CN117491792A - 一种基于智能电表的用电异常检测方法、系统和存储介质 - Google Patents
一种基于智能电表的用电异常检测方法、系统和存储介质 Download PDFInfo
- Publication number
- CN117491792A CN117491792A CN202311817632.2A CN202311817632A CN117491792A CN 117491792 A CN117491792 A CN 117491792A CN 202311817632 A CN202311817632 A CN 202311817632A CN 117491792 A CN117491792 A CN 117491792A
- Authority
- CN
- China
- Prior art keywords
- power
- change rate
- abnormality
- abnormal
- power 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
Links
- 230000005856 abnormality Effects 0.000 title claims abstract description 107
- 238000001514 detection method Methods 0.000 title claims abstract description 59
- 230000008859 change Effects 0.000 claims abstract description 156
- 230000002159 abnormal effect Effects 0.000 claims abstract description 121
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000005611 electricity Effects 0.000 claims description 70
- 230000000737 periodic effect Effects 0.000 claims description 11
- 230000035945 sensitivity Effects 0.000 claims description 8
- 230000006399 behavior Effects 0.000 description 26
- 230000006870 function Effects 0.000 description 23
- 230000015654 memory Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 206010000117 Abnormal behaviour Diseases 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 108010007425 oligomycin sensitivity conferring protein Proteins 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000005612 types of electricity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/06—Arrangements for measuring electric power or power factor by measuring current and voltage
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本申请提供一种基于智能电表的用电异常检测方法、系统和存储介质，该方法包括：获取用户用电的用电功率；获取所述用电功率对应的用电功率变化率；所述用电功率变化率为所述用电功率相对于待测时间的变化率；根据所述用电功率变化率，确定出对应的异常指标，当所述异常指标大于第一阈值时，则给出所述用户的用电行为的检测结果为用电异常；当所述异常指标小于所述第一阈值，则基于所述用电功率变化率，确定出对应的异常变化率，并根据所述异常指标和所述异常变化率共同给出所述检测结果；所述异常变化率表示所述异常指标相对于所述待测时间的变化率。本申请的方法能够有效地提升判断用电异常的准确性和效率。
Description
技术领域
本申请涉及智能电表技术领域，尤其涉及一种基于智能电表的用电异常检测方法、系统和存储介质。
背景技术
供电企业在运营中通过大数据分析用户用电功率，借助历史用电量判断用户是否存在用电异常。一旦发现当前用电量与历史用电量相比出现显著变化，即刻调派专业人员对用户智能电表进行检测，以排除可能的异常情况。这种检测方式能够关注到电表计费方面的异常，例如电表故障或用户私自连接电线。
然而，除了以上导致用电异常的情况，还需考虑用户居住情况的影响因素，例如家庭成员减少也可能导致用电量下降，但并不是用电异常的情况，因此将历史用电数据作为判断用户用电异常的唯一标准显然不够准确。
因此，目前亟需一种结合用户用电情况的智能电表的用电异常检测方法，以更准确地判定居民用电异常。
发明内容
本申请实施例提供一种能够有效地提升判断用电异常的准确性和效率的用电异常检测方法和系统，具体技术方案如下：
在本申请实施例的第一方面，提供一种基于智能电表的用电异常检测方法，所述方法包括：
获取用户用电的用电功率；
获取所述用电功率对应的用电功率变化率；所述用电功率变化率为所述用电功率相对于待测时间的变化率；
根据所述用电功率变化率，确定出对应的异常指标，当所述异常指标大于第一阈值时，则给出所述用户的用电行为的检测结果为用电异常；
当所述异常指标小于所述第一阈值，则基于所述用电功率变化率，确定出对应的异常变化率，并根据所述异常指标和所述异常变化率共同给出所述检测结果；所述异常变化率表示所述异常指标相对于所述待测时间的变化率。
可选地，所述获取用户用电的用电功率，包括：
若所述用电功率对应的电流为直流电，则根据所述用户用电的电压和电流确定出所述用电功率；
若所述用电功率的电流为交流电，则基于所述用户用电的电压复数和电流复数确定出所述用电功率。
可选地，所述获取所述用电功率对应的用电功率变化率，包括：
获取所述待测时间；
计算所述用电功率相对于所述待测时间的导数，作为所述用电功率变化率。
可选地，所述根据所述用电功率变化率，确定出对应的异常指标，包括：
根据所述用户的历史用电数据，获取基准用电功率；
构建所述待测时间的时间权重函数；
获取用于平衡所述用电功率与所述基准用电功率之间差异对所述异常指标影响的第一调整参数，以及用于平衡所述用电功率变化率对所述异常指标影响的第二调整参数；
根据所述第一调整参数、所述第二调整参数、所述时间权重函数、所述用电功率、所述基准用电功率和所述用电功率变化率，确定出所述异常指标。
可选地，所述根据所述第一调整参数、所述第二调整参数、所述时间权重函数、所述用电功率、所述基准用电功率和所述用电功率变化率，确定出所述异常指标，包括：
获取所述用电功率与所述基准用电功率求差后求绝对值的第一绝对值；
计算所述第一调整参数与所述第一绝对值相乘的第一乘积值；
计算所述第二调整参数、所述时间权重函数的值、所述用电功率变化率对应的第二绝对值三者相乘的第二乘积值；
计算所述第一乘积值与所述第二乘积值求和的第一和值，作为所述异常指标。
可选地，所述基于所述用电功率变化率，确定出对应的异常变化率，包括：
获取用于平衡所述异常变化率对异常用电的敏感度的第三调整参数；
获取所述用电功率与所述基准用电功率求差后求平方的第一平方值，以及用于平衡所述第一平方值对所述异常变化率影响的第四调整参数；
获取用于考虑所述用户的的用电行为周期变化规律的正弦函数项，以及用于平衡所述正弦函数项对所述异常变化率影响的第五调整参数；
根据所述第三调整参数、所述第四调整参数、所述第五调整参数和所述异常指标，确定出所述异常变化率。
可选地，所述根据所述第三调整参数、所述第四调整参数、所述第五调整参数和所述异常指标，确定出所述异常变化率，包括：
获取所述第四调整参数与所述第一平方值相乘的第二乘积值；
获取所述第五调整参数与所述正弦函数项的值相乘的第三乘积值；
获取所述异常指标、所述第二乘积值、所述第三乘积值三者求和的第二和值；
计算所述第三调整参数与所述第二和值求导后的数值进行相乘的第四乘积值，作为异常变化率。
可选地，所述根据所述异常指标和所述异常变化率共同给出所述检测结果，包括：
若所述异常指标大于第二阈值，且所述异常变化率大于第三阈值，则确定出所述检测结果为所述用户的用电行为处于潜在异常或临近异常。
在本申请实施例的又一方面，提供一种基于智能电表的用电异常检测系统，所述系统包括：
第一获取模块，用于获取用户用电的用电功率；
第二获取模块，用于获取所述用电功率对应的用电功率变化率；所述用电功率变化率为所述用电功率相对于待测时间的变化率；
第一确定模块，用于根据所述用电功率变化率，确定出对应的异常指标，当所述异常指标大于第一阈值时，则给出所述用户的用电行为的检测结果为用电异常；
第二确定模块，用于当所述异常指标小于所述第一阈值，则基于所述用电功率变化率，确定出对应的异常变化率，并根据所述异常指标和所述异常变化率共同给出所述检测结果；所述异常变化率表示所述异常指标相对于所述待测时间的变化率。
在本申请实施例的又一方面，提供一种非易失性计算机可读的存储介质，所述非易失性计算机可读的存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行如上所述的基于智能电表的用电异常检测方法
由上可知，本申请实施至少带来以下有益效果：
（1）本申请引入了多个因素和复杂性，使得异常指标更全面地考虑了用电行为的多个方面。这有助于提高异常检测的准确性，使系统更容易捕捉潜在的用电异常。
（2）本申请引入非线性和周期性因素，使得模型更适应不同用户和不同用电场景。这种适应性使得系统更具灵活性，能够处理各种用电模式和异常行为。
（3）本申请通过对异常变化率的计算，系统能够实时监测用电异常的趋势。这使得在异常行为发生时能够更迅速地做出反应，提高了实时性和灵敏度。
（4）本申请考虑了功率变化率、非线性特征和周期性变化，使得异常检测更全面。这有助于减少用电异常误报，同时提高对真实用电异常的敏感度。
综上，本申请能够提高用电异常检测系统的效率和准确性，使其更适用于不同的用电场景，并能够更及时地识别和响应潜在的用电异常。
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是本申请实施例提供的基于智能电表的用电异常检测方法的应用场景示意图；
图2是本申请实施例提供的基于智能电表的用电异常检测方法的流程示意图；
图3是本申请实施例提供的基于智能电表的用电异常检测系统的结构示意图；
图4是本申请实施例提供的基于智能电表的用电异常检测系统的另一实施例的硬件结构示意图。
具体实施方式
本申请实施例提供一种基于智能电表的用电异常检测方法、系统和存储介质。请参阅图1，图1为本申请实施例所提供的基于智能电表的用电异常检测系统的应用场景示意图，该设备可以包括终端和服务器。本申请提供的基于智能电表的用电异常检测方法可以通过终端实现，也可以通过服务器实现。
如图1所示，终端与服务器之间通过网络连接，比如，通过有线或无线网络连接等。其中，终端可以包括但不局限于安装有各位网络平台应用的手机、平板等便携终端，以及电脑、查询机、广告机等固定终端。其中，服务器为用户提供各种业务服务，包括服务推送服务器、用户推荐服务器等。
需要说明的是，图1所示的基于智能电表的用电异常检测系统的应用场景示意图仅仅是一个示例，本申请实施例描述的终端、服务器以及应用场景是为了更加清楚的说明本申请实施例的技术方案，并不生成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着设备的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题同样适用。
其中，终端可以用于：
获取用户用电的用电功率；
获取所述用电功率对应的用电功率变化率；所述用电功率变化率为所述用电功率相对于待测时间的变化率；
根据所述用电功率变化率，确定出对应的异常指标，当所述异常指标大于第一阈值时，则给出所述用户的用电行为的检测结果为用电异常；
当所述异常指标小于所述第一阈值，则基于所述用电功率变化率，确定出对应的异常变化率，并根据所述异常指标和所述异常变化率共同给出所述检测结果；所述异常变化率表示所述异常指标相对于所述待测时间的变化率。
需要说明的是，上述终端执行基于智能电表的用电异常检测方法的步骤，也可以由服务器执行。
图2示出了本申请实施例提供的一种基于智能电表的用电异常检测方法、系统和存储介质的流程示意图，如图2所示，一种基于智能电表的用电异常检测方法、系统和存储介质包括如下步骤：
步骤101、获取用户用电的用电功率。
在一些实施例中，可以使用智能电表等设备实时采集用户的用电数据，包括电压、电流等信息。这可以通过设备直接连接到用户的电力系统或通过物联网（IoT）技术实现。基于采集到的电压和电流数据，可以计算出用户的用电功率。
可选地，步骤101可以包括以下步骤：
若所述用电功率对应的电流为直流电，则根据所述用户用电的电压和电流确定出所述用电功率；
若所述用电功率的电流为交流电，则基于所述用户用电的电压复数和电流复数确定出所述用电功率。
在一些实施例中，当用户用电为直流电时，用电功率P=V·I，其中，V是电压，I是电流。
在一些实施例中，当用户用电为交流电时，用电功率P(t)=Re[V(t)·I∗(t)]，其中，P(t)是随时间变化的用电功率，Re表示取复数的实部， V(t)是随时间变化的电压复数，I(t)是随时间变化的电流复数，I∗(t)是电流复数的共轭。
在这种情况下，用电功率的计算涉及到复数的运算。具体而言，需要将电压和电流的复数形式相乘，然后取其实部，以获得随时间变化的用电功率。
这样的表示方式在交流电路分析中更为常见，因为它方便处理相位关系和时域变化。这两种计算方法允许系统适应不同类型的用电情景，包括直流电和交流电。
步骤102、获取所述用电功率对应的用电功率变化率。
其中，用电功率变化率为用电功率相对于待测时间的变化率。可以理解，用电功率变化率ΔP表示用电功率相对于时间的瞬时变化率，即用电功率随时间的导数。
可选地，步骤102可以包括以下步骤：
获取所述待测时间；
计算所述用电功率相对于所述待测时间的导数，作为所述用电功率变化率
在一些实施例中，用电功率变化率ΔP可以表示为：
；
其中，ΔP 是用电功率变化率， 表示对时间的导数，P 是用电功率，t 是待测时间，t可以是一个时段或时长，例如t为1秒、1分钟、1小时等。
需要说明的是，对于直流电路，如果用电功率P是一个常数，那么其变化率ΔP为零，即ΔP=0。但大多居民用电的电流是交流电。
对于交流电路，用电功率随时间变化，因此需要计算功率相对于时间的导数。如果用电功率的复数表示为P(t)=Re[V(t)·I∗(t)]，其中V(t) 是电压复数，I(t) 是电流复数，那么用电功率变化率可以表示为：
ΔP=Re[dtd(V(t)·I∗(t))]
这里， 表示对时间的导数。
所以，根据本方案，用电功率变化率ΔP的计算取决于用电功率的具体表示形式以及对时间的导数计算方式。在实际应用中，需要采用适当的数学工具和方法来处理这些计算。
步骤103、根据所述用电功率变化率，确定出对应的异常指标，当所述异常指标大于第一阈值时，则给出所述用户的用电行为的检测结果为用电异常。
在一些实施例中，计算出的异常指标E以是一个数值，可以将计算得到的异常指标E与设定的第一阈值进行比较。如果E大于第一阈值，则系统判断出用户的用电行为存在异常。
可以理解，如果异常指标E大于第一阈值，系统可以输出用电异常的检测结果，指示用户的用电行为不符合正常模式。这意味着用户的用电行为在功率水平和变化速率方面偏离了正常范围，存在潜在的问题或异常情况。
可选地，步骤103可以包括以下步骤：
根据所述用户的历史用电数据，获取基准用电功率；
构建所述待测时间的时间权重函数；
获取用于平衡所述用电功率与所述基准用电功率之间差异对所述异常指标影响的第一调整参数，以及用于平衡所述用电功率变化率对所述异常指标影响的第二调整参数；
根据所述第一调整参数、所述第二调整参数、所述时间权重函数、所述用电功率、所述基准用电功率和所述用电功率变化率，确定出所述异常指标。
可选地，步骤根据所述第一调整参数、所述第二调整参数、所述时间权重函数、所述用电功率、所述基准用电功率和所述用电功率变化率，确定出所述异常指标，包括：
获取所述用电功率与所述基准用电功率求差后求绝对值的第一绝对值；
计算所述第一调整参数与所述第一绝对值相乘的第一乘积值；
计算所述第二调整参数、所述时间权重函数的值、所述用电功率变化率对应的第二绝对值三者相乘的第二乘积值；
计算所述第一乘积值与所述第二乘积值求和的第一和值，作为所述异常指标。
在一些实施例中，异常指标E可以表示为：
；
其中，E 表示异常指标；P表示当前的用电功率；B是基准用电功率，可以通过历史用电数据的平均值或其他方法得到，用于表示正常的用电水平；ΔP是用电功率变化率，表示功率随时间的变化速度；t是时间变量，表示当前的时间；是一个参考起始时间点，该时间点的选择受到系统设计的考虑，以确保计算的积分部分不包含不相关的时间段，或者考虑到用户用电行为的特定周期性变化；α是第一调整参数，用于平衡当前功率与基准功率的差异对异常指标的影响；β是第二调整参数，用于平衡功率变化率对异常指标的影响；w(t)是时间权重函数，表示时间点t的权重。这可以是一个任意选择的函数，例如高斯函数或其他函数，用于强调或抑制特定时间段内的功率变化。
在一些实施例中，是用电功率变化率的积分，表示功率随时间的变化情况。通过时间加权函数w(t)进行权衡，其中/>是积分的起始时间点。
步骤104、当所述异常指标小于所述第一阈值，则基于所述用电功率变化率，确定出对应的异常变化率，并根据所述异常指标和所述异常变化率共同给出所述检测结果。
其中，异常变化率表示异常指标相对于待测时间的变化率。可以理解，当异常指标E小于第一阈值时，系统会基于用电功率变化率确定出对应的异常变化率A，然后根据异常指标和异常变化率共同给出检测结果。
可选地，步骤104可以包括以下步骤：
获取用于平衡所述异常变化率对异常用电的敏感度的第三调整参数；
获取所述用电功率与所述基准用电功率求差后求平方的第一平方值，以及用于平衡所述第一平方值对所述异常变化率影响的第四调整参数；
获取用于考虑所述用户的的用电行为周期变化规律的正弦函数项，以及用于平衡所述正弦函数项对所述异常变化率影响的第五调整参数；
根据所述第三调整参数、所述第四调整参数、所述第五调整参数和所述异常指标，确定出所述异常变化率。
可选地，步骤根据所述第三调整参数、所述第四调整参数、所述第五调整参数和所述异常指标，确定出所述异常变化率，包括：
获取所述第四调整参数与所述第一平方值相乘的第二乘积值；
获取所述第五调整参数与所述正弦函数项的值相乘的第三乘积值；
获取所述异常指标、所述第二乘积值、所述第三乘积值三者求和的第二和值；
计算所述第三调整参数与所述第二和值求导后的数值进行相乘的第四乘积值，作为异常变化率。
在一些实施例中，异常变化率可以表示为：
；
其中，A是异常变化率，表示异常指标随时间的变化速率；
γ是第三调整参数，用于平衡异常变化率对用电异常的敏感度；
表示对时间的导数，即变化率；
E是异常指标，之前定义的用于衡量用电异常的指标；
是第四调整参数，用于平衡二次项 />对异常变化率的影响。这个项可以用于更灵敏地捕捉用电行为的非线性变化；
是二次项，表示用电功率与基准功率之差的平方，此项用于考虑用电行为的非线性特征；
是第五调整参数，用于平衡正弦函数项 sin(ωt) 对异常变化率的影响。这个项可以用于模拟用电行为中的周期性变化；
sin(ωt)带有角频率 ω 的正弦函数项，用于考虑用电行为的周期性变化。这一项可以用于模拟某些用电行为具有的季节性或周期性变化。
为了方便理解本申请通过异常指标E和异常变化率A检测用户用电异常的过程，下面列举出相关数据来对整个计算过程进行举例说明。
首先明确各参数的单位，电压复数V(t)单位伏特 (V)，电流复数I(t) 单位安培(A)，时间t单位秒 (s)，用电功率P(t)单位瓦特 (W)，基准用电功率B单位瓦特 (W)，时间权重函数w(t)是一个简化的指数衰减函数，没有明确的单位。
仅作为示例，假设B为100，振幅为20，sin(2π⋅60⋅t)是一个以60Hz频率振荡的正弦波，t=0.5，α=0.5，β=0.5， ，则计算E的过程为：
；
继续假设P为100，为10，则E=0.5·∣100−100∣+0.5·10=5。
在一些实施例中，可以基于E的值继续计算A的值，假设=0.1、/>和/>均为0.5，具体为：/> =/>= 0.05⋅ω⋅cos(ωt)；
进一步地，假设当ω=1且t=0 时，A的值为0.05。
可选地，步骤104还可以包括：
若所述异常指标大于第二阈值，且所述异常变化率大于第三阈值，则确定出所述检测结果为所述用户的用电行为处于潜在异常或临近异常。
在一些实施例中，系统可以判断用户的用电行为处于潜在异常或临近异常状态，表示当前异常指标较高，且异常变化率表明异常指标的变化速度也较快，系统认为用户的用电行为存在即将发展为异常的趋势。
如果异常指标E小于第一阈值，系统认为用户的用电行为正常，不需要进一步的分析，表示当前用电行为相对正常，系统不认为存在潜在异常情况。
本申请的检测机制允许系统根据异常指标和异常变化率的组合情况，对用户用电行为进行更加细致的分析。当异常指标和异常变化率均较大时，系统可以提醒用户或运维人员注意存在的问题。而当异常指标较小时，系统认为用户用电行为相对正常。
由上可知，本申请实施至少带来以下有益效果：
（1）本申请引入了多个因素和复杂性，使得异常指标更全面地考虑了用电行为的多个方面。这有助于提高异常检测的准确性，使系统更容易捕捉潜在的用电异常。
（2）本申请引入非线性和周期性因素，使得模型更适应不同用户和不同用电场景。这种适应性使得系统更具灵活性，能够处理各种用电模式和异常行为。
（3）本申请通过对异常变化率的计算，系统能够实时监测用电异常的趋势。这使得在异常行为发生时能够更迅速地做出反应，提高了实时性和灵敏度。
（4）本申请考虑了功率变化率、非线性特征和周期性变化，使得异常检测更全面。这有助于减少用电异常误报，同时提高对真实用电异常的敏感度。
综上，本申请能够提高用电异常检测系统的效率和准确性，使其更适用于不同的用电场景，并能够更及时地识别和响应潜在的用电异常。
为实现上述方法类实施例，本申请实施例还提供一种基于智能电表的用电异常检测系统，图3示出了本申请实施例提供的一种基于智能电表的用电异常检测系统的结构示意图，所述系统包括：
第一获取模块201，用于获取用户用电的用电功率；
第二获取模块202，用于获取所述用电功率对应的用电功率变化率；所述用电功率变化率为所述用电功率相对于待测时间的变化率；
第一确定模块203，用于根据所述用电功率变化率，确定出对应的异常指标，当所述异常指标大于第一阈值时，则给出所述用户的用电行为的检测结果为用电异常；
第二确定模块204，用于当所述异常指标小于所述第一阈值，则基于所述用电功率变化率，确定出对应的异常变化率，并根据所述异常指标和所述异常变化率共同给出所述检测结果；所述异常变化率表示所述异常指标相对于所述待测时间的变化率。
上面对本发明实施例中的基于智能电表的用电异常检测方法进行了描述，下面对本发明实施例中的基于智能电表的用电异常检测系统进行描述，请参阅图4，图4是本发明实施例中一种基于智能电表的用电异常检测系统的另一实施例的硬件结构示意图，如图4所示，系统包括：处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现以下步骤：
获取用户用电的用电功率；
获取所述用电功率对应的用电功率变化率；所述用电功率变化率为所述用电功率相对于待测时间的变化率；
根据所述用电功率变化率，确定出对应的异常指标，当所述异常指标大于第一阈值时，则给出所述用户的用电行为的检测结果为用电异常；
当所述异常指标小于所述第一阈值，则基于所述用电功率变化率，确定出对应的异常变化率，并根据所述异常指标和所述异常变化率共同给出所述检测结果；所述异常变化率表示所述异常指标相对于所述待测时间的变化率。
本发明实施例提供了一种非易失性计算机可读的存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图2中的方法。
作为示例，非易失性存储介质能够包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器 (RAM)。通过说明并非限制，RAM可以以诸如同步 RAM(SRAM)、动态 RAM (DRAM)、同步DRAM (SDRAM)、双数据速率SDRAM (DDR SDRAM)、增强型SDRAM(ESDRAM)、Synchlink DRAM (SLDRAM) 以及直接Rambus(兰巴斯)RAM (DRRAM) 之类的许多形式得到。本发明实施例中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于智能电表的用电异常检测方法，其特征在于，所述方法包括：
获取用户用电的用电功率；
获取所述用电功率对应的用电功率变化率；所述用电功率变化率为所述用电功率相对于待测时间的变化率；
根据所述用电功率变化率，确定出对应的异常指标，当所述异常指标大于第一阈值时，则给出所述用户的用电行为的检测结果为用电异常；
当所述异常指标小于所述第一阈值，则基于所述用电功率变化率，确定出对应的异常变化率，并根据所述异常指标和所述异常变化率共同给出所述检测结果；所述异常变化率表示所述异常指标相对于所述待测时间的变化率。
2.根据权利要求1所述的基于智能电表的用电异常检测方法，其特征在于，所述获取用户用电的用电功率，包括：
若所述用电功率对应的电流为直流电，则根据所述用户用电的电压和电流确定出所述用电功率；
若所述用电功率的电流为交流电，则基于所述用户用电的电压复数和电流复数确定出所述用电功率。
3.根据权利要求1所述的基于智能电表的用电异常检测方法，其特征在于，所述获取所述用电功率对应的用电功率变化率，包括：
获取所述待测时间；
计算所述用电功率相对于所述待测时间的导数，作为所述用电功率变化率。
4.根据权利要求1所述的基于智能电表的用电异常检测方法，其特征在于，所述根据所述用电功率变化率，确定出对应的异常指标，包括：
根据所述用户的历史用电数据，获取基准用电功率；
构建所述待测时间的时间权重函数；
获取用于平衡所述用电功率与所述基准用电功率之间差异对所述异常指标影响的第一调整参数，以及用于平衡所述用电功率变化率对所述异常指标影响的第二调整参数；
根据所述第一调整参数、所述第二调整参数、所述时间权重函数、所述用电功率、所述基准用电功率和所述用电功率变化率，确定出所述异常指标。
5.根据权利要求4所述的基于智能电表的用电异常检测方法，其特征在于，所述根据所述第一调整参数、所述第二调整参数、所述时间权重函数、所述用电功率、所述基准用电功率和所述用电功率变化率，确定出所述异常指标，包括：
获取所述用电功率与所述基准用电功率求差后求绝对值的第一绝对值；
计算所述第一调整参数与所述第一绝对值相乘的第一乘积值；
计算所述第二调整参数、所述时间权重函数的值、所述用电功率变化率对应的第二绝对值三者相乘的第二乘积值；
计算所述第一乘积值与所述第二乘积值求和的第一和值，作为所述异常指标。
6.根据权利要求5所述的基于智能电表的用电异常检测方法，其特征在于，所述基于所述用电功率变化率，确定出对应的异常变化率，包括：
获取用于平衡所述异常变化率对异常用电的敏感度的第三调整参数；
获取所述用电功率与所述基准用电功率求差后求平方的第一平方值，以及用于平衡所述第一平方值对所述异常变化率影响的第四调整参数；
获取用于考虑所述用户的的用电行为周期变化规律的正弦函数项，以及用于平衡所述正弦函数项对所述异常变化率影响的第五调整参数；
根据所述第三调整参数、所述第四调整参数、所述第五调整参数和所述异常指标，确定出所述异常变化率。
7.根据权利要求6所述的基于智能电表的用电异常检测方法，其特征在于，所述根据所述第三调整参数、所述第四调整参数、所述第五调整参数和所述异常指标，确定出所述异常变化率，包括：
获取所述第四调整参数与所述第一平方值相乘的第二乘积值；
获取所述第五调整参数与所述正弦函数项的值相乘的第三乘积值；
获取所述异常指标、所述第二乘积值、所述第三乘积值三者求和的第二和值；
计算所述第三调整参数与所述第二和值求导后的数值进行相乘的第四乘积值，作为异常变化率。
8.根据权利要求1-7中任一项所述的基于智能电表的用电异常检测方法，其特征在于，所述根据所述异常指标和所述异常变化率共同给出所述检测结果，包括：
若所述异常指标大于第二阈值，且所述异常变化率大于第三阈值，则确定出所述检测结果为所述用户的用电行为处于潜在异常或临近异常。
9.一种基于智能电表的用电异常检测系统，其特征在于，所述系统包括：
第一获取模块，用于获取用户用电的用电功率；
第二获取模块，用于获取所述用电功率对应的用电功率变化率；所述用电功率变化率为所述用电功率相对于待测时间的变化率；
第一确定模块，用于根据所述用电功率变化率，确定出对应的异常指标，当所述异常指标大于第一阈值时，则给出所述用户的用电行为的检测结果为用电异常；
第二确定模块，用于当所述异常指标小于所述第一阈值，则基于所述用电功率变化率，确定出对应的异常变化率，并根据所述异常指标和所述异常变化率共同给出所述检测结果；所述异常变化率表示所述异常指标相对于所述待测时间的变化率。
10.一种非易失性计算机可读的存储介质，其特征在于，所述非易失性计算机可读的存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行权利要求1-8任一项所述的基于智能电表的用电异常检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311817632.2A CN117491792B (zh) | 2023-12-27 | 2023-12-27 | 一种基于智能电表的用电异常检测方法、系统和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311817632.2A CN117491792B (zh) | 2023-12-27 | 2023-12-27 | 一种基于智能电表的用电异常检测方法、系统和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117491792A true CN117491792A (zh) | 2024-02-02 |
| CN117491792B CN117491792B (zh) | 2024-03-22 |
Family
ID=89678540
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311817632.2A Active CN117491792B (zh) | 2023-12-27 | 2023-12-27 | 一种基于智能电表的用电异常检测方法、系统和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117491792B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117516441A (zh) * | 2024-01-03 | 2024-02-06 | 四川中威能电力科技有限公司 | 一种智能电表铅封检测装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102944741A (zh) * | 2012-11-30 | 2013-02-27 | 保定市理想电器设备制造有限公司 | 基于本地功率基准的异常用电监测方法 |
| WO2018131246A1 (ja) * | 2017-01-13 | 2018-07-19 | オムロン株式会社 | 要因判定装置、電力量管理システム及び要因判定方法 |
| WO2019171768A1 (ja) * | 2018-03-07 | 2019-09-12 | オムロン株式会社 | 配電網モニタリングシステム |
| CN111223007A (zh) * | 2019-12-31 | 2020-06-02 | 深圳供电局有限公司 | 用户异常用电行为分析预警方法、装置、设备和介质 |
| CN113687176A (zh) * | 2021-10-25 | 2021-11-23 | 广东电网有限责任公司湛江供电局 | 一种基于深度神经网络的用电异常检测方法、系统 |
| CN114285091A (zh) * | 2021-12-24 | 2022-04-05 | 国网江苏省电力有限公司盐城供电分公司 | 一种包含多个光伏发电的区域电网数据采集异常检测方法 |
| CN114778914A (zh) * | 2022-04-29 | 2022-07-22 | 重庆玖奇科技有限公司 | 一种智能电表采集系统 |
| CN115293257A (zh) * | 2022-08-02 | 2022-11-04 | 电子科技大学 | 一种针对异常用电用户的检测方法及系统 |
| CN115436699A (zh) * | 2022-11-07 | 2022-12-06 | 北京志翔科技股份有限公司 | 用电异常的检测方法、装置和电子设备 |
| CN115456097A (zh) * | 2022-09-22 | 2022-12-09 | 国网四川省电力公司自贡供电公司 | 一种适用于高供低计专变用户的用电检测方法及检测终端 |
| CN116882804A (zh) * | 2023-06-15 | 2023-10-13 | 古桥信息科技(郑州)有限公司 | 一种智能电力监控方法及系统 |
-
2023
- 2023-12-27 CN CN202311817632.2A patent/CN117491792B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102944741A (zh) * | 2012-11-30 | 2013-02-27 | 保定市理想电器设备制造有限公司 | 基于本地功率基准的异常用电监测方法 |
| WO2018131246A1 (ja) * | 2017-01-13 | 2018-07-19 | オムロン株式会社 | 要因判定装置、電力量管理システム及び要因判定方法 |
| WO2019171768A1 (ja) * | 2018-03-07 | 2019-09-12 | オムロン株式会社 | 配電網モニタリングシステム |
| CN111223007A (zh) * | 2019-12-31 | 2020-06-02 | 深圳供电局有限公司 | 用户异常用电行为分析预警方法、装置、设备和介质 |
| CN113687176A (zh) * | 2021-10-25 | 2021-11-23 | 广东电网有限责任公司湛江供电局 | 一种基于深度神经网络的用电异常检测方法、系统 |
| CN114285091A (zh) * | 2021-12-24 | 2022-04-05 | 国网江苏省电力有限公司盐城供电分公司 | 一种包含多个光伏发电的区域电网数据采集异常检测方法 |
| CN114778914A (zh) * | 2022-04-29 | 2022-07-22 | 重庆玖奇科技有限公司 | 一种智能电表采集系统 |
| CN115293257A (zh) * | 2022-08-02 | 2022-11-04 | 电子科技大学 | 一种针对异常用电用户的检测方法及系统 |
| CN115456097A (zh) * | 2022-09-22 | 2022-12-09 | 国网四川省电力公司自贡供电公司 | 一种适用于高供低计专变用户的用电检测方法及检测终端 |
| CN115436699A (zh) * | 2022-11-07 | 2022-12-06 | 北京志翔科技股份有限公司 | 用电异常的检测方法、装置和电子设备 |
| CN116882804A (zh) * | 2023-06-15 | 2023-10-13 | 古桥信息科技(郑州)有限公司 | 一种智能电力监控方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 许均星: "基于电网能量与电气参量数据的窃电分析研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 January 2019 (2019-01-15), pages 140 - 551 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117516441A (zh) * | 2024-01-03 | 2024-02-06 | 四川中威能电力科技有限公司 | 一种智能电表铅封检测装置 |
| CN117516441B (zh) * | 2024-01-03 | 2024-03-19 | 四川中威能电力科技有限公司 | 一种智能电表铅封检测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117491792B (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rashid et al. | Can non-intrusive load monitoring be used for identifying an appliance’s anomalous behaviour? | |
| CN117491792B (zh) | 一种基于智能电表的用电异常检测方法、系统和存储介质 | |
| US9563722B2 (en) | Sigma algebraic approximants as a diagnostic tool in power networks | |
| US9910081B2 (en) | Performance analysis of power grid monitors | |
| US10520531B2 (en) | Time interval production measurement and energy storage performance analytics in renewable DC energy systems | |
| CN111539563A (zh) | 一种用能安全状态预测方法、装置、服务器及存储介质 | |
| TWI393894B (zh) | 識別迴路上電器用電行為的方法、系統與電腦程式產品 | |
| CN112487046A (zh) | 用电信息分析方法、装置、系统、计算机设备和存储介质 | |
| CN110930034A (zh) | 一种电力现货市场结算计量数据校验方法、装置及介质 | |
| CN106464988A (zh) | 能量管理系统 | |
| Shashank et al. | Power analysis of household appliances using IoT | |
| Pande et al. | Model order estimation methods for low frequency oscillations in power systems | |
| CN115293257A (zh) | 一种针对异常用电用户的检测方法及系统 | |
| Güçyetmez et al. | Enhancing smart grids with a new IOT and cloud-based smart meter to predict the energy consumption with time series | |
| Memon et al. | Confidence bounds for energy conservation in electric motors: An economical solution using statistical techniques | |
| EP3079227A1 (en) | Calculation device | |
| CN111913039A (zh) | 交流滤波器的背景谐波电压计算方法和装置 | |
| CN103278707A (zh) | 获取终端待机时间的方法及终端 | |
| Kumar et al. | An overview of different static state estimation techniques with bad data detection, identification and elimination in power system | |
| US20140203949A1 (en) | Method and system for automatic residual consumption | |
| EP3276773A1 (en) | Detection of fraudulent green energy producers for secure smart grids | |
| Rayudu et al. | Towards a tool for non-intrusive individual load measurement and identification | |
| Singh et al. | Real-time automated event analysis and supervisory framework for power systems using synchrophasor measurements | |
| Voloshko et al. | An improved pre-forecasting analysis of electrical loads of pumping station | |
| Sharma et al. | A Comprehensive Study on Electricity Theft Detection Using Data Analysis |
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 |