CN117611393B - 一种基于大数据的反窃电数据采集方法 - Google Patents

一种基于大数据的反窃电数据采集方法 Download PDF

Info

Publication number
CN117611393B
CN117611393B CN202410099900.XA CN202410099900A CN117611393B CN 117611393 B CN117611393 B CN 117611393B CN 202410099900 A CN202410099900 A CN 202410099900A CN 117611393 B CN117611393 B CN 117611393B
Authority
CN
China
Prior art keywords
electricity
theft
data acquisition
data
stealing
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
Application number
CN202410099900.XA
Other languages
English (en)
Other versions
CN117611393A (zh
Inventor
王金志
田维斌
汪大为
王佳佳
张寿根
孙瑞丽
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.)
Hefei Power Supply Co of State Grid Anhui Electric Power Co Ltd
Feidong Power Supply Co of State Grid Anhui Electric Power Co Ltd
Original Assignee
Hefei Power Supply Co of State Grid Anhui Electric Power Co Ltd
Feidong Power Supply Co of State Grid Anhui Electric Power 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 Hefei Power Supply Co of State Grid Anhui Electric Power Co Ltd, Feidong Power Supply Co of State Grid Anhui Electric Power Co Ltd filed Critical Hefei Power Supply Co of State Grid Anhui Electric Power Co Ltd
Priority to CN202410099900.XA priority Critical patent/CN117611393B/zh
Publication of CN117611393A publication Critical patent/CN117611393A/zh
Application granted granted Critical
Publication of CN117611393B publication Critical patent/CN117611393B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Multimedia (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

本发明公开了一种基于大数据的反窃电数据采集方法。该基于大数据的反窃电数据采集方法,包括以下步骤:获取待测区域带电设备的反窃电数据;结合历史反窃电数据,综合评估反窃电数据采集性能。本发明通过获取的待测区域带电设备的历史反窃电图像数据训练预设模型,得到窃电检测模型,然后根据图像采集信号对待测区域带电设备进行抓拍获得抓拍原图像,接着结合窃电图像处理步骤获取抓拍图像数据,并获取对应的电力数据,再获取对应的历史反窃电数据,最后通过计算反窃电数据采集性能评估分数来综合评估监控时间段内待测区域带电设备的反窃电数据采集性能,达到了改善反窃电数据采集性能的效果,解决了现有技术中存在反窃电数据采集性能差的问题。

Description

一种基于大数据的反窃电数据采集方法
技术领域
本发明涉及反窃电技术领域,尤其涉及一种基于大数据的反窃电数据采集方法。
背景技术
窃电是指非法获取电力资源而不支付相应费用的行为,通常通过操纵电表或直接接触电力线路来实施。窃电行为存在一定的安全隐患,可能导致电力系统过载、线路过热等问题,进而影响供电的稳定性和安全性。同时,窃电行为导致电力公司无法收回相应的费用,从而对其经济利益造成损失。因此,必须进行反窃电工作,反窃电是指对电力系统中的窃电行为进行监测和打击的活动,其基础在于反窃电数据的采集与处理。在反窃电的过程中,需要采集一系列内部数据和外部数据,内部数据如智能电表中记录的电表数据、电网数据、用户数据等,外部数据如高压侧和低压侧的电量信息。大数据技术在反窃电数据采集过程中通过高效的存储、处理、分析和可视化等手段,帮助电力公司更有效地应对庞大且复杂的数据,提高反窃电工作的准确性和效率。
现有技术中,针对智能电表内部的反窃电技术已经相对成熟,对于智能电表外部的设备,能够通过对高压侧和低压侧的电量信息分析实现对用户的潜在窃电行为监测。
例如公告号为:CN111046250B的发明专利公告的一种基于大数据分析的窃电对象筛查方法,包括:利用用电大数据,通过对用电客户分别进行行业筛选、用电规模筛选、用电平稳度筛选、容量与电量匹配筛选、电量与线损对比筛选以及用电客户计量变更筛选,分别筛选出第一排查范围、第二排查范围、第三排查范围、第四排查范围、第五排查范围以及第六排查范围,当用电客户同时落入第一排查范围、第二排查范围、第三排查范围、第四排查范围、第五排查范围以及第六排查范围时,则该用电客户列入窃电对象排查范围,再由排查人员对窃电对象排查范围进行实地排查,找出最终的窃电对象。
例如公开号为:CN113128024B的发明专利公开的一种基于大数据分析的低压窃电客户及窃电手段确定方法,包括:基于已处理窃电案件的物理特征分析,从电量突变、电流异常、强磁干扰事件的不同分析维度建立多种窃电预警模型和窃电手段判断模型;通过指定窃电预警模型对电参量、电能表事件、工单信息数据进行大数据分析,确定对应窃电预警模式下窃电手段的疑似窃电初步明细,筛选出疑似窃电客户;利用窃电手段判断模型,对筛选出的疑似窃电初步明细进行比对,筛选出窃电数据,确定窃电客户及窃电手段。
但本申请在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中,反窃电工作对于设备的现场取证成功率较低,且观测过程中可能会人员跌落和卡在受限空间等安全隐患,受环境等影响较难取得清晰的计量等信息,而且对于大量数据的处理速度也很慢,极大地影响了反窃电数据采集性能,存在反窃电数据采集性能差的问题。
发明内容
本申请实施例通过提供一种基于大数据的反窃电数据采集方法,解决了现有技术中反窃电数据采集性能差的问题,实现了反窃电数据采集性能的改善。
本申请实施例提供了一种基于大数据的反窃电数据采集方法,包括以下步骤:获取监控时间段内待测区域带电设备的反窃电数据,所述反窃电数据用于检测并跟踪监控时间段内待测区域带电设备的窃电行为,所述反窃电数据包括抓拍图像数据和电力数据;所述抓拍图像数据用于记录监控时间段内待测区域带电设备的可视范围中的窃电行为;所述电力数据用于描述监控时间段内待测区域内带电设备的电力使用情况;获取待测区域带电设备的历史反窃电数据,结合反窃电数据对监控时间段内待测区域带电设备的反窃电数据采集性能进行综合评估,所述历史反窃电数据用于检测并跟踪历史时间段内待测区域带电设备的窃电行为。
进一步的,所述抓拍图像数据的具体获取方式如下:根据图像采集信号对待测区域内带电设备的可视范围进行抓拍,获得抓拍原图像,所述图像采集信号用于描述抓拍的角度、抓拍的位置以及抓拍的频率;结合窃电图像处理步骤获取抓拍图像数据,并将抓拍图像数据传输给反窃电管理人员执行反窃电后续操作,所述抓拍图像数据包括抓拍原图像、可疑窃电目标和可疑窃电位置,所述窃电图像处理用于描述对抓拍原图像的图像处理方法,具体包括图像预处理和窃电检测,所述窃电检测用于检测抓拍原图像中的窃电行为。
进一步的,所述反窃电数据采集性能的具体评估方法如下:对获取的反窃电数据进行分析,得到第一反窃电数据,所述第一反窃电数据用于描述监控时间段内成功检测并跟踪的待测区域带电设备的窃电行为,所述第一反窃电数据包括第一反窃电数据采集频率、第一反窃电数据采集时间、第一反窃电取证成功率、第一反窃电追回电费和第一反窃电数据采集成本数据;对获取的历史反窃电数据进行分析,得到第二反窃电数据,所述第二反窃电数据用于描述历史时间段内成功检测并跟踪的待测区域带电设备的窃电行为,所述第二反窃电数据包括第二反窃电数据采集频率、第二反窃电数据采集时间、第二反窃电取证成功率、第二反窃电追回电费和第二反窃电数据采集成本数据;根据第一反窃电数据和第二反窃电数据,计算反窃电数据采集性能评估分数,通过计算的反窃电数据采集性能评估分数综合评估监控时间段内待测区域的反窃电数据采集性能,所述反窃电数据采集性能具体包括反窃电数据采集准确性、反窃电数据采集实时性、反窃电数据采集效益和反窃电数据采集稳定性;所述第一反窃电数据采集频率和第二反窃电数据采集频率用于描述监控时间段和历史时间段内待测区域带电设备的反窃电数据采集频率;所述第一反窃电数据采集时间和第二反窃电数据采集时间用于描述监控时间段和历史时间段内采集待测区域带电设备的反窃电数据所使用的时间;所述第一反窃电取证成功率和第二反窃电取证成功率用于描述成功检测并跟踪窃电行为的比例;所述第一反窃电追回电费和第二反窃电追回电费用于描述成功检测并跟踪的窃电行为对应的电费;所述第一反窃电数据采集成本数据和第二反窃电数据采集成本数据用于描述采集对应的反窃电数据和历史反窃电数据对应的费用。
进一步的,所述反窃电数据采集性能评估分数采用以下公式计算:,式中,/>为监控时间段的编号,/>,/>为监控时间段的总数量,/>为监控时间段的反窃电数据采集性能评估分数,/>为第/>个监控时间段内待测区域内带电设备的反窃电数据采集准确性评估分数,/>为反窃电数据采集准确性评估分数的修正因子,/>为反窃电数据采集准确性评估分数相对于反窃电数据采集性能评估分数的权重因子,/>为第/>个监控时间段内待测区域内带电设备的反窃电数据采集实时性评估分数,/>为反窃电数据采集实时性评估分数的修正因子,/>为反窃电数据采集实时性评估分数相对于反窃电数据采集性能评估分数的权重因子,/>为第/>个监控时间段内待测区域内带电设备的反窃电数据采集效益评估分数,/>为反窃电数据采集效益评估分数的修正因子,/>为反窃电数据采集效益评估分数相对于反窃电数据采集性能评估分数的权重因子,/>为第/>个监控时间段内待测区域内带电设备的反窃电数据采集稳定性评估分数,/>为反窃电数据采集稳定性评估分数的修正因子,/>为反窃电数据采集稳定性评估分数相对于反窃电数据采集性能评估分数的权重因子。
进一步的,所述反窃电数据采集准确性评估分数采用以下公式计算:,式中,/>为第/>个监控时间段内待测区域内带电设备的第一反窃电取证成功率,/>为第一反窃电取证成功率的修正因子,/>为历史时间段内待测区域内带电设备的第二反窃电取证成功率。
进一步的,所述反窃电数据采集实时性评估分数采用以下公式计算:,式中,/>和/>分别为反窃电数据采集实时性评估分数的第一预设阈值和第二预设阈值,且满足/>,/>为第/>个监控时间段内待测区域内带电设备的第一反窃电数据采集实时性评估分数,/>、/>和/>分别为第一反窃电数据采集实时性评估分数的第一预设阈值、第二预设阈值和第三预设阈值,且满足/>;所述第一反窃电数据采集实时性评估分数的计算公式如下:,式中,/>为自然常数,/>为第/>个监控时间段内待测区域带电设备的第一反窃电数据采集频率,/>为历史时间段内待测区域带电设备的第二反窃电数据采集频率,/>为第一反窃电数据采集时间的修正因子,/>和/>分别为第/>个监控时间段内待测区域带电设备的第一反窃电数据第一采集时间、第一反窃电数据第二采集时间和第一反窃电数据第三采集时间,/>为历史时间段内待测区域带电设备的第二反窃电数据采集时间;所述第一反窃电数据采集时间包括第一反窃电数据第一采集时间、第一反窃电数据第二采集时间和第一反窃电数据第三采集时间;所述第一反窃电数据第一采集时间用于描述图像采集设备采集图像所用的时间,所述第一反窃电数据第二采集时间用于描述对采集的反窃电数据进行窃电图像处理所用的时间,所述第一反窃电数据第三采集时间用于描述传输采集的反窃电数据所用的时间。
进一步的,所述反窃电数据采集效益评估分数采用以下公式计算:,式中,/>、/>和/>分别为第一反窃电数据采集效益评估分数的第一预设阈值、第二预设阈值和第三预设阈值,且满足/>为第/>个监控时间段内待测区域带电设备的第一反窃电数据采集效益评估分数。
进一步的,所述第一反窃电数据采集效益评估分数采用以下公式计算:,式中,/>、/>分别为第/>个监控时间段内待测区域带电设备的第一反窃电追回电费和第一反窃电数据采集成本数据,/>、/>分别为第一反窃电追回电费和第一反窃电数据采集成本数据的修正因子,/>、/>分别为历史时间段待测区域带电设备的第二反窃电追回电费和第二反窃电数据采集成本数据。
进一步的,所述反窃电数据采集稳定性评估分数采用以下公式计算:,式中,/>、/>和/>分别为第/>、/>和/>个监控时间段内待测区域带电设备的第一反窃电数据采集频率,/>、/>和/>分别为第/>、/>和/>个监控时间段内待测区域带电设备的第一反窃电取证成功率,/>分别为相邻第一反窃电数据采集频率比例和相邻第一反窃电取证成功率比例的修正因子;当/>时,满足/>,且/>;当/>时,满足/>,且;所述相邻第一反窃电数据采集频率比例用于描述相邻监控时间段待测区域带电设备的第一反窃电数据采集频率的比例;所述相邻第一反窃电取证成功率比例用于描述待测区域带电设备相邻监控时间段的第一反窃电取证成功率的比例。
进一步的,所述窃电检测通过窃电检测模型实现,所述窃电检测模型的具体获取方法如下:获取待测区域内带电设备的历史反窃电图像数据,所述历史反窃电图像数据用于记录历史时间段内待测区域带电设备预设范围内采集的窃电行为;对获取的历史反窃电图像数据进行图像预处理,然后按照预设比例进行数据集的划分得到历史反窃电图像数据集,所述历史反窃电图像数据集包括历史反窃电图像训练集和历史反窃电图像验证集;根据目标检测算法,结合历史反窃电图像训练集训练预设模型,并通过历史反窃电图像验证集进行验证,得到窃电检测模型,所述窃电检测模型的准确率不小于预设准确率。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、通过获取待测区域带电设备的历史反窃电图像数据训练预设模型,得到窃电检测模型,然后获取抓拍原图像,接着获取抓拍图像数据并获取对应的电力数据,再获取待测区域带电设备的历史反窃电数据,最后通过计算的反窃电数据采集性能评估分数来综合评估反窃电数据采集性能,从而实现了反窃电数据的准确快速采集,进而实现了反窃电数据采集性能的改善,有效解决了现有技术中反窃电数据采集性能差的问题。
2、通过获取监控时间段的第一反窃电数据采集频率和第一反窃电数据采集时间,然后获取历史时间段的第二反窃电数据采集频率和第二反窃电数据采集时间,再计算对应的第一反窃电数据采集实时性评估分数,最后计算反窃电数据采集实时性评估分数,从而实现了反窃电数据采集实时性的全面评估,进而实现了反窃电数据采集实时性的更准确评估。
3、通过获取相邻监控时间段的第一反窃电数据采集频率,然后获取对应的第一反窃电取证成功率,再获取相邻第一反窃电数据采集频率比例和相邻第一反窃电取证成功率比例,最后计算反窃电数据采集稳定性评估分数,从而实现了反窃电数据采集稳定性的数值化评估,进而实现了反窃电数据采集稳定性的更准确评估。
附图说明
图1为本申请实施例提供的一种基于大数据的反窃电数据采集方法流程图;
图2为本申请实施例提供的获取抓拍图像数据的延长式图像采集装置结构图;
图3为本申请实施例提供的窃电图像处理装置图;
图4为本申请例提供的反窃电数据采集性能的评估流程图;
图5为本申请实施例提供的窃电检测模型的获取流程图。
具体实施方式
本申请实施例通过提供一种基于大数据的反窃电数据采集方法,解决了现有技术中反窃电数据采集性能差的问题,通过获取待测区域内带电设备的历史反窃电图像数据,并对获取的历史反窃电图像数据进行图像预处理,然后按照预设比例进行数据集的划分得到历史反窃电图像数据集,根据目标检测算法结合历史反窃电图像训练集训练预设模型,得到窃电检测模型,接着通过对监控时间段内待测区域带电设备的可视范围进行抓拍获取抓拍图像数据以及电力数据,再获取待测区域带电设备的历史反窃电数据,进行分析后计算对应的反窃电数据采集准确性评估分数、反窃电数据采集实时性评估分数、反窃电数据采集效益评估分数和反窃电数据采集稳定性评估分数,最后计算反窃电数据采集性能评估分数以评估反窃电数据采集的性能,实现了反窃电数据采集性能的改善。
本申请实施例中的技术方案为解决上述反窃电数据采集性能差的问题,总体思路如下:
通过获取待测区域带电设备的历史反窃电图像数据训练预设模型,得到窃电检测模型,然后根据图像采集信号进行抓拍获得抓拍原图像,接着结合窃电图像处理步骤获取抓拍图像数据,并获取对应的电力数据,再获取待测区域带电设备的历史反窃电数据,最后通过计算的反窃电数据采集性能评估分数来对监控时间段内待测区域带电设备的反窃电数据采集性能进行综合评估,达到了改善反窃电数据采集性能的效果。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
如图1所示,为本申请实施例提供的一种基于大数据的反窃电数据采集方法流程图,该方法包括以下步骤:获取待测区域带电设备的反窃电数据:获取监控时间段内待测区域带电设备的反窃电数据,反窃电数据用于检测并跟踪监控时间段内待测区域带电设备的窃电行为,反窃电数据包括抓拍图像数据和电力数据;抓拍图像数据用于记录监控时间段内待测区域带电设备的可视范围中的窃电行为;电力数据用于描述监控时间段内待测区域内带电设备的电力使用情况;结合历史反窃电数据,综合评估反窃电数据采集性能:获取待测区域带电设备的历史反窃电数据,结合反窃电数据对监控时间段内待测区域带电设备的反窃电数据采集性能进行综合评估,历史反窃电数据用于检测并跟踪历史时间段内待测区域带电设备的窃电行为。
在本实施例中,历史反窃电数据的获取通常需要工作人员先预估待观察的设备位置,后选取合适的观测点,在保证安全距离的情况下通过使用爬梯等方式靠近,然后使用肉眼观察或相机调焦进行,在观察过程中,经常需要转换角度及观测位置,会造成反复上下,若此时人员在手持相机,容易出现立足不稳等情况,在安全带的保护下仍存在跌落及卡住的风险;窃电行为指的是通过干预带电设备后违规用电;反窃电数据获取通过搭建摄像头,远程控制数据的采集和传输实现;实现了反窃电数据采集性能的改善。
进一步的,如图2所示,为本申请实施例提供的获取抓拍图像数据的延长式图像采集装置结构图,抓拍图像数据的具体获取方式如下:根据图像采集信号对待测区域内带电设备的可视范围进行抓拍,获得抓拍原图像,图像采集信号用于描述抓拍的角度、抓拍的位置以及抓拍的频率;结合窃电图像处理步骤获取抓拍图像数据,并将抓拍图像数据传输给反窃电管理人员执行反窃电后续操作,抓拍图像数据包括抓拍原图像、可疑窃电目标和可疑窃电位置,窃电图像处理用于描述对抓拍原图像的图像处理方法,具体包括图像预处理和窃电检测,窃电检测用于检测抓拍原图像中的窃电行为。
在本实施例中,抓拍图像一般可使用的设备有照相机、摄像头等,其中照相机的主要特点为:像素相对较高,使用寿命长,但体积与质量较大,同时功耗相对较高,在狭窄空间无法移动,便携性相对较低;而摄像头的主要特点为:像素达到拍摄要求,体积小巧轻便,同时功耗相对较低,适合用电池长时间供电,在狭小空间可灵活移动,便于拍摄,但需要配合其他模块进行开发才可使用,综合比较选择摄像头来抓拍图像;对于抓拍的角度需要方向控制设备,常见的有防抖云台和遥控旋转式云台,由于防抖云台承载量相对较低,体积较大,不易携带,且成本高,综合比较选择遥控旋转式云台;如图3所示,为本申请实施例提供的窃电图像处理装置图,由于涉及云台控制、图像采集和处理、数据传输与通讯,采用单一处理器单元虽然具有较好的经济性,但响应延迟高、数据易失真,综合比较选择多处理器协作进行窃电图像处理;对于数据传输,经比较发现:WiFI传输相比于蓝牙传输,在传输速度及传输范围上有显著优势,在离变压器5米范围内进行图像传输均未出现明显失真,选择WiFi进行数据传输;供电方式选择的是电池式,采集范围延长方式选择的是伸缩式;实现了反窃电数据采集效率的提高。
进一步的,如图4所示,为本申请例提供的反窃电数据采集性能的评估流程图,反窃电数据采集性能的具体评估方法如下:获取第一反窃电数据:对获取的反窃电数据进行分析,得到第一反窃电数据,第一反窃电数据用于描述监控时间段内成功检测并跟踪的待测区域带电设备的窃电行为,第一反窃电数据包括第一反窃电数据采集频率、第一反窃电数据采集时间、第一反窃电取证成功率、第一反窃电追回电费和第一反窃电数据采集成本数据;获取第二反窃电数据:对获取的历史反窃电数据进行分析,得到第二反窃电数据,第二反窃电数据用于描述历史时间段内成功检测并跟踪的待测区域带电设备的窃电行为,第二反窃电数据包括第二反窃电数据采集频率、第二反窃电数据采集时间、第二反窃电取证成功率、第二反窃电追回电费和第二反窃电数据采集成本数据;计算反窃电数据采集性能评估分数,综合评估反窃电数据采集性能:根据第一反窃电数据和第二反窃电数据,计算反窃电数据采集性能评估分数,通过计算的反窃电数据采集性能评估分数综合评估监控时间段内待测区域的反窃电数据采集性能,反窃电数据采集性能具体包括反窃电数据采集准确性、反窃电数据采集实时性、反窃电数据采集效益和反窃电数据采集稳定性;第一反窃电数据采集频率和第二反窃电数据采集频率用于描述监控时间段和历史时间段内待测区域带电设备的反窃电数据采集频率;第一反窃电数据采集时间和第二反窃电数据采集时间用于描述监控时间段和历史时间段内采集待测区域带电设备的反窃电数据所使用的时间;第一反窃电取证成功率和第二反窃电取证成功率用于描述成功检测并跟踪窃电行为的比例;第一反窃电追回电费和第二反窃电追回电费用于描述成功检测并跟踪的窃电行为对应的电费;第一反窃电数据采集成本数据和第二反窃电数据采集成本数据用于描述采集对应的反窃电数据和历史反窃电数据对应的费用。
在本实施例中,反窃电数据采集频率和采集时间从侧面反映该时间段内数据采集的快慢,反窃电取证成功率反映了数据采集的准确性;反窃电追回电费和反窃电数据采集成本数据反映了反窃电数据采集的效益,实现了反窃电数据采集性能的更全面评估。
进一步的,反窃电数据采集性能评估分数采用以下公式计算:,式中,/>为监控时间段的编号,,/>为监控时间段的总数量,/>为监控时间段的反窃电数据采集性能评估分数,/>为第/>个监控时间段内待测区域内带电设备的反窃电数据采集准确性评估分数,/>为反窃电数据采集准确性评估分数的修正因子,/>为反窃电数据采集准确性评估分数相对于反窃电数据采集性能评估分数的权重因子,/>为第/>个监控时间段内待测区域内带电设备的反窃电数据采集实时性评估分数,/>为反窃电数据采集实时性评估分数的修正因子,/>为反窃电数据采集实时性评估分数相对于反窃电数据采集性能评估分数的权重因子,/>为第/>个监控时间段内待测区域内带电设备的反窃电数据采集效益评估分数,/>为反窃电数据采集效益评估分数的修正因子,/>为反窃电数据采集效益评估分数相对于反窃电数据采集性能评估分数的权重因子,/>为第/>个监控时间段内待测区域内带电设备的反窃电数据采集稳定性评估分数,/>为反窃电数据采集稳定性评估分数的修正因子,/>为反窃电数据采集稳定性评估分数相对于反窃电数据采集性能评估分数的权重因子。
在本实施例中,反窃电数据采集性能评估分数与对应的反窃电数据采集准确性评估分数、反窃电数据采集实时性评估分数、反窃电数据采集效益评估分数和反窃电数据采集稳定性评估分数均成正相关,当对应的实际数值均为1时,即,反窃电数据采集性能评估分数达到最大值1;涉及的权重因子的赋权方法有主观赋权和客观赋权两种,实现了反窃电数据采集性能的更准确评估。
进一步的,反窃电数据采集准确性评估分数采用以下公式计算:,式中,/>为第/>个监控时间段内待测区域内带电设备的第一反窃电取证成功率,/>为第一反窃电取证成功率的修正因子,/>为历史时间段内待测区域内带电设备的第二反窃电取证成功率。
在本实施例中,反窃电数据采集准确性评估分数随着第一反窃电取证成功率的增大而增大,当实际的第一反窃电取证成功率为100%时,对应的反窃电数据采集准确性评估分数为1;实现了反窃电数据采集准确性的更直观评估。
进一步的,反窃电数据采集实时性评估分数采用以下公式计算:,式中,/>和/>分别为反窃电数据采集实时性评估分数的第一预设阈值和第二预设阈值,且满足/>,/>为第/>个监控时间段内待测区域内带电设备的第一反窃电数据采集实时性评估分数,/>、/>和/>分别为第一反窃电数据采集实时性评估分数的第一预设阈值、第二预设阈值和第三预设阈值,且满足;第一反窃电数据采集实时性评估分数的计算公式如下:,式中,/>为自然常数,/>为第/>个监控时间段内待测区域带电设备的第一反窃电数据采集频率,/>为历史时间段内待测区域带电设备的第二反窃电数据采集频率,/>为第一反窃电数据采集时间的修正因子,/>、/>分别为第/>个监控时间段内待测区域带电设备的第一反窃电数据第一采集时间、第一反窃电数据第二采集时间和第一反窃电数据第三采集时间,/>为历史时间段内待测区域带电设备的第二反窃电数据采集时间;第一反窃电数据采集时间包括第一反窃电数据第一采集时间、第一反窃电数据第二采集时间和第一反窃电数据第三采集时间;第一反窃电数据第一采集时间用于描述图像采集设备采集图像所用的时间,第一反窃电数据第二采集时间用于描述对采集的反窃电数据进行窃电图像处理所用的时间,第一反窃电数据第三采集时间用于描述传输采集的反窃电数据所用的时间。
在本实施例中,第一反窃电数据采集实时性评估分数对反窃电数据采集实时性进行了准确评估,随着第一反窃电数据采集频率的增大而增大,随着第一反窃电数据采集时间的减小而增大,当第一反窃电数据采集频率与第二反窃电数据采集频率相等,且实际的第一反窃电数据采集时间与第二反窃电数据采集时间相等时,即,对应的第一反窃电数据采集实时性评估分数为1;反窃电数据采集实时性评估分数随着第一反窃电数据采集实时性评估分数的增大而增大;实现了反窃电数据采集实时性的更准确评估。
进一步的,反窃电数据采集效益评估分数采用以下公式计算:,式中,/>、/>和/>分别为第一反窃电数据采集效益评估分数的第一预设阈值、第二预设阈值和第三预设阈值,且满足/>,/>为第个监控时间段内待测区域带电设备的第一反窃电数据采集效益评估分数。
在本实施例中,反窃电数据采集效益评估分数是对整个反窃电数据采集效益的评估,对于不同效益的评估方式不同,当反窃电数据采集效益处于较低水平时,增加反窃电效益的难度较小,当反窃电数据采集效益处于较高水平时,继续增加反窃电效益的难度较大,因为此时的数据采集成本已经达到很低的水平了;实现了反窃电数据采集效益的更准确评估。
进一步的,第一反窃电数据采集效益评估分数采用以下公式计算:,式中,/>、/>分别为第/>个监控时间段内待测区域带电设备的第一反窃电追回电费和第一反窃电数据采集成本数据,/>、/>分别为第一反窃电追回电费和第一反窃电数据采集成本数据的修正因子,/>、/>分别为历史时间段待测区域带电设备的第二反窃电追回电费和第二反窃电数据采集成本数据。
在本实施例中,第一反窃电数据采集效益评估分数随着第一反窃电追回电费的增加而增大,随着第一反窃电数据采集成本数据的减小而增大;第一反窃电数据采集效益评估分数均为正数;实现了反窃电数据采集效益的更全面评估。
进一步的,反窃电数据采集稳定性评估分数采用以下公式计算:,式中,/>、/>和/>分别为第/>、/>和/>个监控时间段内待测区域带电设备的第一反窃电数据采集频率,/>、/>和/>分别为第/>、/>和/>个监控时间段内待测区域带电设备的第一反窃电取证成功率,/>分别为相邻第一反窃电数据采集频率比例和相邻第一反窃电取证成功率比例的修正因子;当/>时,满足/>,且/>;当/>时,满足/>,且;相邻第一反窃电数据采集频率比例用于描述相邻监控时间段待测区域带电设备的第一反窃电数据采集频率的比例;相邻第一反窃电取证成功率比例用于描述待测区域带电设备相邻监控时间段的第一反窃电取证成功率的比例。
在本实施例中,反窃电数据采集稳定性与第一反窃电数据采集频率和第一反窃电取证成功率相关,相邻监控时间段的对应数据波动越大,表明反窃电数据采集稳定性越差;当实际的相邻第一反窃电数据采集频率比例和相邻第一反窃电取证成功率比例均为1时,即,/>,对应的反窃电数据采集稳定性评估分数为1,表明该监控时间段反窃电数据采集很稳定;实现了反窃电数据采集稳定性的更准确评估。
进一步的,如图5所示,为本申请实施例提供的窃电检测模型的获取流程图,窃电检测通过窃电检测模型实现,窃电检测模型的具体获取方法如下:获取历史反窃电图像数据:获取待测区域内带电设备的历史反窃电图像数据,历史反窃电图像数据用于记录历史时间段内待测区域带电设备预设范围内采集的窃电行为;获取历史反窃电图像数据集:对获取的历史反窃电图像数据进行图像预处理,然后按照预设比例进行数据集的划分得到历史反窃电图像数据集,历史反窃电图像数据集包括历史反窃电图像训练集和历史反窃电图像验证集;获取窃电检测模型:根据目标检测算法,结合历史反窃电图像训练集训练预设模型,并通过历史反窃电图像验证集进行验证,得到窃电检测模型,窃电检测模型的准确率不小于预设准确率。
在本实施例中,通过窃电检测模型检测图像数据中的窃电行为相较于人工判断的方法省时省力,效率更高,当窃电检测模型的准确率很高时,其对应的准确性也会高于人工判断的方法,因为人工判断还存在主观意识的影响;对于窃电检测模型的准确率一般通过对数据集的处理和参数寻优的方法提高;实现了窃电检测效率的提高。
上述本申请实施例中的技术方案,至少具有如下的技术效果或优点:相对于公告号为:CN111046250B公告的一种基于大数据分析的窃电对象筛查方法,本申请实施例通过获取监控时间段的第一反窃电数据采集频率和第一反窃电数据采集时间,然后获取历史时间段的第二反窃电数据采集频率和第二反窃电数据采集时间,再计算对应的第一反窃电数据采集实时性评估分数,最后计算反窃电数据采集实时性评估分数,从而实现了反窃电数据采集实时性的全面评估,进而实现了反窃电数据采集实时性的更准确评估;相对于公开号为:CN113128024B公开的一种基于大数据分析的低压窃电客户及窃电手段确定方法,本申请实施例通过获取相邻监控时间段的第一反窃电数据采集频率,然后获取对应的第一反窃电取证成功率,再获取相邻第一反窃电数据采集频率比例和相邻第一反窃电取证成功率比例,最后计算反窃电数据采集稳定性评估分数,从而实现了反窃电数据采集稳定性的数值化评估,进而实现了反窃电数据采集稳定性的更准确评估。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (3)

1.一种基于大数据的反窃电数据采集方法,用于服务器,其特征在于,包括以下步骤:
获取监控时间段内待测区域带电设备的反窃电数据,所述反窃电数据包括抓拍图像数据和电力数据;所述抓拍图像数据包括监控时间段内待测区域带电设备的可视范围中的窃电数据;所述电力数据包括监控时间段内待测区域内带电设备的电力使用数据;
获取待测区域带电设备的历史反窃电数据,并结合反窃电数据对监控时间段内待测区域带电设备的反窃电数据采集性能进行综合评估,所述历史反窃电数据包括检测并跟踪历史时间段内待测区域带电设备的窃电数据;
所述反窃电数据采集性能的具体评估方法如下:
对获取的反窃电数据进行分析,得到第一反窃电数据,所述第一反窃电数据包括第一反窃电数据采集频率、第一反窃电数据采集时间、第一反窃电取证成功率、第一反窃电追回电费和第一反窃电数据采集成本数据;
对获取的历史反窃电数据进行分析,得到第二反窃电数据,所述第二反窃电数据包括第二反窃电数据采集频率、第二反窃电数据采集时间、第二反窃电取证成功率、第二反窃电追回电费和第二反窃电数据采集成本数据;
根据第一反窃电数据和第二反窃电数据,计算反窃电数据采集性能评估分数,通过计算的反窃电数据采集性能评估分数综合评估监控时间段内待测区域的反窃电数据采集性能,所述反窃电数据采集性能包括反窃电数据采集准确性、反窃电数据采集实时性、反窃电数据采集效益和反窃电数据采集稳定性;
所述反窃电数据采集性能评估分数采用以下公式计算:
式中,为监控时间段的编号,/>,/>为监控时间段的总数量,/>为监控时间段的反窃电数据采集性能评估分数,/>为第/>个监控时间段内待测区域内带电设备的反窃电数据采集准确性评估分数,/>为反窃电数据采集准确性评估分数的修正因子,/>为反窃电数据采集准确性评估分数相对于反窃电数据采集性能评估分数的权重因子,/>为第/>个监控时间段内待测区域内带电设备的反窃电数据采集实时性评估分数,/>为反窃电数据采集实时性评估分数的修正因子,/>为反窃电数据采集实时性评估分数相对于反窃电数据采集性能评估分数的权重因子,/>为第/>个监控时间段内待测区域内带电设备的反窃电数据采集效益评估分数,/>为反窃电数据采集效益评估分数的修正因子,/>为反窃电数据采集效益评估分数相对于反窃电数据采集性能评估分数的权重因子,/>为第/>个监控时间段内待测区域内带电设备的反窃电数据采集稳定性评估分数,/>为反窃电数据采集稳定性评估分数的修正因子,/>为反窃电数据采集稳定性评估分数相对于反窃电数据采集性能评估分数的权重因子;
所述反窃电数据采集准确性评估分数采用以下公式计算:
式中,为第/>个监控时间段内待测区域内带电设备的第一反窃电取证成功率,/>为第一反窃电取证成功率的修正因子,/>为历史时间段内待测区域内带电设备的第二反窃电取证成功率;
所述反窃电数据采集实时性评估分数采用以下公式计算:
式中,和/>分别为反窃电数据采集实时性评估分数的第一预设阈值和第二预设阈值,且满足/>,/>为第/>个监控时间段内待测区域内带电设备的第一反窃电数据采集实时性评估分数,/>、/>和/>分别为第一反窃电数据采集实时性评估分数的第一预设阈值、第二预设阈值和第三预设阈值,且满足/>
所述第一反窃电数据采集实时性评估分数的计算公式如下:
式中,为自然常数,/>为第/>个监控时间段内待测区域带电设备的第一反窃电数据采集频率,/>为历史时间段内待测区域带电设备的第二反窃电数据采集频率,/>为第一反窃电数据采集时间的修正因子,/>、/>和/>分别为第/>个监控时间段内待测区域带电设备的第一反窃电数据第一采集时间、第一反窃电数据第二采集时间和第一反窃电数据第三采集时间,/>为历史时间段内待测区域带电设备的第二反窃电数据采集时间;
所述反窃电数据采集效益评估分数采用以下公式计算:
式中,、/>和/>分别为第一反窃电数据采集效益评估分数的第一预设阈值、第二预设阈值和第三预设阈值,且满足/>,/>为第/>个监控时间段内待测区域带电设备的第一反窃电数据采集效益评估分数;
所述第一反窃电数据采集效益评估分数采用以下公式计算:
式中,、/>分别为第/>个监控时间段内待测区域带电设备的第一反窃电追回电费和第一反窃电数据采集成本数据,/>、/>分别为第一反窃电追回电费和第一反窃电数据采集成本数据的修正因子,/>、/>分别为历史时间段待测区域带电设备的第二反窃电追回电费和第二反窃电数据采集成本数据;
所述反窃电数据采集稳定性评估分数采用以下公式计算:
式中,、/>和/>分别为第/>、/>和/>个监控时间段内待测区域带电设备的第一反窃电数据采集频率,/>、/>和/>分别为第/>、/>和/>个监控时间段内待测区域带电设备的第一反窃电取证成功率,/>、/>分别为相邻第一反窃电数据采集频率比例和相邻第一反窃电取证成功率比例的修正因子;
时,满足/>,且/>
时,满足/>,且/>
2.如权利要求1所述一种基于大数据的反窃电数据采集方法,其特征在于,所述抓拍图像数据的具体获取方法如下:
根据图像采集信号对待测区域内带电设备的可视范围进行抓拍,获得抓拍原图像,所述图像采集信号包括抓拍的角度、抓拍的位置以及抓拍的频率;
结合窃电图像处理步骤获取抓拍图像数据,并将抓拍图像数据传输给反窃电管理人员执行反窃电后续操作,所述抓拍图像数据包括抓拍原图像、可疑窃电目标和可疑窃电位置,所述窃电图像处理包括图像预处理和窃电检测。
3.如权利要求2所述一种基于大数据的反窃电数据采集方法,其特征在于,所述窃电检测通过窃电检测模型实现,所述窃电检测模型的具体获取方法如下:
获取待测区域内带电设备的历史反窃电图像数据;
对获取的历史反窃电图像数据进行图像预处理,然后按照预设比例进行数据集的划分得到历史反窃电图像数据集,所述历史反窃电图像数据集包括历史反窃电图像训练集和历史反窃电图像验证集;
根据目标检测算法,结合历史反窃电图像训练集训练预设模型,并通过历史反窃电图像验证集进行验证,得到窃电检测模型,所述窃电检测模型的准确率不小于预设准确率。
CN202410099900.XA 2024-01-24 2024-01-24 一种基于大数据的反窃电数据采集方法 Active CN117611393B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410099900.XA CN117611393B (zh) 2024-01-24 2024-01-24 一种基于大数据的反窃电数据采集方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410099900.XA CN117611393B (zh) 2024-01-24 2024-01-24 一种基于大数据的反窃电数据采集方法

Publications (2)

Publication Number Publication Date
CN117611393A CN117611393A (zh) 2024-02-27
CN117611393B true CN117611393B (zh) 2024-04-05

Family

ID=89944751

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410099900.XA Active CN117611393B (zh) 2024-01-24 2024-01-24 一种基于大数据的反窃电数据采集方法

Country Status (1)

Country Link
CN (1) CN117611393B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018229712A1 (en) * 2017-06-14 2018-12-20 Eaton Intelligent Power Limited System and method for detecting theft of electricity with integrity checks analysis
CN109446193A (zh) * 2018-11-13 2019-03-08 国网宁夏电力有限公司电力科学研究院 反窃电模型生成方法及装置
CN111126820A (zh) * 2019-12-17 2020-05-08 国网山东省电力公司电力科学研究院 反窃电方法及系统
CN112436606A (zh) * 2020-11-26 2021-03-02 国网天津市电力公司营销服务中心 一种用于反窃电的监控系统
CN112751411A (zh) * 2019-10-29 2021-05-04 南京沃旭电力科技有限公司 一种基于大数据拟合技术的可视化电力用户用电评价平台
CN113484572A (zh) * 2021-06-01 2021-10-08 国网吉林省电力有限公司信息通信公司 一种基于用电大数据的反窃电监测方法及系统
CN114491181A (zh) * 2021-12-16 2022-05-13 国网陕西省电力公司延安供电公司 一种反窃电诊断检测方法及系统
CN116108376A (zh) * 2022-12-20 2023-05-12 国网山东省电力公司青岛供电公司 一种反窃电的监测系统、方法、电子设备及介质
WO2023168950A1 (zh) * 2022-03-11 2023-09-14 浙江万胜智能科技股份有限公司 一种智能抄表终端的数据采集方法及系统
CN117034115A (zh) * 2023-08-11 2023-11-10 国网甘肃省电力公司信息通信公司 一种基于CNN-Bagging的窃电检测方法及系统
CN117292680A (zh) * 2023-09-19 2023-12-26 国网安徽省电力有限公司肥东县供电公司 一种基于小样本合成的输电运检的语音识别的方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018229712A1 (en) * 2017-06-14 2018-12-20 Eaton Intelligent Power Limited System and method for detecting theft of electricity with integrity checks analysis
CN109446193A (zh) * 2018-11-13 2019-03-08 国网宁夏电力有限公司电力科学研究院 反窃电模型生成方法及装置
CN112751411A (zh) * 2019-10-29 2021-05-04 南京沃旭电力科技有限公司 一种基于大数据拟合技术的可视化电力用户用电评价平台
CN111126820A (zh) * 2019-12-17 2020-05-08 国网山东省电力公司电力科学研究院 反窃电方法及系统
CN112436606A (zh) * 2020-11-26 2021-03-02 国网天津市电力公司营销服务中心 一种用于反窃电的监控系统
CN113484572A (zh) * 2021-06-01 2021-10-08 国网吉林省电力有限公司信息通信公司 一种基于用电大数据的反窃电监测方法及系统
CN114491181A (zh) * 2021-12-16 2022-05-13 国网陕西省电力公司延安供电公司 一种反窃电诊断检测方法及系统
WO2023168950A1 (zh) * 2022-03-11 2023-09-14 浙江万胜智能科技股份有限公司 一种智能抄表终端的数据采集方法及系统
CN116108376A (zh) * 2022-12-20 2023-05-12 国网山东省电力公司青岛供电公司 一种反窃电的监测系统、方法、电子设备及介质
CN117034115A (zh) * 2023-08-11 2023-11-10 国网甘肃省电力公司信息通信公司 一种基于CNN-Bagging的窃电检测方法及系统
CN117292680A (zh) * 2023-09-19 2023-12-26 国网安徽省电力有限公司肥东县供电公司 一种基于小样本合成的输电运检的语音识别的方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
唐良义 ; 王坤 ; 林俊洁 ; 向路先 ; 李红柳 ; .浅析电力用户用电信息采集系统中存在的问题.国网技术学院学报.2017,(02),全文. *
基于C-lightGBM的用户窃电检测;刘海青;李智桥;李元诚;;计算机应用研究;20200630(S1);全文 *
基于大数据分析的电力盗窃检测与预防系统研究;刘安磊;《河北电力技术》;20231025;第42卷(第5期);第85-89页 *
基于神经网络算法的用户窃电行为检测模型研究;吴健;林国强;王晓慧;沈尚义;陈诚;;电力信息与通信技术;20171215(12);全文 *
浅析电力用户用电信息采集系统中存在的问题;唐良义;王坤;林俊洁;向路先;李红柳;;国网技术学院学报;20170428(02);全文 *

Also Published As

Publication number Publication date
CN117611393A (zh) 2024-02-27

Similar Documents

Publication Publication Date Title
CN107767673A (zh) 一种基于多摄像机的路侧停车管理方法、装置及系统
CN105631427A (zh) 可疑人员检测方法与系统
CN108802758A (zh) 一种基于激光雷达的智能安防监控装置、方法和系统
CN101872524A (zh) 基于虚拟墙的视频监控方法、系统及装置
CN110867046A (zh) 一种基于云计算的智能洗车机视频监控预警系统
CN101882374A (zh) 一种车辆行程分布综合信息分析系统及方法
CN111369799B (zh) 一种检测改装车辆的方法、装置及系统
CN116953395B (zh) 充电桩偷电检测方法、装置、设备及存储介质
CN111353436A (zh) 基于图像深度学习算法的超门店经营分析方法和装置
CN109559336A (zh) 对象追踪方法、装置及存储介质
CN105512762A (zh) 一种基于相关分析的游戏数值投放评估方法及装置
CN111461078A (zh) 一种基于计算机视觉技术的防钓监控方法
CN117035419B (zh) 企业项目实施智能管理系统及方法
CN109934074A (zh) 行动轨迹确定方法及装置
CN114548590A (zh) 一种基于物联网的工程精装修智慧管理平台及方法
CN108072858B (zh) 电能表质量管理方法、系统及终端设备
KR102158100B1 (ko) 이상 감지를 이용한 모니터링 자동화 방법 및 장치
CN117611393B (zh) 一种基于大数据的反窃电数据采集方法
Fu et al. Trimming outliers using trees: winning solution of the large-scale energy anomaly detection (LEAD) competition
CN112911219B (zh) 电力设备巡检路线的识别方法、系统及设备
CN109743224A (zh) 充电设施数据处理方法和装置
CN117093943A (zh) 一种用电量监测预警方法及装置
CN201828339U (zh) 电气化铁路接触网红外温度监测系统
CN110769003A (zh) 一种网络安全预警的方法、系统、设备及可读存储介质
CN115410072B (zh) 一种视频事件检测算法的测试方法及系统

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