CN117811194A - 一种小区智能用电系统 - Google Patents
一种小区智能用电系统 Download PDFInfo
- Publication number
- CN117811194A CN117811194A CN202311530933.7A CN202311530933A CN117811194A CN 117811194 A CN117811194 A CN 117811194A CN 202311530933 A CN202311530933 A CN 202311530933A CN 117811194 A CN117811194 A CN 117811194A
- Authority
- CN
- China
- Prior art keywords
- electricity
- user
- electricity consumption
- consumption
- energy meter
- 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.)
- Pending
Links
- 230000005611 electricity Effects 0.000 claims abstract description 191
- 238000001514 detection method Methods 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims description 27
- 238000004891 communication Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000013145 classification model Methods 0.000 claims description 4
- 238000007637 random forest analysis Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 230000001932 seasonal effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种小区智能用电系统,属于智能用电管理技术领域。该系统包括:电力采集终端,用于对用户用电量进行采集和波动分析,并将用户用电量和用电量波动情况上传至用电管理主站;用户移动终端,用于获取用户居家状态;用电管理主站,包括用电检测模块和窃电检测模块,用电检测模块用于利用用电检测模型对用户居家状态和用户用电量进行处理,得到用电检测结果,窃电检测模块用于根据用电检测结果,利用窃电检测模型对用电量波动情况和用户居家状态进行处理,得到窃电检测结果,从而确定用户是否存在被动窃电或者主动窃电情况。本发明能够实现用电量检测故障、主动窃电和被动窃电的准确区分。
Description
技术领域
本发明属于智能用电管理技术领域,具体涉及一种小区智能用电系统。
背景技术
智慧社区用电管理系统可以自动远程抄表,并将数据上传到管理系统云平台,生成数据报表,并根据计价方式自动计算电费,管理人员可以实时查看社区住户的电能耗情况,住户也可以通过微信小程序查看自己的电能使用情况,且可以在微信小程序进行线上缴费,方便快捷。智慧社区用电管理系统可以对整个接入系统的电表、水表、采集器、集中器等设备的运行状态进行管理,一旦发现异常情况时就能快速发出预警提示,如当住户使用过多大功率电器导致电流过高,系统便能自动跳闸断电,保障住户用电安全,避免意外事故发生。
但是,由于社区面积大,用户多且由于用户用电情况的差异性,对于用户的电能表异常或一些用户的窃电情况不能及时发现。现有技术针对用电故障现象多采用分类模型进行异常用电和正常用电的区分,但是在现实中,用户异常用电的样本数据难以获取,导致模型训练精度不够,无法准确实现用电异常状况监测。因此,如何实现小区用电的全方位智能监管,及时发现用户用电异常,成为现有技术亟待解决的技术问题。
发明内容
为了解决上述问题,本发明提出了一种小区智能用电系统,本发明通过用电管理主站与用户移动终端将不同用户的用电情况与个人习惯结合起来进行综合分析,实现用电量检测故障、主动窃电和被动窃电的准确区分。
根据一些实施例,本发明的第一方案提供了一种小区智能用电系统,采用如下技术方案:
一种小区智能用电系统,包括:
电力采集终端,用于对用户用电量进行采集和波动分析,并将用户用电量和用电量波动情况上传至用电管理主站;
用户移动终端,用于获取用户居家状态,并将用户居家状态上传至用电管理主站;
用电管理主站,包括用电检测模块和窃电检测模块,用电检测模块用于利用用电检测模型对用户居家状态和用户用电量进行处理,确定用户居家状态是否与用户用电量匹配,得到用电检测结果,窃电检测模块用于根据用电检测结果,利用窃电检测模型对用电量波动情况和用户居家状态进行处理,得到窃电检测结果,从而确定用户是否存在被动窃电或者主动窃电情况。
进一步的,电力采集终端包括电能表采集模块、电量分析模块以及通讯模块;所述电能表采集模块将采集的电量数据上传给电量分析模块进行波动分析;所述通讯模块将电量分析模块的分析结果和电能表采集模块采集的电量数据上传给用电管理主站。
进一步地,所述电能表采集模块包括电能表前端采集模块和电能表后端采集模块;
所述电能表前端采集模块连接市电和电能表,用于检测电能表和市电之间的电量数据;
所述电能表后端采集模块连接电能表和用户,用于检测电能表和用户之间的电量数据。
进一步的,波动分析是指根据用户历史数据与当前用电量进行对比分析,其波动值大于预设波动比例,则认为用户用电量产生波动。
进一步的,用户居家状态包括常住状态、非常住状态以及未搬入状态。
进一步的,用电检测模型为利用历史用户居家状态和对应的四季中用户用电量作为数据集,训练支持支持向量机构建的分类模型,得到用电检测模型。
更进一步的,四季中用户用电量包括符合季节特征的正常用户用电量和异常用户用电量,对于异常用户用电量采用对抗网络进行数据扩充,从而保证用电量数据集平衡。
进一步的,提取已知窃电数据集的窃电特征,并采用随机森林算法对特征进行训练得到窃电检测模型。
更进一步的,当窃电检测模型判断为存在疑似窃电行为时,若用户居家状态为常住状态或非常住状态,则进行主动窃电报警;当窃电检测模型判断为存在疑似窃电行为时,若用户居家状态为未搬入状态,则进行被动窃电报警,并通过用户移动终端通知用户。
进一步地,获取用户居家状态,具体为:
获取用户身份信息进行信息注册;
用户信息注册成功后,再次获取用户身份信息进行用户身份验证;
通过身份验证后,获取用户的居家状态并反馈给用电管理主站。
与现有技术相比,本发明的有益效果为:
本发明公开了一种小区智能用电系统,通过用户移动终端能够获取用户的居家状态并反馈给用电管理主站,同时用电管理主站根据用户的居家状态再对对应用户的电能表采集终端的分析结果进行分析判断,能够在获取用户实时状态的情况下对用户的用电情况进行分析预警。
本发明能够通过用电检测模型根据用户居家状态与用电量之间的关系进行用电检测判断,并且利用数据扩充的方式解决了异常用电数据小样本的缺陷,提高了用电检测模型检测精度,实现故障现象或异常用电现象的准确判断,并且通过用电量波动情况对主动窃电和被动窃电现象进行区分,提高了用户用电状况的准确性,为智能用电管理提供了数据参考。
本发明通过在电能表前后端分别设置检测采集模块,分析对比两个检测采集模块的采集数据,确定电能表的故障情况。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明实施例中一种小区智能用电系统的结构框图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例
如图1所示,本实施例提供了一种小区智能用电系统,包括:
电力采集终端,用于对用户用电量进行采集和波动分析,并将用户用电量和用电量波动情况上传至用电管理主站。
用户移动终端,用于获取用户居家状态,并将用户居家状态上传至用电管理主站。
用电管理主站,包括用电检测模块和窃电检测模块,用电检测模块用于利用用电检测模型对用户居家状态和用户用电量进行处理,确定用户居家状态是否与用户用电量匹配,得到用电检测结果,窃电检测模块用于根据用电检测结果,利用窃电检测模型对用电量波动情况和用户居家状态进行处理,得到窃电检测结果,从而确定用户是否存在被动窃电或者主动窃电情况。
本实施例中,电力采集终端包括电能表采集模块、电量分析模块以及通讯模块;所述电能表采集模块将采集的电量数据上传给电量分析模块进行波动分析;所述通讯模块将电量分析模块的分析结果和电能表采集模块采集的电量数据上传给用电管理主站。其中,其中通讯模块可以采用4G或者5G通信模块,与用电管理主站进行点对点数据通信。
电能表采集模块包括电能表前端采集模块和电能表后端采集模块;
所述电能表前端采集模块连接市电和电能表,用于检测电能表和市电之间的电量数据;
所述电能表后端采集模块连接电能表和用户,用于检测电能表和用户之间的电量数据。
通过电能表前端采集模块与电能表后端采集模块采集电量数据的一致性对比,可以初步判断故障来源。
波动分析是指根据用户历史数据与当前用电量进行对比分析,其波动值大于预设波动比例,则认为用户用电量产生波动。其中,波动值计算公式为:
。
其中,P为波动比例,T为实际用电量,为同期对比用电量(如去年同月),/>为最近抄表用电量,/>为平均用电量,a、b、c分别为同期对比用电量、最近抄表用电量、平均用电量所占的权重系数。
本实施例中,用户居家状态包括常住状态、非常住状态以及未搬入状态。 常住状态是指平均一天之中家中有人的状态超过18小时,非常住状态是指平均一天之中家中有人的状态小于18小时,例如上班人群下午六点左右下班,到第二天八点左右上班,但白天家中并无人在家的状态。未搬入状态是指还未正式入住的用户。上述状态判定标准可以根据实际情况进行自行调整。
其中,获取用户居家状态,具体为:
获取用户身份信息进行信息注册;
用户信息注册成功后,再次获取用户身份信息进行用户身份验证;
通过身份验证后,获取用户的居家状态并反馈给用电管理主站。
需要特别说明的是,本实施例中的用户居家状态为用户自己上传,并且根据小区走访、物业确定等方式进行核实,因此默认为准确的用户居家状态,不存在恶意伪造现象。另外,本实施例所获得的的用户居家状态均为用户自愿上传,并且核实过程征得用户同意,不存在侵犯用户隐私的现象。
本实施例中,用电检测模型为利用历史用户居家状态和对应的四季中用户用电量作为数据集,训练支持支持向量机构建的分类模型,得到用电检测模型。
在一种具体的实施方式中,首先,获取历史历史用户居家状态和对应的四季中用户用电量。四季中用户用电量包括符合季节特征的正常用户用电量和异常用户用电量。符合季节特征是指,夏天采用空调以及冬天采用供暖设备往往会比春秋天的用电量更多。因此需要根据季节对用电量进行分段采集。
而异常用户用电量在现实中难以获得大量的已知样本,导致数据集样本数量不平衡,因此对于异常用户用电量采用对抗网络进行数据扩充,从而保证用电量数据集平衡。
具体的,采用对抗网络对已有的异常数据进行随机噪声添加,通过生成器生成假异常数据,将假异常数据与真实异常数据进行混合得到初步样本,并利用判别器对初步样本进行判别,根据损失函数调整生成器参数,直到损失符合预设要求,将调整后的生成器生成的假异常数据与真实异常数据进行混合,得到扩充后的样本。
利用用电检测模型对用户居家状态和用户用电量进行处理,确定用户居家状态是否与用户用电量匹配,得到用电检测结果的具体过程为:
首先根据电能表前端采集模块和电能表后端采集模块采集的数据进行对比分析,确定电能表的故障情况。
当电能表前端采集模块和电能表后端采集模块的数据不一致时,判断为电能表故障;
当电能表前端采集模块采集数据异常时,则判断市电输入故障。
其次,当电能表前端采集模块和电能表后端采集模块的数据一致时,利用用电检测模型对用户居家状态和用户用电量进行处理,将不同用户居家状态下用户用电量与历史用户用电量高度不符的数据进行筛选,确定为异常数据。
构建窃电检测模型:提取已知窃电数据集的窃电特征,并采用随机森林算法对特征进行训练得到窃电检测模型。本实施例中,采用随机森林算法对台损数据、用电数据的最大最小值、峰值、均值、标准差以及波动情况等窃电特征进行学习训练得到窃电检测模型为本领域现有技术,这里不再赘述。
最后,利用训练好的窃电检测模型对异常数据和波动情况进行处理,当窃电检测模型判断为存在疑似窃电行为时,若用户居家状态为常住状态或非常住状态,则进行主动窃电报警;当窃电检测模型判断为存在疑似窃电行为时,若用户居家状态为未搬入状态,则进行被动窃电报警,并通过用户移动终端通知用户。
其中,主动窃电是指用户本人通过违规方式进行窃电,被动窃电是指用户本人在不知情的情况下被他人通过接线等方式进行窃电。
用电管理主站最后将检测结果反馈给用户移动终端,具体为:
用电管理主站将不同用户的用户用电量和用电对比分析结果反馈给用户移动终端;
用户移动终端将用户用电量和用电对比分析结果反馈给用户,以便于用户根据用电对比分析结果调整用电情况。
可以理解的是,上述异常报警情况只是为了预警用户进行及时的查看,但并不是一定的用电异常,也有可能是用户家里出现异于平时的情况出现,例如天气骤变,亲朋好友上门,以及其他可能的情况都会导致用户用电量发生异于历史数据的情况出现,均需要进行进一步的核实。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种小区智能用电系统,其特征在于,包括:
电力采集终端,用于对用户用电量进行采集和波动分析,并将用户用电量和用电量波动情况上传至用电管理主站;
用户移动终端,用于获取用户居家状态,并将用户居家状态上传至用电管理主站;
用电管理主站,包括用电检测模块和窃电检测模块,用电检测模块用于利用用电检测模型对用户居家状态和用户用电量进行处理,确定用户居家状态是否与用户用电量匹配,得到用电检测结果,窃电检测模块用于根据用电检测结果,利用窃电检测模型对用电量波动情况和用户居家状态进行处理,得到窃电检测结果,从而确定用户是否存在被动窃电或者主动窃电情况。
2.如权利要求1所述的一种小区智能用电系统,其特征在于,电力采集终端包括电能表采集模块、电量分析模块以及通讯模块;所述电能表采集模块将采集的电量数据上传给电量分析模块进行波动分析;所述通讯模块将电量分析模块的分析结果和电能表采集模块采集的电量数据上传给用电管理主站。
3.如权利要求2所述的一种小区智能用电系统,其特征在于,所述电能表采集模块包括电能表前端采集模块和电能表后端采集模块;
所述电能表前端采集模块连接市电和电能表,用于检测电能表和市电之间的电量数据;
所述电能表后端采集模块连接电能表和用户,用于检测电能表和用户之间的电量数据。
4.如权利要求1所述的一种小区智能用电系统,其特征在于,波动分析是指根据用户历史数据与当前用电量进行对比分析,其波动值大于预设波动比例,则认为用户用电量产生波动。
5.如权利要求1所述的一种小区智能用电系统,其特征在于,用户居家状态包括常住状态、非常住状态以及未搬入状态。
6.如权利要求1所述的一种小区智能用电系统,其特征在于,用电检测模型为利用历史用户居家状态和对应的四季中用户用电量作为数据集,训练支持支持向量机构建的分类模型,得到用电检测模型。
7.如权利要求6所述的一种小区智能用电系统,其特征在于,四季中用户用电量包括符合季节特征的正常用户用电量和异常用户用电量,对于异常用户用电量采用对抗网络进行数据扩充,从而保证用电量数据集平衡。
8.如权利要求1所述的一种小区智能用电系统,其特征在于,提取已知窃电数据集的窃电特征,并采用随机森林算法对特征进行训练得到窃电检测模型。
9.如权利要求8所述的一种小区智能用电系统,其特征在于,当窃电检测模型判断为存在疑似窃电行为时,若用户居家状态为常住状态或非常住状态,则进行主动窃电报警;当窃电检测模型判断为存在疑似窃电行为时,若用户居家状态为未搬入状态,则进行被动窃电报警,并通过用户移动终端通知用户。
10.如权利要求1所述的一种小区智能用电系统,其特征在于,获取用户居家状态,具体为:
获取用户身份信息进行信息注册;
用户信息注册成功后,再次获取用户身份信息进行用户身份验证;
通过身份验证后,获取用户的居家状态并反馈给用电管理主站。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311530933.7A CN117811194A (zh) | 2023-11-16 | 2023-11-16 | 一种小区智能用电系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311530933.7A CN117811194A (zh) | 2023-11-16 | 2023-11-16 | 一种小区智能用电系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117811194A true CN117811194A (zh) | 2024-04-02 |
Family
ID=90418933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311530933.7A Pending CN117811194A (zh) | 2023-11-16 | 2023-11-16 | 一种小区智能用电系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117811194A (zh) |
-
2023
- 2023-11-16 CN CN202311530933.7A patent/CN117811194A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN115170000B (zh) | 一种基于电能表通信模块的远程监测方法及系统 | |
CN109190950B (zh) | 一种电表和水表档案贯通的用能异常识别方法 | |
CN104866926B (zh) | 基于气象因素和时间序列分析的配电网故障数量预测方法 | |
CN111160791A (zh) | 一种基于gbdt算法及因素融合的异常用户识别方法 | |
CN109874148B (zh) | 天馈异常检测方法、装置、系统及计算机设备 | |
CN111831430A (zh) | 一种基于边缘计算的电力设备缺陷识别系统 | |
CN115526355A (zh) | 一种用于共享车辆的智能监测管理方法、系统及电子设备 | |
CN116980958B (zh) | 一种基于数据识别的无线设备电故障监测方法及系统 | |
CN107092204A (zh) | 一种根据车辆活动规律自动采集二押点的方法及系统 | |
CN111738348B (zh) | 一种电力数据异常检测方法和装置 | |
CN109521372A (zh) | 一种分布式新能源并网数据分析诊断系统 | |
CN116307945B (zh) | 一种建筑类电气智能运行监控方法、系统和介质 | |
CN117811194A (zh) | 一种小区智能用电系统 | |
CN117110794A (zh) | 一种电缆故障智能诊断系统及方法 | |
CN117236559A (zh) | 一种基于物联网的智能充电桩数据分析方法和装置 | |
CN116467648A (zh) | 一种基于物联表的非线性台区电力故障的早期监测方法 | |
CN113644711B (zh) | 一种交互式手机无线充电用管理系统 | |
CN116434368A (zh) | 一种多功能手持巡检仪及巡检方法 | |
CN109341000A (zh) | 一种空调器安装位置的合规性检测方法、装置及服务器 | |
CN116150195A (zh) | 一种多类型园区用户安全低碳用电在线监测系统及方法 | |
CN113296047A (zh) | 一种智能电表检测方法 | |
CN112598025A (zh) | 电力设备目标信息的处理方法、装置、设备和介质 | |
CN111959281A (zh) | 一种基于物联网的电动自行车电池安全管理系统 | |
CN104731955A (zh) | 风电机组油液监测诊断标准建立及智能诊断方法及系统 |
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 |