设机理模型,计算得到与所述第二电力数据的数据类型相同的校准参数;
根据所述第二电力数据与所述校准参数计算目标差值;
根据所述目标差值与所述电表对应的目标容错度区间,确定所述电表是否存在异常。
在第一方面的一种可能的实现方式中,所述根据所述目标差值与所述电表对应的目标容错度区间,确定所述电表是否存在异常,包括:
当所述目标差值为零,或者,所述目标差值不为零但所述目标差值在所述电表对应的目标容错度区间内时,确定所述电表不存在异常;
当所述目标差值不为零且所述目标差值不在所述电表对应的所述目标容错度区间内时,确定所述电表存在异常。
在第一方面的一种可能的实现方式中,所述当所述目标差值不为零且所述目标差值不在所述电表对应的所述目标容错度区间内时,确定所述电表存在异常,包括:
当所述目标差值不为零且所述目标差值不在所述电表对应的所述目标容错度区间内时,确定目标时间窗口,所述目标时间窗口是指所述电力数据的采集时刻所属的时间窗口;
获取所述目标时间窗口内记录的异常次数;
若所述目标时间窗口内记录的异常次数达到预设次数阈值,则确定所述电表存在异常。
在第一方面的一种可能的实现方式中,所述方法还包括:
若所述目标时间窗口内记录的异常次数未达到所述预设次数阈值,则将所述目标时间窗口内记录的异常次数更新,并将所述目标时间窗口内记录的异常标记为伪异常。
在第一方面的一种可能的实现方式中,所述方法还包括:
若确定所述电表存在异常,则根据所述目标差值对应的所述电力数据与所述校准参数,确定异常电力数据;
根据所述异常电力数据,生成警报信息。
在第一方面的一种可能的实现方式中,所述方法还包括:
获取第一训练数据和第二训练数据,所述第一训练数据包括所述电表的历史电力数据,所述第二训练数据为训练阶段实时采集的所述电表的电力数据;
根据所述第一训练数据和所述第二训练数据,对初始容错度模型进行训练,得到目标容错度模型;
将所述第一训练数据输入至所述目标容错度模型,获得所述电表对应的目标容错度区间。
在第一方面的一种可能的实现方式中,所述第二训练数据包括第一采集数据和第二采集数据,所述根据所述第一训练数据和所述第二训练数据,对初始容错度模型进行训练,得到目标容错度模型,包括:
将所述第一训练数据输入至所述初始容错度模型,获取初始容错度区间;
根据所述第一采集数据和所述预设机理模型,计算得到与所述第二采集数据的数据类型相同的校准训练参数;
根据所述第二采集数据与所述校准训练参数计算训练差值;
根据所述训练差值与所述初始容错度区间,调整所述初始容错度模型的模型参数,直至所述模型参数对应的初始容错度区间符合预设要求时,训练完成,获得目标模型参数及其对应的目标容错度模型。
在第一方面的一种可能的实现方式中,所述历史电力数据包括第一历史电力数据和第二历史电力数据,所述将所述第一训练数据输入至所述目标容错度模型,获得所述电表对应的目标容错度区间,包括:
根据所述第一历史电力数据和预设机理模型,计算得到与所述第二历史电力数据的数据类型相同的历史校准参数;
计算所述第二历史电力数据与所述历史校准参数的相似度;
根据如下计算式确定所述电表对应的目标容错度:
其中,L表示目标容错度,Xi表示第i个第二历史电力数据,X'i表示Xi对应的历史校准参数,λ和γ表示目标模型参数,SSIM(Xi,X'i)表示第i个第二历史电力数据及其对应的历史校准参数的相似度,H为所述第二历史电力数据的个数,R为所述第二历史电力数据的采集时间戳个数;
根据所述目标容错度,确定所述目标容错度区间。
在第一方面的一种可能的实现方式中,所述计算所述第二历史电力数据与所述历史校准参数的相似度,包括:
根据所述第二历史电力数据的均值与所述历史校准参数的均值,确定第一相似度因子;
根据所述第二历史电力数据的标准差和方差,以及所述历史校准参数的标准差和方差,确定第二相似度因子;
根据所述第二历史电力数据的标准差、所述历史校准参数的标准差以及所述第二历史电力数据与所述历史校准参数的协方差,确定第三相似度因子;
根据所述第一相似度因子、所述第二相似度因子以及所述第三相似度因子,确定所述第二历史电力数据与所述历史校准参数的相似度。
第二方面,本申请实施例提供了一种电表异常检测装置,所述装置包括:
数据采集单元,用于按预设间隔时长周期性地采集电表的电力数据,所述电力数据包括第一电力数据和第二电力数据;
机理计算单元,用于根据所述第一电力数据和预设机理模型,计算得到与所述第二电力数据的数据类型相同的校准参数;
目标差值计算单元,用于根据所述第二电力数据与所述校准参数计算目标差值;
异常检测单元,用于根据所述目标差值与所述电表对应的目标容错度区间,确定所述电表是否存在异常。
第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的电表异常检测方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的电表异常检测方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使电子设备执行如上述第一方面所述的电表异常检测方法。
本申请实施例中,通过按预设间隔时长周期性地采集电表的电力数据,所述电力数据包括第一电力数据和第二电力数据,然后根据所述第一电力数据和预设机理模型,计算得到与所述第二电力数据的数据类型相同的校准参数, 再计算所述第二电力数据与所述校准参数的差值,得到目标差值,根据所述目标差值与所述电表对应的目标容错度区间,确定所述电表是否存在异常,无需人工现场巡查。本申请方案不仅大大减少了人力物力的消耗,而且可及时发现电表异常,有效提高电表异常检测的准确性及检测效率。
附图说明
为了更清楚地说明本申请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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的电表异常检测方法的实现流程图;
图2是本申请实施例提供的电表异常检测方法中步骤S104的一种具体实现流程图;
图3是本申请实施例提供的电表异常检测方法中确定电表存在异常的一种具体实现流程图;
图4是本申请实施例提供的电表异常检测方法中确定电表异常后生成报警信息的一种具体实现流程图;
图5是本申请实施例提供的电表异常检测方法中获得电表对应的目标容错度区间的一种具体实现流程图;
图6是本申请实施例提供的电表异常检测方法中对初始容错度模型进行训练得到目标容错度模型的一种具体实现流程图;
图7是本申请实施例提供的电表异常检测方法中计算第二历史电力数据与历史校准参数的相似度的一种具体实现流程图;
图8是本申请实施例提供的电表异常检测装置的结构框图;
图9是本申请实施例提供的电子设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
在电表的实际使用中,电表可能会由于时间的推移、零部件老化、现场环境等情况影响出现异常,导致电能计量不准确。电表还可能出现机理异常,机理异常通常是指电表内部元件、电路、算法的异常或损坏,可能导致电能计量错误、数据异常或功能失效。例如,电表的感测单元可能受到外部干扰或老化而导致读数偏差,电路元件可能损坏导致数据丢失,算法可能存在错误导致计量逻辑异常等等。
目前,对于电表的异常检测一般为人工巡检,工作人员定期到现场排查电表是否存在问题,或者,在电表出现异常时去现场进行异常检测,频繁派人去现场检查,耗费大量人力和物力,而且,依靠人工排查线路定位异常效率慢,准确率也不并高。
为了解决上述问题,及时发现电表异常,提高电表异常检测的准确性及检测效率,尽可能减少人力物力的消耗,本申请实施例提供了一种电表异常检测方法、装置、电子设备和存储介质,具体参见如下所述。
本申请实施例提供的电表异常检测方法可应用于需要执行电表异常检测的各种类型的智能设备或者服务器,具体可以包括智能电表、手机、平板电脑、可穿戴设备、笔记本电脑、台式电脑以及高性能计算机等电子设备等。
图1示出了本申请实施例提供的电表异常检测方法的实现流程,该方法流程包括步骤S101至S104。各步骤的具体实现原理如下:
S101:按预设间隔时长周期性地采集电表的电力数据,所述电力数据包括第一电力数据和第二电力数据。
本实施例中,按预设间隔时长周期性地自动采集电表的电力数据,电力数据分为第一电力数据和第二电力数据,其中,第一电力数据为单元数据,具体为无需根据公式计算、可直接采集的电力数据;第二电力数据为非单元数据,具体为可直接采集、同时可根据第一电力数据和公式计算得到的数据。
第一电力数据包括相电压、相电流、相功率、正向有功总电能、反向有功总电能因数;第二电力数据包括相视在功率、总视在功率、相有功功率、总有功功率、相无功功率、总无功功率、组合有功总电能。
示例性地,上述预设间隔时长为20秒,每隔20秒采集电表的电力数据,该电力数据具体包括相电压、相电流、相功率、正向有功总电能、反向有功总电能因数等单元数据,以及相视在功率、总视在功率、相有功功率、总有功功率、相无功功率、总无功功率、组合有功总电能等非单元数据。采集的电力数据用于后续的异常检测。
S102:根据所述第一电力数据和预设机理模型,计算得到与所述第二电力数据的数据类型相同的校准参数。
预设机理模型由至少一个机理公式构成,本实施例中,预设机理模型中的机理公式与第二电力数据的数据类型数相同。根据所述第一电力数据和预设机理模型中的机理公式,计算得到与所述第二电力数据的数据类型相同的校准参数。校准参数是通过预设机理模型计算得到的电力数据,校准参数与所述第二电力数据的数据类型、数目相同。
预设机理模型中的机理公式包括如下计算式中的至少一种:
(1)相视在功率=相电流×相电压;
(2)总视在功率=A相视在功率+B相视在功率+C相视在功率;
(3)相有功功率=相电流×相电压×相功率因数;
(4)总有功功率=A相有功功率+B相有功功率+C相有功功率;
(5)相无功功率= -相电流×相电压×根号下的(1-相功率因数的平方);
(6) 总无功功率=A相无功功率+B相无功功率+C相无功功率;
(7) 组合有功总电能=正向有功总电能+反向有功总电能。
其中,A、B、C 分别代表三相电力系统中的三个相位,通常称为相 A、相 B 和相 C,例如A 相电流表示相 A 中的电流,B 相电流表示相 B 中的电流,C 相电流表示相 C 中的电流。
一些实施方式中,根据第二电力数据中的数据类型确定对应的预设机理模型,该对应的预设机理模型中包括的机理公式与所述第二电力数据中的数据类型以及数目相同。
示例性地,按预设间隔时长采集的第一电力数据包括相电压、相电流、相功率,第二电力数据包括相视在功率、总视在功率、相有功功率;确定包括计算相视在功率、总视在功率、相有功功率三个机理公式的预设机理模型,即,该预设机理模型包括上述计算式(1)、(2)、(3),根据采集的相电压、相电流、相功率与上述计算式(1)、(2)、(3),计算得到与采集的相视在功率、总视在功率、相有功功率对应的校准参数,该校准参数包括计算得到相视在功率、总视在功率以及相有功功率。
本实施例中,考虑到电力数据之间的相关性,结合采集的第一电力数据和预设机理模型快速计算与第二电力数据对应的校准参数,通过将采集的电表数据与机理公式得到的正常电表数据进行比较,可以检测出潜在的机理异常,并及时采取措施进行修复或更换。
S103:根据所述第二电力数据与所述校准参数计算目标差值。
所述目标差值是指所述第二电力数据与所述校准参数中相同数据类型的数据之间的差值。当所述第二电力数据中的数据类型不止一个时,所述目标差值为数组。
例如,第二电力数据包括采集的相视在功率、采集的总视在功率以及采集的相有功功率,校准参数包括计算得到的相视在功率、计算得到的总视在功率以及计算得到的相有功功率,分别计算采集的相视在功率与计算得到的相视在功率之间的第一差值,计算采集的总视在功率与计算得到的总视在功率之间的第二差值,计算采集的相有功功率与计算得到的相有功功率之间的第三差值,所述目标差值包括第一差值、第二差值以及第三差值。
所述目标差值中差值的数量与所述第二电力数据的数据类型数量相同。
S104:根据所述目标差值与所述电表对应的目标容错度区间,确定所述电表是否存在异常。
作为本申请一种可能的实施方式,图2示出了本申请实施例提供的电表异常检测方法步骤S104的具体实现流程,详述如下:
A1:当所述目标差值为零,或者,所述目标差值不为零但所述目标差值在所述电表对应的目标容错度区间内时,确定所述电表不存在异常。
本实施例中,当所述目标差值为零即意味着所述第二电力数据与所述校准参数全部相同,电表不存在异常。若目标差值不为零,但该目标差值属于电表对应的目标容错度区间时,意味着该第二电力数据的偏差在容错度允许的范围内,电表不存在异常。只要存在任意一第二电力数据与校准参数不同,目标差值就不会为零。
A2:当所述目标差值不为零且所述目标差值不在所述电表对应的所述目标容错度区间内时,确定所述电表存在异常。
本实施例中,若目标差值不为零,且该目标差值不在该电表对应的目标容错度区间时,意味着该第二电力数据的偏差不在容错度允许的范围内,电表存在异常。
本申请实施例中,目标容错度区间用于控制目标差值的浮动范围,避免检测过于灵敏导致误检。目标容错度区间是预先确定好的,不随时间变化而变化,不同电表对应的目标容错度区间可能不同。通过判断目标差值是否属于该电表对应的目标容错度区间,即可快速确定该电表是否存在异常,无需人工现场检查,即可提高异常检查的效率和准确度,同时可减少人力物力的消耗。
作为本申请一种可能的实施方式,图3示出了本申请实施例提供的电表异常检测方法中,确定电表存在异常的一种具体实现流程,详述如下:
B1:当所述目标差值不为零且所述目标差值不在所述电表对应的所述目标容错度区间内时,确定目标时间窗口,所述目标时间窗口是指所述电力数据的采集时刻所属的时间窗口。
时间窗口表示持续的一段时间,所述时间窗口由若干个数的所述预设间隔时长组成。例如,预设间隔时长为20秒,一个时间窗口为5分钟。根据所述电力数据的采集时刻,差值该采集时刻所述的时间窗口。
时间窗口的是持续时长可根据实际需求自定义。
B2:获取所述目标时间窗口内记录的异常次数。例如,获取第1秒至300秒期间,采集的第二电力数据对应的目标差值不为零,且该目标差值不在所述电表对应的所述目标容错度区间内的次数。
B3:若所述目标时间窗口内记录的异常次数达到预设次数阈值,则确定所述电表存在异常。
由于采集的第二电力数据与机理公式所得校准参数不同超出容错度范围时,也可能只是正常波动导致的结果,并不一定表示电表设备存在问题或故障。本申请实施例中,结合时间窗口的概念,通过判断持续的一段时间内确定电表异常的次数是否满足预设次数阈值来确定电表设备是否真的存在问题或故障,有利于提高异常检查的准确性,避免因误检而浪费人力物力。
作为本申请一种可能的实施方式,若所述目标时间窗口内记录的异常次数未达到所述预设次数阈值,则将所述目标时间窗口内记录的异常次数更新,并将所述目标时间窗口内记录的异常标记为伪异常。一些实施方式中,将所述目标时间窗口内记录的异常次数加一,并将所述目标时间窗口内记录的异常标记为伪异常。
作为本申请一种可能的实施方式,图4示出了本申请实施例提供的电表异常检测方法中,确定电表异常后生成报警信息的一种具体实现流程,详述如下:
C1:若确定所述电表存在异常,则根据所述目标差值对应的所述电力数据与所述校准参数,确定异常电力数据。
C2:根据所述异常电力数据,生成警报信息。所述警报信息包括异常电力数据及其可能的异常原因。一些实施方式中,所述警报信息还包括相应的异常处理策略。
例如,第二电力数据中的相视在功率与校准参数中的相视在功率的差值不在电表对应的目标容错度区间,即可确定相视在功率为异常电力数据。根据该异常电力数据生成警报信息,有利于帮助电表维护人员快速定位异常位置提供方向,从而提高故障排查效率。
在一种可能的实施方式中,将所述警报信息发送至指定移动设备,例如,直接发送至控制中心服务器,所述电表对应的维修人员的移动设备,亦或者电表使用方的移动设备,有利于维修人员及时获悉电表异常,尽快维修,可有效保护电表使用方的利益。
在一些实施方中,若所述目标时间窗口内记录的异常次数未达到所述预设次数阈值,将所述目标时间窗口内记录的异常标记为伪异常,不生成警报信息。
示例性地,时间窗口为5分钟,当前采集的电力数据的采集时刻所属的目标时间窗口为标号为1号的时间窗口,获取该1号时间窗口记录的异常次数,若记录的异常次数达到10条,则确定该电表存在异常,立即根据异常电力数据生成警报信息。若记录的异常次数少于10条,则将该1号时间窗口记录的异常次数加一,并将该1号时间窗口内记录的异常标记为伪异常,不生成警报信息。
作为本申请一种可能的实施方式,图5示出了本申请实施例提供的电表异常检测方法中,获得电表对应的目标容错度区间的一种具体实现流程,详述如下:
S201:获取第一训练数据和第二训练数据,所述第一训练数据包括所述电表的历史电力数据,所述第二训练数据为训练阶段实时采集的所述电表的电力数据。
所述历史电力数据包括第一历史电力数据和第二历史电力数据,所述第一历史电力数据为单元数据,所述第二历史电力数据为非单元数据。
在一种可能的实施方式中,所述电表的历史电力数据可替换为相同电表类型、型号以及相同使用场景的其他电表的历史电力数据。
S202:根据所述第一训练数据和所述第二训练数据,对初始容错度模型进行训练,得到目标容错度模型。
在一些实施方式中,在对初始容错度模型进行训练之前,对获取的第一训练数据和第二训练数据进行预处理,预处理包括数据清洗、去噪、标准化等操作。通过预处理将偶发性的过高或过低的数据去除,以及去除历史电力数据中存在属性是空值的情况,从而留下可信任的数据,以提高数据的质量和可用性,进而提高模型训练的准确性。
作为本申请一种可能的实施方式,所述第二训练数据包括第一采集数据和第二采集数据,第一采集数据为单元数据,第二采集数据为非单元数据。
图6示出了本申请实施例提供的电表异常检测方法中,对初始容错度模型进行训练得到目标容错度模型的一种具体实现流程,详述如下:
D1:将所述第一训练数据输入至所述初始容错度模型,获取初始容错度区间。
本申请实施例中,初始容错度模型中的模型参数为初始值,直接根据该初始模型获取初始容错度区间。
D2:根据所述第一采集数据和所述预设机理模型,计算得到与所述第二采集数据的数据类型相同的校准训练参数。校准训练参数的计算可参照前述校准参数的计算,此处不赘述。
D3:根据所述第二采集数据与所述校准训练参数计算训练差值。训练差值的计算可参照前述目标差值的计算,此处不赘述。
D4:根据所述训练差值与所述初始容错度区间,调整所述初始容错度模型的模型参数,直至所述模型参数对应的初始容错度区间符合预设要求时,训练完成,获得目标模型参数及其对应的目标容错度模型。
本实施例中,当所述训练差值在所述初始容错度区间,但依然确定电表存在异常时,确定当前的模型参数不准确;当所述训练差值不在所述初始容错度区间,但依然确定电表不存在异常时,确定当前的模型参数不准确;在确定模型参数不准确后,按预设调整标准调整模型参数,重复执行上述步骤D1至步骤D3,直至电表异常的检测结果准确时,训练完成,将当前的模型参数确定为目标模型参数,设置为目标模型参数的初始容错度模型为目标容错度模型。
本申请实施例中,利用足够多的历史电力数据和训练阶段实时采集的电力数据训练得到目标容错度模型,有效保障目标容错度模型的性能。
S203:将所述第一训练数据输入至所述目标容错度模型,获得所述电表对应的目标容错度区间。
所述历史电力数据包括第一历史电力数据和第二历史电力数据,
作为本申请一种可能的实施方式,将所述第一训练数据输入至所述目标容错度模型,获得所述电表对应的目标容错度区间的具体实现流程,包括:
E1:根据所述第一历史电力数据和预设机理模型,计算得到与所述第二历史电力数据的数据类型相同的历史校准参数。
本申请实施例中,历史校准参数的计算参照前述校准参数的计算,此处不赘述。
E2:计算所述第二历史电力数据与所述历史校准参数的相似度。
E3:根据如下计算式(8)确定所述电表对应的目标容错度:
(8)
其中,L表示目标容错度,Xi表示第i个第二历史电力数据,X'i表示Xi对应的历史校准参数,λ和γ表示目标模型参数,SSIM(Xi,X'i)表示第i个第二历史电力数据及其对应的历史校准参数的相似度,H为所述第二历史电力数据的个数,R为所述第二历史电力数据的采集时间戳个数,R=H。
E4:根据所述目标容错度,确定所述目标容错度区间。所述目标容错度区间包括上容错值和下容错值,根据所述目标容错度确定上容错值和下容错值。
一些实施方式中,上容错值为(1+L)×100%,下容错值为(1-L)×100%。例如,L为0.3,上容错值为130%,下容错值为70%。目标容错值取件为[70%,130%]。
作为本申请一种可能的实施方式,如图7所示,计算所述第二历史电力数据与所述历史校准参数的相似度,包括:
F1:根据所述第二历史电力数据的均值与所述历史校准参数的均值,确定第一相似度因子。第一相似度因子为内容相似度因子,用于度量两者的内容相似度。
本实施例中,根据如下计算式(9)计算第一相似度因子l:
(9)
其中,μ1表示所述第二历史电力数据的均值,μ2表示所述历史校准参数的均值,C1为常数。
F2:根据所述第二历史电力数据的标准差和方差,以及所述历史校准参数的标准差和方差,确定第二相似度因子。第二相似度因子为对比度因子,用于度量两者的对比度。
根据如下计算式(10)计算第二相似度因子c:
(10)
其中,σ1表示所述第二历史电力数据的标准差,σ2表示所述历史校准参数的标准差,σ1 2表示所述第二历史电力数据的方差,σ2 2表示所述历史校准参数的方差,C2为常数。
F3:根据所述第二历史电力数据的标准差、所述历史校准参数的标准差以及所述第二历史电力数据与所述历史校准参数的协方差,确定第三相似度因子。第三相似度因子为相关性因子,用于度量两者的相关性。
根据如下计算式(11)计算第三相似度因子s:
(11)
其中,σ1表示所述第二历史电力数据的标准差,σ2表示所述历史校准参数的标准差,σ12表示所述第二历史电力数据与所述历史校准参数的协方差, C3为常数。
在本实施例中,C1、C2、C3是三个常数,用于避免分母为零的情况,它们的选择可以根据具体情况进行调整。
一些实施方式中,设定C1=C2=C3=(KM)2,其中K是常数,M是根据实际情况进行调整的动态取值范围,通常情况下,C1、C2、C3的值比较小,例如:K=2, M=0.001,则C1=C2=C3=(2*0.001)2。
F4:根据所述第一相似度因子、所述第二相似度因子以及所述第三相似度因子,确定所述第二历史电力数据与所述历史校准参数的相似度。
本实施例中,根据如下计算式(12)确定所述第二历史电力数据与所述历史校准参数的相似度:
(12)
其中,α、β、γ为相似度计算的权重参数,α、β、γ可均为1。li表示第i个第二历史电力数据与对应的历史校准参数的第一相似度因子,ci表示第i个第二历史电力数据与对应的历史校准参数的第二相似度因子,si表示第i个第二历史电力数据与对应的历史校准参数的第三相似度因子。
本实施例中,目标容错度模型具有很强的鲁棒性,无需知道干扰因素,将电表故障的信息和干扰信息全隐含在其中,从而得到较好的容错度训练结果,若超出容错度范围则视为机理异常。
由上可见,本申请实施例中,通过按预设间隔时长周期性地采集电表的电力数据,所述电力数据包括第一电力数据和第二电力数据,然后根据所述第一电力数据和预设机理模型,计算得到与所述第二电力数据的数据类型相同的校准参数, 再计算所述第二电力数据与所述校准参数的差值,得到目标差值,根据所述目标差值与所述电表对应的目标容错度区间,确定所述电表是否存在异常,无需人工现场巡查。本申请方案不仅大大减少了人力物力的消耗,而且可及时发现电表异常,有效提高电表异常检测的准确性及检测效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的电表异常检测方法,图8示出了本申请实施例提供的电表异常检测装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图8,该电表异常检测装置包括:数据采集单元81,机理计算单元82,目标差值计算单元83,异常检测单元84,其中:
数据采集单元81,用于按预设间隔时长周期性地采集电表的电力数据,所述电力数据包括第一电力数据和第二电力数据;
机理计算单元82,用于根据所述第一电力数据和预设机理模型,计算得到与所述第二电力数据的数据类型相同的校准参数;
目标差值计算单元83,用于根据所述第二电力数据与所述校准参数计算目标差值;
异常检测单元84,用于根据所述目标差值与所述电表对应的目标容错度区间,确定所述电表是否存在异常。
作为本申请一种可能的实施方式,上述异常检测单元84包括:
第一检测模块,用于当所述目标差值为零,或者,所述目标差值不为零但所述目标差值在所述电表对应的目标容错度区间内时,确定所述电表不存在异常;
第二检测模块,用于当所述目标差值不为零且所述目标差值不在所述电表对应的所述目标容错度区间内时,确定所述电表存在异常。
作为本申请一种可能的实施方式,上述第二检测模块包括:
窗口确定子模块,用于当所述目标差值不为零且所述目标差值不在所述电表对应的所述目标容错度区间内时,确定目标时间窗口,所述目标时间窗口是指所述电力数据的采集时刻所属的时间窗口;
次数获取子模块,用于获取所述目标时间窗口内记录的异常次数;
异常确定子模块,用于若所述目标时间窗口内记录的异常次数达到预设次数阈值,则确定所述电表存在异常。
作为本申请一种可能的实施方式,上述第二检测模块还包括:
异常记录子模块,用于若所述目标时间窗口内记录的异常次数未达到所述预设次数阈值,则将所述目标时间窗口内记录的异常次数更新,并将所述目标时间窗口内记录的异常标记为伪异常。
作为本申请一种可能的实施方式,上述电表异常检测装置还包括:
异常数据确定单元,用于若确定所述电表存在异常,则根据所述目标差值对应的所述电力数据与所述校准参数,确定异常电力数据;
警报信息生成单元,用于根据所述异常电力数据,生成警报信息。
作为本申请一种可能的实施方式,上述电表异常检测装置还包括:
训练数据获取单元,用于获取第一训练数据和第二训练数据,所述第一训练数据包括所述电表的历史电力数据,所述第二训练数据为训练阶段实时采集的所述电表的电力数据;
模型训练单元,用于根据所述第一训练数据和所述第二训练数据,对初始容错度模型进行训练,得到目标容错度模型;
目标区间获得单元,用于将所述第一训练数据输入至所述目标容错度模型,获得所述电表对应的目标容错度区间。
作为本申请一种可能的实施方式,上述第二训练数据包括第一采集数据和第二采集数据,上述模型训练单元具体包括:
初始区间获取模块,用于将所述第一训练数据输入至所述初始容错度模型,获取初始容错度区间;
训练参数计算模块,用于根据所述第一采集数据和所述预设机理模型,计算得到与所述第二采集数据的数据类型相同的校准训练参数;
训练差值计算模块,用于根据所述第二采集数据与所述校准训练参数计算训练差值;
模型训练模块,用于根据所述训练差值与所述初始容错度区间,调整所述初始容错度模型的模型参数,直至所述模型参数对应的初始容错度区间符合预设要求时,训练完成,获得目标模型参数及其对应的目标容错度模型。
作为本申请一种可能的实施方式,上述历史电力数据包括第一历史电力数据和第二历史电力数据,
作为本申请一种可能的实施方式,上述目标区间获得单元具体包括:
历史参数计算模块,用于根据所述第一历史电力数据和预设机理模型,计算得到与所述第二历史电力数据的数据类型相同的历史校准参数;
相似度计算模块,用于计算所述第二历史电力数据与所述历史校准参数的相似度;
目标容错度确定模块,用于根据如下计算式确定所述电表对应的目标容错度:
其中,L表示目标容错度,Xi表示第i个第二历史电力数据,X'i表示Xi对应的历史校准参数,I表示第二地历史电力数据的总个数,λ和γ表示目标模型参数,SSIM(Xi,X'i)表示所述第二历史电力数据与所述历史校准参数的相似度,H为所述历史电力数据的个数,R为所述历史电力数据的采集时间戳个数;
目标区间确定模块,用于根据所述目标容错度,确定所述目标容错度区间。
作为本申请一种可能的实施方式,上述相似度计算模块具体用于:
根据所述第二历史电力数据的均值与所述历史校准参数的均值,确定第一相似度因子;
根据所述第二历史电力数据的标准差和方差,以及所述历史校准参数的标准差和方差,确定第二相似度因子;
根据所述第二历史电力数据的标准差、所述历史校准参数的标准差以及所述第二历史电力数据与所述历史校准参数的协方差,确定第三相似度因子;
根据所述第一相似度因子、所述第二相似度因子以及所述第三相似度因子,确定所述第二历史电力数据与所述历史校准参数的相似度。
由上可见,本申请实施例中,通过按预设间隔时长周期性地采集电表的电力数据,所述电力数据包括第一电力数据和第二电力数据,然后根据所述第一电力数据和预设机理模型,计算得到与所述第二电力数据的数据类型相同的校准参数, 再计算所述第二电力数据与所述校准参数的差值,得到目标差值,根据所述目标差值与所述电表对应的目标容错度区间,确定所述电表是否存在异常,无需人工现场巡查。本申请方案不仅大大减少了人力物力的消耗,而且可及时发现电表异常,有效提高电表异常检测的准确性及检测效率。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如图1至图7表示的任意一种电表异常检测方法的步骤。
本申请实施例还提供一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如图1至图7表示的任意一种电表异常检测方法的步骤。
本申请实施例还提供一种计算机程序产品,当该计算机程序产品在电子设备上运行时,使得电子设备执行实现如图1至图7表示的任意一种电表异常检测方法的步骤。
图9是本申请一实施例提供的电子设备的示意图。如图9所示,该实施例的电子设备9包括:处理器90、存储器91以及存储在所述存储器91中并可在所述处理器90上运行的计算机程序92。所述处理器90执行所述计算机程序92时实现上述各个电表异常检测方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器90执行所述计算机程序92时实现上述各装置实施例中各模块/单元的功能,例如图8所示单元81至84的功能。
示例性的,所述计算机程序92可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器91中,并由所述处理器90执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述计算机程序92在所述电子设备9中的执行过程。
所述电子设备9可包括,但不仅限于,处理器90、存储器91。本领域技术人员可以理解,图9仅仅是电子设备9的示例,并不构成对电子设备9的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备9还可以包括输入输出设备、网络接入设备、总线等。
所述处理器90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。
所述存储器91可以是所述电子设备9的内部存储单元,例如电子设备9的硬盘或内存。所述存储器91也可以是所述电子设备9的外部存储设备,例如所述电子设备9上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器91还可以既包括所述电子设备9的内部存储单元也包括外部存储设备。所述存储器91用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的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,本申请实现上述实施例方法中的全部或部分流程,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,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述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。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到装置/终端设备的任何实体或装置、记录介质、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。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种电表异常检测方法,其特征在于,所述方法包括:
按预设间隔时长周期性地采集电表的电力数据,所述电力数据包括第一电力数据和第二电力数据,其中,所述第一电力数据为单元数据,具体为无需根据公式计算、可直接采集的电力数据,所述第二电力数据为非单元数据,具体为可直接采集、同时可根据所述第一电力数据和公式计算得到的数据,所述公式根据预设机理模型确定;
根据所述第一电力数据和预设机理模型,计算得到与所述第二电力数据的数据类型相同的校准参数;
根据所述第二电力数据与所述校准参数计算目标差值;
根据所述目标差值与所述电表对应的目标容错度区间,确定所述电表是否存在异常,所述目标容错度区间用于控制目标差值的浮动范围,所述目标容错度区间不随时间变化而变化。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标差值与所述电表对应的目标容错度区间,确定所述电表是否存在异常,包括:
当所述目标差值为零,或者,所述目标差值不为零但所述目标差值在所述电表对应的目标容错度区间内时,确定所述电表不存在异常;
当所述目标差值不为零且所述目标差值不在所述电表对应的所述目标容错度区间内时,确定所述电表存在异常。
3.根据权利要求2所述的方法,其特征在于,所述当所述目标差值不为零且所述目标差值不在所述电表对应的所述目标容错度区间内时,确定所述电表存在异常,包括:
当所述目标差值不为零且所述目标差值不在所述电表对应的所述目标容错度区间内时,确定目标时间窗口,所述目标时间窗口是指所述电力数据的采集时刻所属的时间窗口;
获取所述目标时间窗口内记录的异常次数;
若所述目标时间窗口内记录的异常次数达到预设次数阈值,则确定所述电表存在异常。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述方法还包括:
获取第一训练数据和第二训练数据,所述第一训练数据包括所述电表的历史电力数据,所述第二训练数据为训练阶段实时采集的所述电表的电力数据;
根据所述第一训练数据和所述第二训练数据,对初始容错度模型进行训练,得到目标容错度模型;
将所述第一训练数据输入至所述目标容错度模型,获得所述电表对应的目标容错度区间。
5.根据权利要求4所述的方法,其特征在于,所述第二训练数据包括第一采集数据和第二采集数据,所述根据所述第一训练数据和所述第二训练数据,对初始容错度模型进行训练,得到目标容错度模型,包括:
将所述第一训练数据输入至所述初始容错度模型,获取初始容错度区间;
根据所述第一采集数据和所述预设机理模型,计算得到与所述第二采集数据的数据类型相同的校准训练参数;
根据所述第二采集数据与所述校准训练参数计算训练差值;
根据所述训练差值与所述初始容错度区间,调整所述初始容错度模型的模型参数,直至所述模型参数对应的初始容错度区间符合预设要求时,训练完成,获得目标模型参数及其对应的目标容错度模型。
6.根据权利要求4所述的方法,其特征在于,所述历史电力数据包括第一历史电力数据和第二历史电力数据,所述将所述第一训练数据输入至所述目标容错度模型,获得所述电表对应的目标容错度区间,包括:
根据所述第一历史电力数据和预设机理模型,计算得到与所述第二历史电力数据的数据类型相同的历史校准参数;
计算所述第二历史电力数据与所述历史校准参数的相似度;
根据如下计算式确定所述电表对应的目标容错度:
其中,L表示目标容错度,Xi表示第i个第二历史电力数据,Xi'表示Xi对应的历史校准参数,λ和γ表示目标模型参数,SSIM(Xi,Xi')表示第i个第二历史电力数据及其对应的历史校准参数的相似度,H为所述第二历史电力数据的个数,R为所述第二历史电力数据的采集时间戳个数;
根据所述目标容错度,确定所述目标容错度区间。
7.根据权利要求6所述的方法,其特征在于,所述计算所述第二历史电力数据与所述历史校准参数的相似度,包括:
根据所述第二历史电力数据的均值与所述历史校准参数的均值,确定第一相似度因子;
根据所述第二历史电力数据的标准差和方差,以及所述历史校准参数的标准差和方差,确定第二相似度因子;
根据所述第二历史电力数据的标准差、所述历史校准参数的标准差以及所述第二历史电力数据与所述历史校准参数的协方差,确定第三相似度因子;
根据所述第一相似度因子、所述第二相似度因子以及所述第三相似度因子,确定所述第二历史电力数据与所述历史校准参数的相似度。
8.一种电表异常检测装置,其特征在于,所述装置包括:
数据采集单元,用于按预设间隔时长周期性地采集电表的电力数据,所述电力数据包括第一电力数据和第二电力数据,其中,所述第一电力数据为单元数据,具体为无需根据公式计算、可直接采集的电力数据,所述第二电力数据为非单元数据,具体为可直接采集、同时可根据所述第一电力数据和公式计算得到的数据,所述公式根据预设机理模型确定;
机理计算单元,用于根据所述第一电力数据和预设机理模型,计算得到与所述第二电力数据的数据类型相同的校准参数;
目标差值计算单元,用于根据所述第二电力数据与所述校准参数计算目标差值;
异常检测单元,用于根据所述目标差值与所述电表对应的目标容错度区间,确定所述电表是否存在异常,所述目标容错度区间用于控制目标差值的浮动范围,所述目标容错度区间不随时间变化而变化。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的电表异常检测方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的电表异常检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311378385.0A CN117110976B (zh) | 2023-10-24 | 2023-10-24 | 电表异常检测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311378385.0A CN117110976B (zh) | 2023-10-24 | 2023-10-24 | 电表异常检测方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117110976A CN117110976A (zh) | 2023-11-24 |
CN117110976B true CN117110976B (zh) | 2024-02-06 |
Family
ID=88806066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311378385.0A Active CN117110976B (zh) | 2023-10-24 | 2023-10-24 | 电表异常检测方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117110976B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110826789A (zh) * | 2019-10-30 | 2020-02-21 | 深圳市康必达控制技术有限公司 | 基于电力系统的电力负荷预测方法、装置及终端设备 |
CN112444748A (zh) * | 2020-10-12 | 2021-03-05 | 武汉蔚来能源有限公司 | 电池异常检测方法、装置、电子设备及存储介质 |
WO2022110558A1 (zh) * | 2020-11-25 | 2022-06-02 | 国网湖南省电力有限公司 | 一种智能电能表故障预警方法及装置 |
CN114814645A (zh) * | 2022-06-27 | 2022-07-29 | 广东电网有限责任公司佛山供电局 | 一种电容式电压互感器在线分析方法及相关装置 |
CN114910737A (zh) * | 2021-10-29 | 2022-08-16 | 国网信通亿力科技有限责任公司 | 一种基于电力大数据节点故障诊断方法 |
CN115563180A (zh) * | 2022-09-19 | 2023-01-03 | 烽台科技(北京)有限公司 | 动态阈值生成方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12055602B2 (en) * | 2019-11-14 | 2024-08-06 | Vigyanlabs Innovations Private Limited | System and method of monitoring electrical devices to detect anomaly in the electrical devices |
-
2023
- 2023-10-24 CN CN202311378385.0A patent/CN117110976B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110826789A (zh) * | 2019-10-30 | 2020-02-21 | 深圳市康必达控制技术有限公司 | 基于电力系统的电力负荷预测方法、装置及终端设备 |
CN112444748A (zh) * | 2020-10-12 | 2021-03-05 | 武汉蔚来能源有限公司 | 电池异常检测方法、装置、电子设备及存储介质 |
WO2022110558A1 (zh) * | 2020-11-25 | 2022-06-02 | 国网湖南省电力有限公司 | 一种智能电能表故障预警方法及装置 |
CN114910737A (zh) * | 2021-10-29 | 2022-08-16 | 国网信通亿力科技有限责任公司 | 一种基于电力大数据节点故障诊断方法 |
CN114814645A (zh) * | 2022-06-27 | 2022-07-29 | 广东电网有限责任公司佛山供电局 | 一种电容式电压互感器在线分析方法及相关装置 |
CN115563180A (zh) * | 2022-09-19 | 2023-01-03 | 烽台科技(北京)有限公司 | 动态阈值生成方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117110976A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034244B (zh) | 基于电量曲线特征模型的线损异常诊断方法及装置 | |
CN105954632B (zh) | 一种氧化锌避雷器在线监测与诊断方法 | |
CN106338705A (zh) | 一种用于三相电能计量装置的校验误差的方法和装置 | |
CN117421610B (zh) | 一种用于电能表运行状态预警的数据异常分析方法 | |
CN113125851B (zh) | 一种用电量统计方法、装置、设备及存储介质 | |
CN110806556A (zh) | 一种计量异常在线监测方法、系统及可读存储介质 | |
CN108181546B (zh) | 配电网故障的定位方法、定位装置及终端设备 | |
CN116660667B (zh) | 一种变压器异常监控方法及系统 | |
CN115685045A (zh) | 一种电压互感器在线评估方法 | |
CN115293257A (zh) | 一种针对异常用电用户的检测方法及系统 | |
CN115166625A (zh) | 智能电表误差估计方法及装置 | |
KR102275797B1 (ko) | 퍼지클러스터링과 전압강하의 심각도 지수를 적용한 전력품질진단 장치 및 방법을 구비한 수배전반 | |
CN113126015A (zh) | 多通道电能质量监测装置测量精度的检测方法及装置 | |
CN117110976B (zh) | 电表异常检测方法、装置、电子设备和存储介质 | |
CN109934499B (zh) | 一种设备低电压故障的评估方法、装置、设备及存储介质 | |
EP3186684B1 (en) | Method for state estimation of a distribution network based on real time measurement values | |
CN114837902B (zh) | 一种风电机组健康度评估方法、系统、设备和介质 | |
CN113608953B (zh) | 测试数据生成方法、装置、电子设备及可读存储介质 | |
CN111624430B (zh) | 电容寿命在线监测方法、装置及终端设备 | |
CN110545516B (zh) | 一种线圈类设备故障的检测方法及检测装置 | |
CN113376564A (zh) | 基于数据分析的智能电表计量校正方法、装置及终端 | |
CN113036716B (zh) | 发电机绕组故障保护方法及装置 | |
CN116990578B (zh) | 基于智慧电力的直流电流检测方法及系统 | |
CN111176931A (zh) | 一种运营监控方法、装置、服务器及存储介质 | |
CN116777305B (zh) | 电力数据质量提升方法、装置、电子设备及存储介质 |
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 |