CN117235535B - 异常供应端断电方法、装置、电子设备和介质 - Google Patents
异常供应端断电方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN117235535B CN117235535B CN202311508950.0A CN202311508950A CN117235535B CN 117235535 B CN117235535 B CN 117235535B CN 202311508950 A CN202311508950 A CN 202311508950A CN 117235535 B CN117235535 B CN 117235535B
- Authority
- CN
- China
- Prior art keywords
- electricity
- supply end
- supply
- attribute
- information sequence
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000005611 electricity Effects 0.000 claims abstract description 318
- 238000012545 processing Methods 0.000 claims abstract description 44
- 230000004044 response Effects 0.000 claims abstract description 25
- 238000007499 fusion processing Methods 0.000 claims abstract description 12
- 230000009467 reduction Effects 0.000 claims description 50
- 238000012216 screening Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 17
- 238000012549 training Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了异常供应端断电方法、装置、电子设备和介质。该方法的一具体实施方式包括:获取每个供应端的供应端用电信息序列和供应端属性信息序列;对供应端用电信息序列集和供应端属性信息序列集进行融合处理,以生成供应端用电属性信息序列集;确定供应端用电属性信息序列集中的每个供应端用电属性信息序列对应的供应端指标信息,得到供应端指标信息集;对于供应端指标信息集中的每个供应端指标信息,执行以下处理步骤:对供应端指标信息进行识别处理,以生成识别结果;响应于确定识别结果满足预设异常条件,将供应端指标信息对应的供应端确定为异常供应端,以及对异常供应端进行断电处理。该实施方式可以对部分异常供应端进行断电。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及异常供应端断电方法、装置、电子设备和介质。
背景技术
对异常供应端进行断电处理,可以减少异常供应端使用电能,可以减少电能资源的浪费。目前,对异常供应端进行断电,通常采用的方式为:将历史的供应端减产量作为当前的供应端减产量,当供应端减产量大于供应端减产量阈值或者供应端用电量大于用电量阈值时,将供应端确定为异常供应端,以对异常供应端进行断电。
然而,采用上述方式通常存在以下技术问题:
第一,仅考虑了用电量和供应端减产量,考虑的特征信息较为单一,导致识别出的异常供应端的准确度较低,导致难以对部分异常供应端进行断电;
第二,将历史的供应端减产量作为当前的供应端减产量,导致供应端减产量的准确度较低,导致通过准确度较低的供应端减产量识别出的异常供应端的准确度较低,造成难以对部分异常供应端进行断电。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了异常供应端断电方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种异常供应端断电方法,该方法包括:获取每个供应端的供应端用电信息序列和供应端属性信息序列,得到供应端用电信息序列集和供应端属性信息序列集;对上述供应端用电信息序列集和上述供应端属性信息序列集进行融合处理,以生成供应端用电属性信息序列集,其中,上述供应端用电属性信息序列集中的供应端用电属性信息包括:供应端标识、第一用电量、第二用电量、第三用电量、供应端产量、第一用电属性值、第二用电属性值、第三用电属性值、目标供应端状态标识组;确定上述供应端用电属性信息序列集中的每个供应端用电属性信息序列对应的供应端指标信息,得到供应端指标信息集;对于上述供应端指标信息集中的每个供应端指标信息,执行以下处理步骤:对上述供应端指标信息进行识别处理,以生成识别结果;响应于确定上述识别结果满足预设异常条件,将上述供应端指标信息对应的供应端确定为异常供应端,以及对上述异常供应端进行断电处理。
第二方面,本公开的一些实施例提供了一种异常供应端断电装置,装置包括:获取单元,被配置成获取每个供应端的供应端用电信息序列和供应端属性信息序列,得到供应端用电信息序列集和供应端属性信息序列集;融合单元,被配置成对上述供应端用电信息序列集和上述供应端属性信息序列集进行融合处理,以生成供应端用电属性信息序列集,其中,上述供应端用电属性信息序列集中的供应端用电属性信息包括:供应端标识、第一用电量、第二用电量、第三用电量、供应端产量、第一用电属性值、第二用电属性值、第三用电属性值、目标供应端状态标识组;确定单元,被配置成确定上述供应端用电属性信息序列集中的每个供应端用电属性信息序列对应的供应端指标信息,得到供应端指标信息集;处理单元,被配置成对于上述供应端指标信息集中的每个供应端指标信息,执行以下处理步骤:对上述供应端指标信息进行识别处理,以生成识别结果;响应于确定上述识别结果满足预设异常条件,将上述供应端指标信息对应的供应端确定为异常供应端,以及对上述异常供应端进行断电处理。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的异常供应端断电方法,可以对部分异常供应端进行断电。具体来说,导致难以对部分异常供应端进行断电的原因在于:仅考虑了用电量和供应端减产量,考虑的特征信息较为单一,导致识别出的异常供应端的准确度较低。基于此,本公开的一些实施例的异常供应端断电方法,首先,获取每个供应端的供应端用电信息序列和供应端属性信息序列,得到供应端用电信息序列集和供应端属性信息序列集。其次,对上述供应端用电信息序列集和上述供应端属性信息序列集进行融合处理,以生成供应端用电属性信息序列集,其中,上述供应端用电属性信息序列集中的供应端用电属性信息包括:供应端标识、第一用电量、第二用电量、第三用电量、供应端产量、第一用电属性值、第二用电属性值、第三用电属性值、目标供应端状态标识组。由此,可以得到包括了多个信息的供应端用电属性信息序列集,考虑的特征信息较为全面。接着,确定上述供应端用电属性信息序列集中的每个供应端用电属性信息序列对应的供应端指标信息,得到供应端指标信息集。由此,可以根据考虑了较为全面的特征信息的供应端用电属性信息序列集,得到较为准确的供应端指标信息集。然后,对于上述供应端指标信息集中的每个供应端指标信息,执行以下处理步骤:第一,对上述供应端指标信息进行识别处理,以生成识别结果。第二,响应于确定上述识别结果满足预设异常条件,将上述供应端指标信息对应的供应端确定为异常供应端,以及对上述异常供应端进行断电处理。由此,可以根据较为准确的供应端指标信息集,识别出较为准确的异常供应端。从而,可以较为准确的对异常供应端进行断电。因此,可以对部分异常供应端进行断电。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是根据本公开的异常供应端断电方法的一些实施例的流程图;
图2是根据本公开的异常供应端断电装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参考图1,示出了根据本公开的异常供应端断电方法的一些实施例的流程100。该异常供应端断电方法,包括以下步骤:
步骤101,获取每个供应端的供应端用电信息序列和供应端属性信息序列,得到供应端用电信息序列集和供应端属性信息序列集。
在一些实施例中,异常供应端断电方法的执行主体(例如计算设备)可以通过有线连接或无线连接的方式从终端设备中获取每个供应端的供应端用电信息序列和供应端属性信息序列,得到供应端用电信息序列集和供应端属性信息序列集。其中,上述供应端用电信息序列集中的供应端用电信息可以对应上述供应端属性信息序列集中的供应端属性信息。这里,上述供应端用电信息序列集中的供应端用电信息可以对应预设时间段内的一时间粒度。上述供应端用电属性信息序列集中的供应端用电属性信息可以对应上述预设时间段内一时间粒度。例如,上述预设时间段可以是当前时间的前三年到当前时间的时间段。例如,上述时间粒度可以是:一个月。
这里,上述供应端用电信息序列集中的供应端用电信息可以包括但不限于以下至少一项:供应端标识、第一用电量、供应端产量、第二用电量、第三用电量、目标供应端状态标识组、供应端规模信息。上述供应端属性信息序列集中的供应端属性信息可以包括但不限于以下至少一项:供应端标识、第一用电属性值、第二用电属性值、第三用电属性值。其中,上述供应端标识可以唯一确定一个供应端。供应端可以是使用电能生成物品(例如,鼠标、键盘、钢笔等)的终端。第一用电量可以是供应端在上述预设时间段内的一时间粒度所使用的电量。供应端产量可以是供应端在上述预设时间段内的一时间粒度所生产物品的数量。第二用电量可以是供应端在上述预设时间段内的一时间粒度所使用第一类型(窃电)的电量。第三用电量可以是供应端在上述预设时间段内的一时间粒度所使用第二类型(违约用电)的电量。目标供应端状态标识组中的目标供应端状态标识可以是但不限于:正常状态标识、异常状态标识。正常状态标识可以表征目标供应端正常运行。异常状态标识可以表征目标供应端异常运行(例如,注销)。目标供应端状态标识组中的目标供应端状态标识可以对应目标供应端。供应端可以包括至少一个目标供应端。目标供应端可以是使用电能生产物品的终端。供应端规模信息可以包括但不限于以下至少一项:供应端流转属性值(营业收入)、目标供应端数。第一用电属性值可以是第一用电量所对应的价值属性值(电费)。第二用电属性值可以是第二用电量所对应的价值属性值(违约金额)。第三用电属性值可以是第三用电量所对应的价值属性值(欠费金额)。
步骤102,对供应端用电信息序列集和供应端属性信息序列集进行融合处理,以生成供应端用电属性信息序列集。
在一些实施例中,上述执行主体可以对上述供应端用电信息序列集和上述供应端属性信息序列集进行融合处理,以生成供应端用电属性信息序列集。其中,供应端用电属性信息序列集中的供应端用电属性信息可以包括但不限于以下至少一项:供应端标识、第一用电量、第一用电属性值、供应端产量、第二用电量、第三用电量、第二用电属性值、第三用电属性值、目标供应端状态标识组。
实践中,上述执行主体可以通过以下步骤对上述供应端用电信息序列集和上述供应端属性信息序列集进行融合处理,以生成供应端用电属性信息序列集:
第一步,对上述供应端用电信息序列集和上述供应端属性信息序列集进行合并处理,以生成初始供应端用电属性信息序列集。实践中,首先,对于上述供应端用电信息序列集中的每个供应端用电信息,上述执行主体可以将上述供应端用电信息与上述供应端属性信息序列集中与上述供应端用电信息对应的供应端属性信息确定为初始供应端用电属性信息。然后,上述执行主体可以将所确定的各个初始供应端用电属性信息确定为初始供应端用电属性信息序列集。
第二步,对上述初始供应端用电属性信息序列集进行数据筛选处理,以生成供应端用电属性筛选信息序列集。实践中,上述执行主体可以将上述初始供应端用电属性信息序列集中满足预设筛选条件的至少一个初始供应端用电属性信息序列,确定为供应端用电属性筛选信息序列集。其中,上述预设筛选条件可以是:初始供应端用电属性信息序列包括的供应端流转属性值小于预设流转属性值,以及目标供应端数小于预设目标供应端数。例如,预设流转属性值可以是2000万。预设目标供应端数可以是300。
第三步,对上述供应端用电属性筛选信息序列集进行数据清洗处理,以生成供应端用电属性信息序列集。实践中,上述执行主体可以去除上述供应端用电属性筛选信息序列集中供应端用电属性筛选信息为空的信息,以生成供应端用电属性信息,得到供应端用电属性信息序列集。
步骤103,确定供应端用电属性信息序列集中的每个供应端用电属性信息序列对应的供应端指标信息,得到供应端指标信息集。
在一些实施例中,上述执行主体可以确定上述供应端用电属性信息序列集中的每个供应端用电属性信息序列对应的供应端指标信息,得到供应端指标信息集。
实践中,上述执行主体可以通过以下步骤确定上述供应端用电属性信息序列集中的每个供应端用电属性信息序列对应的供应端指标信息:
第一步,将上述供应端用电属性信息序列中包括的各个第一用电量的平均值确定为第一用电量均值。
第二步,将上述供应端用电属性信息序列中包括的各个第一用电属性值的平均值确定为第一用电平均属性值。
第三步,将上述供应端用电属性信息序列输入至预先训练的供应端减产量预测模型中,得到供应端预测减产量。其中,上述供应端减产量预测模型可以是以供应端用电属性信息序列为输入,以供应端预测减产量为输出的神经网络模型。供应端预测减产量可以表征通过供应端历史的信息预测出的当前时间的供应端减产量。供应端减产量可以是当前月份的供应端的产量与上个月的供应端产量相比减少的数量。
第四步,将上述供应端用电属性信息序列中满足第一预设时间条件的各个用电量确定为目标用电量序列。其中,上述第一预设时间条件可以是:供应端用电属性信息对应的时间在目标时间段内。例如,目标时间段可以是当前时间一年之前至当前时间的时间段。
第五步,将上述目标用电量序列中满足第一用电类型条件的目标用电量的数量确定为第一用电类型属性值。其中,上述第一用电类型条件可以是目标用电量大于等于第一预设用电量。例如,第一预设用电量可以是目标用电量序列中各个目标用电量的中位数。
第六步,将上述目标用电量序列中满足第二用电类型条件的目标用电量的数量确定为第二用电类型属性值。其中,上述第二用电类型条件可以是目标用电量小于上述第一预设用电量且大于第二预设用电量。例如,第二预设用电量可以是0。
第七步,将上述目标用电量序列中满足第三用电类型条件的目标用电量的数量确定为第三用电类型属性值。其中,上述第三用电类型条件可以是目标用电量小于等于上述第二预设用电量。
第八步,基于上述供应端用电属性信息序列、上述第一用电量均值、上述第一用电平均属性值、上述供应端预测减产量、上述第一用电类型属性值、上述第二用电类型属性值、上述第三用电类型属性值,确定供应端指标信息。
可选地,预先训练的供应端减产量预测模型可以是通过以下步骤训练得到的:
第一步,获取训练样本集。
在一些实施例中,上述执行主体可以通过有线连接或无线连接的方式从终端设备中获取训练样本集。其中,上述训练样本集中的训练样本包括:样本供应端用电属性信息序列和样本供应端预测减产量。
第二步,确定初始供应端减产量预测模型。
在一些实施例中,上述执行主体可以确定初始供应端减产量预测模型。其中,上述初始供应端减产量预测模型可以包括但不限于:初始筛选模型、初始注意力模型、初始生成模型。
初始筛选模型可以是以样本供应端用电属性信息序列为输入,以初始供应端减产量序列为输出的模型。例如,初始筛选模型可以用于:首先,对于样本供应端用电属性信息序列中的每个样本供应端用电属性信息,将上述样本供应端用电属性信息包括的供应端产量与、上述样本供应端用电属性信息序列中上述样本供应端用电属性信息的上一个样本供应端用电属性信息包括的供应端产量、的差值确定为初始供应端减产量。然后,将所确定的各个初始供应端减产量确定为初始供应端减产量序列。
初始注意力模型可以是以样本供应端用电属性信息序列和初始供应端减产量序列为输入,以初始注意力信息序列为输出的注意力模型。例如,初始注意力模型可以是cross_attention(交叉注意力)模型。这里,可以将初始供应端减产量序列作为初始注意力模型中的查询,将样本供应端用电属性信息序列作为初始注意力模型中的键和值,以通过初始注意力模型生成初始注意力信息序列。
初始生成模型可以是以初始注意力信息序列为输入,以初始供应端预测减产量为输出的自定义模型。自定义模型可以分为三层:
第一层可以是输入层,用于将初始注意力信息序列传递给第二层。
第二层可以包括:第一子模型和第二子模型。第一子模型可以是以初始注意力信息序列为输入,以第一初始供应端预测减产量为输出的梯度提升树模型。第二子模型可以是以初始注意力信息序列为输入,以第二初始供应端预测减产量为输出的差分整合移动平均自回归模型。例如,第一子模型可以是XGBoost(EXtreme Gradient Boosting,极端梯度提升)模型。第二子模型可以是ARIMA(差分整合移动平均自回归模型)模型。
第三层可以是输出层,用于分别接收第一子模型和第二子模型的输出,以及将第一子模型和第二子模型的输出的平均值作为整个预定义模型的输出。
第三步,从上述训练样本集中选取训练样本。
在一些实施例中,上述执行主体可以从上述训练样本集中选取训练样本。实践中,上述执行主体可以随机从上述训练样本集中选取训练样本。
第四步,将所选取的训练样本包括的样本供应端用电属性信息序列输入至上述初始筛选模型中,得到初始供应端减产量序列。
在一些实施例中,上述执行主体可以将所选取的训练样本包括的样本供应端用电属性信息序列输入至上述初始筛选模型中,得到初始供应端减产量序列。
第五步,将所选取的训练样本包括的样本供应端用电属性信息序列和上述初始供应端减产量序列输入至上述初始注意力模型中,得到初始注意力信息序列。
在一些实施例中,上述执行主体可以将所选取的训练样本包括的样本供应端用电属性信息序列和上述初始供应端减产量序列输入至上述初始注意力模型中,得到初始注意力信息序列。
第六步,将上述初始注意力信息序列输入至上述初始生成模型中,得到初始供应端预测减产量。
在一些实施例中,上述执行主体可以将上述初始注意力信息序列输入至上述初始生成模型中,得到初始供应端预测减产量。
第七步,基于预设的损失函数,确定上述初始供应端预测减产量与所选取的训练样本包括的样本供应端预测减产量之间的差异值。
在一些实施例中,基于预设的损失函数,上述执行主体可以确定上述初始供应端预测减产量与所选取的训练样本包括的样本供应端预测减产量之间的差异值。其中,预设的损失函数可以是但不限于:均方误差损失函数(MSE)、交叉熵损失函数(CrossEntropy)、0-1损失函数、绝对值损失函数、log对数损失函数、平方损失函数、指数损失函数等。
第八步,响应于确定上述差异值大于等于预设差异值,调整上述初始供应端减产量预测模型的网络参数。
在一些实施例中,上述执行主体可以响应于确定上述差异值大于等于预设差异值,调整上述初始供应端减产量预测模型的网络参数。例如,可以对上述差异值和预设差异值求差值。在此基础上,利用反向传播、随机梯度下降等方法将误差值从模型的最后一层向前传递,以调整每一层的参数。当然根据需要,也可以采用网络冻结(dropout)的方法,对其中的一些层的网络参数保持不变,不进行调整,对此,不做任何限定。其中,对于预设差异值的设定,不作限定,例如,预设差异值可以是0.1。
步骤103中的可选的技术内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“造成难以对部分异常供应端进行断电”。造成难以对部分异常供应端进行断电的因素往往如下:将历史的供应端减产量作为当前的供应端减产量,导致供应端减产量的准确度较低,导致通过准确度较低的供应端减产量识别出的异常供应端的准确度较低。如果解决了上述因素,就能达到可以对部分异常供应端进行断电的效果。为了达到这一效果,首先,可以通过初始筛选模型筛选出样本供应端用电属性信息包括的供应端产量的差值,得到初始供应端减产量序列。接着,可以根据初始注意力模型得到样本供应端用电属性信息序列中与初始供应端减产量序列相关联的初始注意力信息序列。之后,可以通过第一子模型根据初始注意力信息序列得到较为准确的第一初始供应端预测减产量,以及可以通过第二子模型根据初始注意力信息序列得到较为准确的第二初始供应端预测减产量。然后,通过包括了第一子模型和第二子模型的初始生成模型,可以得到较为准确的初始供应端预测减产量。由此,可以通过训练包括了初始筛选模型、初始注意力模型和初始生成模型的初始供应端减产量预测模型,来得到较为准确的供应端减产量预测模型,以得到较为准确的供应端预测减产量。从而,可以根据较为准确的供应端预测减产量识别出较为准确的异常供应端。进而,可以较为准确的对异常供应端进行断电。因此,可以对部分异常供应端进行断电。
可选地,响应于确定上述差异值小于上述预设差异值,将上述初始供应端减产量预测模型确定为训练后的供应端减产量预测模型。
在一些实施例中,上述执行主体可以响应于确定上述差异值小于上述预设差异值,将上述初始供应端减产量预测模型确定为训练后的供应端减产量预测模型。
实践中,基于上述供应端用电属性信息序列、上述第一用电量均值、上述第一用电平均属性值、上述供应端预测减产量、上述第一用电类型属性值、上述第二用电类型属性值、上述第三用电类型属性值,上述执行主体可以通过以下步骤确定供应端指标信息:
第一步,将上述供应端用电属性信息序列中满足第二预设时间条件的各个供应端用电属性信息包括的各个第二用电量的平均值确定为第二用电量均值。其中,上述第二预设时间条件可以是:供应端用电属性信息对应的时间在第二预设时间段内。例如,第二预设时间段可以是当前时间的三个月之前至当前时间的时间段。
第二步,将上述供应端用电属性信息序列中满足上述第二预设时间条件的各个供应端用电属性信息包括的各个第三用电量的平均值确定为第三用电量均值。
第三步,将上述供应端用电属性信息序列中包括的各个第二用电属性值的平均值确定为第二用电平均属性值。
第四步,将上述供应端用电属性信息序列中最后一个供应端用电属性信息包括的第三用电属性值确定为第三目标用电属性值。
第五步,基于上述供应端用电属性信息序列、上述第一用电量均值、上述第一用电平均属性值、上述供应端预测减产量、上述第一用电类型属性值、上述第二用电类型属性值、上述第三用电类型属性值、上述第二用电量均值、上述第三用电量均值、上述第二用电平均属性值和上述第三目标用电属性值,确定供应端指标信息。
实践中,基于上述供应端用电属性信息序列、上述第一用电量均值、上述第一用电平均属性值、上述供应端预测减产量、上述第一用电类型属性值、上述第二用电类型属性值、上述第三用电类型属性值、上述第二用电量均值、上述第三用电量均值、上述第二用电平均属性值和上述第三目标用电属性值,上述执行主体可以通过以下步骤确定供应端指标信息:
第一步,将上述供应端用电属性信息序列中最后一个供应端用电属性信息包括的、表征正常状态标识的目标供应端状态标识的数量、与目标供应端状态标识数量、的比值确定为正常供应端占比。
第二步,将上述供应端用电属性信息序列中满足上述第二预设时间条件的各个用电量的和确定为总用电量。
第三步,将上述供应端用电属性信息序列中最后一个供应端用电属性信息包括的第二用电属性值与第一用电属性值的比值确定为用电属性比值。
第四步,将上述第一用电量均值、上述第一用电平均属性值、上述供应端预测减产量、上述第一用电类型属性值、上述第二用电类型属性值、上述第三用电类型属性值、上述第二用电量均值、上述第三用电量均值、上述第二用电平均属性值、上述第三目标用电属性值、上述正常供应端占比、上述总用电量和上述用电属性比值,确定为供应端指标信息。
步骤104,对于供应端指标信息集中的每个供应端指标信息,执行以下处理步骤:
步骤1041,对供应端指标信息进行识别处理,以生成识别结果。
在一些实施例中,上述执行主体可以对上述供应端指标信息进行识别处理,以生成识别结果。
实践中,上述执行主体可以通过以下步骤对上述供应端指标信息进行识别处理,以生成识别结果:
第一步,响应于确定上述供应端指标信息满足第一识别条件,将第一正常标识确定为第一识别结果。其中,上述第一识别条件可以是:上述供应端指标信息包括的第一用电量均值小于第一预设用电量、第一用电平均属性值小于第一预设用电属性值、供应端预测减产量小于预设供应端产量预设差值、第一用电类型属性值小于预设第一用电类型属性值、以及第三用电类型属性值小于预设第三用电类型属性值。例如,第一正常标识可以表征供应端正常用电。
第二步,响应于确定上述供应端指标信息满足第二识别条件,将第二正常标识确定为第二识别结果。其中,上述第二识别条件可以是:上述供应端指标信息包括的第二用电量均值小于第二预设用电量、第三用电量均值小于第三预设用电量、第二用电平均属性值小于第二预设用电属性值、以及第三目标用电属性值小于第三预设用电属性值。例如,第二正常标识可以表征供应端正常用电。
第三步,响应于确定上述供应端指标信息满足第三识别条件,将第三正常标识确定为第三识别结果。其中,上述第三识别条件可以是:上述供应端指标信息包括的正常供应端占比大于预设正常供应端占比、总用电量小于预设总用电量、以及用电属性比值小于预设用电属性比值。例如,第三正常标识可以表征供应端正常用电。
第四步,响应于确定上述第一识别结果、上述第二识别结果和上述第三识别结果满足预设识别条件,将预设正常标识确定为识别结果。其中,上述预设识别条件可以是:上述第一识别结果是第一正常标识,上述第二识别结果是第二正常标识,以及上述第三识别结果是第三正常标识。例如,预设正常标识可以表征供应端是正常用电的供应端。
第五步,响应于确定上述第一识别结果、上述第二识别结果和上述第三识别结果不满足上述预设识别条件,将预设异常标识确定识别结果。例如,预设异常标识可以表征供应端是异常用电(例如,用电量过多、减产量过高等)的供应端。
步骤1042,响应于确定识别结果满足预设异常条件,将供应端指标信息对应的供应端确定为异常供应端,以及对异常供应端进行断电处理。
在一些实施例中,上述执行主体可以响应于确定上述识别结果满足预设异常条件,将上述供应端指标信息对应的供应端确定为异常供应端,以及对上述异常供应端进行断电处理。其中,上述预设异常条件可以是:上述识别结果是预设异常标识。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的异常供应端断电方法,可以对部分异常供应端进行断电。具体来说,导致难以对部分异常供应端进行断电的原因在于:仅考虑了用电量和供应端减产量,考虑的特征信息较为单一,导致识别出的异常供应端的准确度较低。基于此,本公开的一些实施例的异常供应端断电方法,首先,获取每个供应端的供应端用电信息序列和供应端属性信息序列,得到供应端用电信息序列集和供应端属性信息序列集。其次,对上述供应端用电信息序列集和上述供应端属性信息序列集进行融合处理,以生成供应端用电属性信息序列集,其中,上述供应端用电属性信息序列集中的供应端用电属性信息包括:供应端标识、第一用电量、第二用电量、第三用电量、供应端产量、第一用电属性值、第二用电属性值、第三用电属性值、目标供应端状态标识组。由此,可以得到包括了多个信息的供应端用电属性信息序列集,考虑的特征信息较为全面。接着,确定上述供应端用电属性信息序列集中的每个供应端用电属性信息序列对应的供应端指标信息,得到供应端指标信息集。由此,可以根据考虑了较为全面的特征信息的供应端用电属性信息序列集,得到较为准确的供应端指标信息集。然后,对于上述供应端指标信息集中的每个供应端指标信息,执行以下处理步骤:第一,对上述供应端指标信息进行识别处理,以生成识别结果。第二,响应于确定上述识别结果满足预设异常条件,将上述供应端指标信息对应的供应端确定为异常供应端,以及对上述异常供应端进行断电处理。由此,可以根据较为准确的供应端指标信息集,识别出较为准确的异常供应端。从而,可以较为准确的对异常供应端进行断电。因此,可以对部分异常供应端进行断电。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种异常供应端断电装置的一些实施例,这些异常供应端断电装置实施例与图1所示的那些方法实施例相对应,该异常供应端断电装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的异常供应端断电装置200包括:获取单元201、融合单元202、确定单元203和处理单元204。其中,获取单元201,被配置成获取每个供应端的供应端用电信息序列和供应端属性信息序列,得到供应端用电信息序列集和供应端属性信息序列集;融合单元202,被配置成对上述供应端用电信息序列集和上述供应端属性信息序列集进行融合处理,以生成供应端用电属性信息序列集,其中,上述供应端用电属性信息序列集中的供应端用电属性信息包括:供应端标识、第一用电量、第二用电量、第三用电量、供应端产量、第一用电属性值、第二用电属性值、第三用电属性值、目标供应端状态标识组;确定单元203,被配置成确定上述供应端用电属性信息序列集中的每个供应端用电属性信息序列对应的供应端指标信息,得到供应端指标信息集;处理单元204,被配置成对于上述供应端指标信息集中的每个供应端指标信息,执行以下处理步骤:对上述供应端指标信息进行识别处理,以生成识别结果;响应于确定上述识别结果满足预设异常条件,将上述供应端指标信息对应的供应端确定为异常供应端,以及对上述异常供应端进行断电处理。
可以理解的是,该异常供应端断电装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于异常供应端断电装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备(例如计算设备)300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取每个供应端的供应端用电信息序列和供应端属性信息序列,得到供应端用电信息序列集和供应端属性信息序列集;对上述供应端用电信息序列集和上述供应端属性信息序列集进行融合处理,以生成供应端用电属性信息序列集,其中,上述供应端用电属性信息序列集中的供应端用电属性信息包括:供应端标识、第一用电量、第二用电量、第三用电量、供应端产量、第一用电属性值、第二用电属性值、第三用电属性值、目标供应端状态标识组;确定上述供应端用电属性信息序列集中的每个供应端用电属性信息序列对应的供应端指标信息,得到供应端指标信息集;对于上述供应端指标信息集中的每个供应端指标信息,执行以下处理步骤:对上述供应端指标信息进行识别处理,以生成识别结果;响应于确定上述识别结果满足预设异常条件,将上述供应端指标信息对应的供应端确定为异常供应端,以及对上述异常供应端进行断电处理。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、融合单元、确定单元和处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取每个供应端的供应端用电信息序列和供应端属性信息序列,得到供应端用电信息序列集和供应端属性信息序列集的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (8)
1.一种异常供应端断电方法,包括:
获取每个供应端的供应端用电信息序列和供应端属性信息序列,得到供应端用电信息序列集和供应端属性信息序列集;
对所述供应端用电信息序列集和所述供应端属性信息序列集进行融合处理,以生成供应端用电属性信息序列集,其中,所述供应端用电属性信息序列集中的供应端用电属性信息包括:供应端标识、第一用电量、第二用电量、第三用电量、供应端产量、第一用电属性值、第二用电属性值、第三用电属性值、目标供应端状态标识组;
确定所述供应端用电属性信息序列集中的每个供应端用电属性信息序列对应的供应端指标信息,得到供应端指标信息集;
对于所述供应端指标信息集中的每个供应端指标信息,执行以下处理步骤:
对所述供应端指标信息进行识别处理,以生成识别结果;
响应于确定所述识别结果满足预设异常条件,将所述供应端指标信息对应的供应端确定为异常供应端,以及对所述异常供应端进行断电处理;
其中,所述确定所述供应端用电属性信息序列集中的每个供应端用电属性信息序列对应的供应端指标信息,包括:
将所述供应端用电属性信息序列中包括的各个第一用电量的平均值确定为第一用电量均值;
将所述供应端用电属性信息序列中包括的各个第一用电属性值的平均值确定为第一用电平均属性值;
将所述供应端用电属性信息序列输入至预先训练的供应端减产量预测模型中,得到供应端预测减产量;
将所述供应端用电属性信息序列中满足第一预设时间条件的各个用电量确定为目标用电量序列;
将所述目标用电量序列中满足第一用电类型条件的目标用电量的数量确定为第一用电类型属性值,其中,所述第一用电类型条件是目标用电量大于等于第一预设用电量;
将所述目标用电量序列中满足第二用电类型条件的目标用电量的数量确定为第二用电类型属性值,其中,所述第二用电类型条件是目标用电量小于所述第一预设用电量且大于第二预设用电量;
将所述目标用电量序列中满足第三用电类型条件的目标用电量的数量确定为第三用电类型属性值,其中,所述第三用电类型条件是目标用电量小于等于所述第二预设用电量;
基于所述供应端用电属性信息序列、所述第一用电量均值、所述第一用电平均属性值、所述供应端预测减产量、所述第一用电类型属性值、所述第二用电类型属性值、所述第三用电类型属性值,确定供应端指标信息。
2.根据权利要求1所述的方法,其中,所述对所述供应端用电信息序列集和所述供应端属性信息序列集进行融合处理,以生成供应端用电属性信息序列集,包括:
对所述供应端用电信息序列集和所述供应端属性信息序列集进行合并处理,以生成初始供应端用电属性信息序列集;
对所述初始供应端用电属性信息序列集进行数据筛选处理,以生成供应端用电属性筛选信息序列集;
对所述供应端用电属性筛选信息序列集进行数据清洗处理,以生成供应端用电属性信息序列集。
3.根据权利要求1所述的方法,其中,所述基于所述供应端用电属性信息序列、所述第一用电量均值、所述第一用电平均属性值、所述供应端预测减产量、所述第一用电类型属性值、所述第二用电类型属性值、所述第三用电类型属性值,确定供应端指标信息,包括:
将所述供应端用电属性信息序列中满足第二预设时间条件的各个供应端用电属性信息包括的各个第二用电量的平均值确定为第二用电量均值;
将所述供应端用电属性信息序列中满足所述第二预设时间条件的各个供应端用电属性信息包括的各个第三用电量的平均值确定为第三用电量均值;
将所述供应端用电属性信息序列中包括的各个第二用电属性值的平均值确定为第二用电平均属性值;
将所述供应端用电属性信息序列中最后一个供应端用电属性信息包括的第三用电属性值确定为第三目标用电属性值;
基于所述供应端用电属性信息序列、所述第一用电量均值、所述第一用电平均属性值、所述供应端预测减产量、所述第一用电类型属性值、所述第二用电类型属性值、所述第三用电类型属性值、所述第二用电量均值、所述第三用电量均值、所述第二用电平均属性值和所述第三目标用电属性值,确定供应端指标信息。
4.根据权利要求3所述的方法,其中,所述基于所述供应端用电属性信息序列、所述第一用电量均值、所述第一用电平均属性值、所述供应端预测减产量、所述第一用电类型属性值、所述第二用电类型属性值、所述第三用电类型属性值、所述第二用电量均值、所述第三用电量均值、所述第二用电平均属性值和所述第三目标用电属性值,确定供应端指标信息,包括:
将所述供应端用电属性信息序列中最后一个供应端用电属性信息包括的、表征正常状态标识的目标供应端状态标识的数量、与目标供应端状态标识数量、的比值确定为正常供应端占比;
将所述供应端用电属性信息序列中满足所述第二预设时间条件的各个用电量的和确定为总用电量;
将所述供应端用电属性信息序列中最后一个供应端用电属性信息包括的第二用电属性值与第一用电属性值的比值确定为用电属性比值;
将所述第一用电量均值、所述第一用电平均属性值、所述供应端预测减产量、所述第一用电类型属性值、所述第二用电类型属性值、所述第三用电类型属性值、所述第二用电量均值、所述第三用电量均值、所述第二用电平均属性值、所述第三目标用电属性值、所述正常供应端占比、所述总用电量和所述用电属性比值,确定为供应端指标信息。
5.根据权利要求4所述的方法,其中,所述对所述供应端指标信息进行识别处理,以生成识别结果,包括:
响应于确定所述供应端指标信息满足第一识别条件,将第一正常标识确定为第一识别结果,其中,所述第一识别条件是:所述供应端指标信息包括的第一用电量均值小于第一预设用电量、第一用电平均属性值小于第一预设用电属性值、供应端预测减产量小于预设供应端产量预设差值、第一用电类型属性值小于预设第一用电类型属性值、以及第三用电类型属性值小于预设第三用电类型属性值;
响应于确定所述供应端指标信息满足第二识别条件,将第二正常标识确定为第二识别结果,其中,所述第二识别条件是:所述供应端指标信息包括的第二用电量均值小于第二预设用电量、第三用电量均值小于第三预设用电量、第二用电平均属性值小于第二预设用电属性值、以及第三目标用电属性值小于第三预设用电属性值;
响应于确定所述供应端指标信息满足第三识别条件,将第三正常标识确定为第三识别结果,其中,所述第三识别条件是:所述供应端指标信息包括的正常供应端占比大于预设正常供应端占比、总用电量小于预设总用电量、以及用电属性比值小于预设用电属性比值;
响应于确定所述第一识别结果、所述第二识别结果和所述第三识别结果满足预设识别条件,将预设正常标识确定为识别结果,其中,所述预设识别条件是:所述第一识别结果是第一正常标识,所述第二识别结果是第二正常标识,以及所述第三识别结果是第三正常标识;
响应于确定所述第一识别结果、所述第二识别结果和所述第三识别结果不满足所述预设识别条件,将预设异常标识确定识别结果。
6.一种异常供应端断电装置,包括:
获取单元,被配置成获取每个供应端的供应端用电信息序列和供应端属性信息序列,得到供应端用电信息序列集和供应端属性信息序列集;
融合单元,被配置成对所述供应端用电信息序列集和所述供应端属性信息序列集进行融合处理,以生成供应端用电属性信息序列集,其中,所述供应端用电属性信息序列集中的供应端用电属性信息包括:供应端标识、第一用电量、第二用电量、第三用电量、供应端产量、第一用电属性值、第二用电属性值、第三用电属性值、目标供应端状态标识组;
确定单元,被配置成确定所述供应端用电属性信息序列集中的每个供应端用电属性信息序列对应的供应端指标信息,得到供应端指标信息集;确定单元,被进一步配置成:
将所述供应端用电属性信息序列中包括的各个第一用电量的平均值确定为第一用电量均值;
将所述供应端用电属性信息序列中包括的各个第一用电属性值的平均值确定为第一用电平均属性值;
将所述供应端用电属性信息序列输入至预先训练的供应端减产量预测模型中,得到供应端预测减产量;
将所述供应端用电属性信息序列中满足第一预设时间条件的各个用电量确定为目标用电量序列;
将所述目标用电量序列中满足第一用电类型条件的目标用电量的数量确定为第一用电类型属性值,其中,所述第一用电类型条件是目标用电量大于等于第一预设用电量;
将所述目标用电量序列中满足第二用电类型条件的目标用电量的数量确定为第二用电类型属性值,其中,所述第二用电类型条件是目标用电量小于所述第一预设用电量且大于第二预设用电量;
将所述目标用电量序列中满足第三用电类型条件的目标用电量的数量确定为第三用电类型属性值,其中,所述第三用电类型条件是目标用电量小于等于所述第二预设用电量;
基于所述供应端用电属性信息序列、所述第一用电量均值、所述第一用电平均属性值、所述供应端预测减产量、所述第一用电类型属性值、所述第二用电类型属性值、所述第三用电类型属性值,确定供应端指标信息;
处理单元,被配置成对于所述供应端指标信息集中的每个供应端指标信息,执行以下处理步骤:对所述供应端指标信息进行识别处理,以生成识别结果;响应于确定所述识别结果满足预设异常条件,将所述供应端指标信息对应的供应端确定为异常供应端,以及对所述异常供应端进行断电处理。
7.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述方法。
8.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311508950.0A CN117235535B (zh) | 2023-11-14 | 2023-11-14 | 异常供应端断电方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311508950.0A CN117235535B (zh) | 2023-11-14 | 2023-11-14 | 异常供应端断电方法、装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117235535A CN117235535A (zh) | 2023-12-15 |
CN117235535B true CN117235535B (zh) | 2024-02-20 |
Family
ID=89098806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311508950.0A Active CN117235535B (zh) | 2023-11-14 | 2023-11-14 | 异常供应端断电方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117235535B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004222375A (ja) * | 2003-01-10 | 2004-08-05 | Matsushita Electric Works Ltd | 電気機器管理システム |
KR101783599B1 (ko) * | 2016-06-02 | 2017-10-10 | 충북대학교 산학협력단 | 패턴 분석을 활용한 부하 분산을 위한 전력 소비량 제어 기반 수요·공급 관리 시스템 |
CN108416693A (zh) * | 2018-02-01 | 2018-08-17 | 东华大学 | 一种基于模糊神经网络的用电异常行为识别方法 |
CN116388112A (zh) * | 2023-05-26 | 2023-07-04 | 北京国电通网络技术有限公司 | 异常供应端断电方法、装置、电子设备和计算机可读介质 |
CN116613894A (zh) * | 2023-07-20 | 2023-08-18 | 国网汇通金财(北京)信息科技有限公司 | 一种用电数据的处理方法及装置 |
CN116991219A (zh) * | 2023-09-26 | 2023-11-03 | 北京国电通网络技术有限公司 | 异常生产状态监测方法、装置、电子设备和介质 |
-
2023
- 2023-11-14 CN CN202311508950.0A patent/CN117235535B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004222375A (ja) * | 2003-01-10 | 2004-08-05 | Matsushita Electric Works Ltd | 電気機器管理システム |
KR101783599B1 (ko) * | 2016-06-02 | 2017-10-10 | 충북대학교 산학협력단 | 패턴 분석을 활용한 부하 분산을 위한 전력 소비량 제어 기반 수요·공급 관리 시스템 |
CN108416693A (zh) * | 2018-02-01 | 2018-08-17 | 东华大学 | 一种基于模糊神经网络的用电异常行为识别方法 |
CN116388112A (zh) * | 2023-05-26 | 2023-07-04 | 北京国电通网络技术有限公司 | 异常供应端断电方法、装置、电子设备和计算机可读介质 |
CN116613894A (zh) * | 2023-07-20 | 2023-08-18 | 国网汇通金财(北京)信息科技有限公司 | 一种用电数据的处理方法及装置 |
CN116991219A (zh) * | 2023-09-26 | 2023-11-03 | 北京国电通网络技术有限公司 | 异常生产状态监测方法、装置、电子设备和介质 |
Non-Patent Citations (3)
Title |
---|
基于B/S模式的智能用电服务系统设计与开发;周强辅;张丽丽;程凌森;;物联网技术(第04期);全文 * |
基于数据挖掘判别用电类别异常的分析与研究;金昌铉;朱宇龙;马博;刘森;黎晚晴;陈玲娜;;科技与创新(第10期);全文 * |
缺电成本及其估计方法;曹世光,杨以涵,于尔铿;电网技术(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117235535A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115081960B (zh) | 区域空心率信息生成方法、装置、电子设备和计算机介质 | |
CN115293657B (zh) | 碳排放指标信息生成方法、装置、电子设备和介质 | |
CN115085196A (zh) | 电力负荷预测值确定方法、装置、设备和计算机可读介质 | |
CN114780338A (zh) | 主机信息处理方法、装置、电子设备和计算机可读介质 | |
CN116388112B (zh) | 异常供应端断电方法、装置、电子设备和计算机可读介质 | |
CN115357350A (zh) | 任务配置方法、装置、电子设备和计算机可读介质 | |
CN117236805B (zh) | 电力设备控制方法、装置、电子设备和计算机可读介质 | |
CN116991219B (zh) | 异常生产状态监测方法、装置、电子设备和介质 | |
CN113159453B (zh) | 资源数据预测方法、装置、设备及存储介质 | |
CN114049072A (zh) | 指标确定方法、装置、电子设备和计算机可读介质 | |
CN115759444B (zh) | 电力设备分配方法、装置、电子设备和计算机可读介质 | |
CN117235535B (zh) | 异常供应端断电方法、装置、电子设备和介质 | |
CN115619170A (zh) | 电量负荷调整方法、装置、设备、计算机介质和程序产品 | |
CN116757443B (zh) | 新型配电网电力线损率预测方法、装置、电子设备和介质 | |
CN116800834B (zh) | 虚拟礼物合并方法、装置、电子设备和计算机可读介质 | |
CN115392803B (zh) | 区域供电量调整方法、装置、电子设备、介质 | |
CN116881097B (zh) | 用户终端告警方法、装置、电子设备和计算机可读介质 | |
CN117713048A (zh) | 基于农网用电集成的用电终端供电方法、装置和设备 | |
CN116862319B (zh) | 电力指标信息生成方法、装置、电子设备和介质 | |
CN116307998B (zh) | 电力设备材料运输方法、装置、电子设备和计算机介质 | |
CN116703263B (zh) | 电力设备配送方法、装置、电子设备和计算机可读介质 | |
CN117132245B (zh) | 线上物品获取业务流程重组方法、装置、设备和可读介质 | |
CN115577980B (zh) | 电力设备调控方法、装置、电子设备和介质 | |
CN116755889B (zh) | 应用于服务器集群数据交互的数据加速方法、装置与设备 | |
CN116645211B (zh) | 推荐用户信息生成方法、装置、设备和计算机可读介质 |
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 |