CN118350965A - 一种基于居住信息关键词的水电气一体化检测方法及系统 - Google Patents
一种基于居住信息关键词的水电气一体化检测方法及系统 Download PDFInfo
- Publication number
- CN118350965A CN118350965A CN202410462290.5A CN202410462290A CN118350965A CN 118350965 A CN118350965 A CN 118350965A CN 202410462290 A CN202410462290 A CN 202410462290A CN 118350965 A CN118350965 A CN 118350965A
- Authority
- CN
- China
- Prior art keywords
- data
- water
- electricity
- gas
- resident
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 160
- 230000005611 electricity Effects 0.000 title claims abstract description 143
- 238000001514 detection method Methods 0.000 title claims abstract description 69
- 230000002159 abnormal effect Effects 0.000 claims abstract description 113
- 238000005265 energy consumption Methods 0.000 claims abstract description 91
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000005856 abnormality Effects 0.000 claims description 39
- 238000012549 training Methods 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Abstract
本发明实施例提供一种基于居住信息关键词海量数据的水电气一体化检测方法及系统,所述方法包括:接收住户预存的居住信息的预存关键词,生成基本住户画像,确定检测单位时间;检测住户的水电气数据,并计算检测单位时间内水电气数据对应的对比数据、波动数据、平均数据;横向对比水电气数据,基于横向对比结果检测住户是否存在用能异常;当住户不存在用能异常时,基于波动数据、平均数据生成住户的附加关键词,并通过附加关键词对预存关键词进行同类型替换,不同类型附加,基于替换、附加后的关键词生成实际住户画像;获取实际住户画像对应的水电气用能趋势,并基于水电气用能趋势持续检测用能数据,生成对应的异常用能时间点并发送至绑定终端。
Description
技术领域
本发明涉及数据检测技术领域,尤其涉及一种基于居住信息关键词海量数据的水电气一体化检测方法及系统。
背景技术
水、电、气是住户在正常居住时都需要用到的必要生活资源,在日常生活中,为了方便住户,很多地域都建立了互相关联的水电气营业厅,实现水电气资源的一表申请,多项联办,方便住户完成水电气的办理、缴费等相关操作。
但是,现有技术中的水电气营业厅,对于水电气的检测,只是地域上的接近,管理层面上还是通过对水、电、气数据分开管理,对于单个住户来说,不管是使用时的某项用能抄表数据异常,还是居住过程中的用能数据突发异常,通常都只能通过长时间使用后,对应的管理系统进行数据统计才能发现。
发明内容
针对现有技术中存在的问题,本发明实施例提供一种基于居住信息关键词海量数据的水电气一体化检测方法及系统。
本发明实施例提供一种基于居住信息关键词海量数据的水电气一体化检测方法,包括:
接收住户预存的居住信息的预存关键词,并基于所述预存关键词生成基本住户画像,并基于所述基本住户画像确定检测单位时间;
检测住户的水电气数据,并计算所述检测单位时间内所述水电气数据对应的对比数据、波动数据、平均数据;
横向对比所述水电气数据,基于所述横向对比结果检测住户是否存在用能异常,当住户存在用能异常时,获取异常类型,生成对应的异常报警信息;
当所述住户不存在用能异常时,基于所述波动数据、平均数据生成所述住户的附加关键词,并通过所述附加关键词对所述预存关键词进行同类型关键词替换,不同类型关键词附加,基于替换、附加后的关键词生成实际住户画像;
获取实际住户画像对应的水电气用能趋势,并基于所述水电气用能趋势持续检测用能数据,生成对应的异常用能时间点并发送至绑定终端。
在其中一个实施例中,所述方法还包括:
获取与住户同类型住户的同类型水电气数据,基于所述同类型水电气数据确定水电气数据范围;
基于所述水电气数据范围判断所述水电气数据中的异常项,横向对比所述异常项,确定检测住户是否存在用能异常。
在其中一个实施例中,所述方法还包括:
统计大数据中住户的关键词与用能数据,并作为训练参数,通过神经网络模型进行训练,以训练过程中产生的离散函数作为收敛函数,训练得到关键词对应的用能数据,并建立所述关键词与用能数据之间的第一映射关系;
基于大数据中住户的关键词类型整合对应的住户画像类型,结合所述第一映射关系,确定所述住户画像类型与用能数据之间的第二映射关系。
在其中一个实施例中,所述关键词,包括:
居住人数、居家时间段、水电气使用习惯。
在其中一个实施例中,所述方法还包括:
基于用水数据、用电数据、用气数据之间的相互对比数据,结合预存的对比数据标准,判断所述相互对比数据中是否存在异常数据;
当所述相互对比数据中存在异常数据时,根据异常数据的对比来源确定对应的异常数据来源,从而确定异常类型,生成对应的异常报警信息。
在其中一个实施例中,所述方法还包括:
基于所述水电气用能趋势持续检测用能数据,计算用能数据与水电气用能趋势之间的差值,结合预设的误差范围,确定所述差值对应的差值频率及差值幅度;
当所述差值频率小于预设频率时,基于所述差值频率对应的时间点生成对应的异常用能时间点并发送至绑定终端;
当所述差值频率大于预设频率时,结合差值幅度生成报警信息发送至绑定终端,所述报警信息包括异常用能时间点及用能情况。
本发明实施例提供一种基于居住信息关键词海量数据的水电气一体化检测系统,包括:
接收模块,用于接收住户预存的居住信息的预存关键词,并基于所述预存关键词生成基本住户画像,并基于所述基本住户画像确定检测单位时间;
计算模块,用于检测住户的水电气数据,并计算所述检测单位时间内所述水电气数据对应的对比数据、波动数据、平均数据;
检测模块,用于横向对比所述水电气数据,基于所述横向对比结果检测住户是否存在用能异常,当住户存在用能异常时,获取异常类型,生成对应的异常报警信息;
更新模块,用于当所述住户不存在用能异常时,基于所述波动数据、平均数据生成所述住户的附加关键词,并通过所述附加关键词对所述预存关键词进行同类型关键词替换,不同类型关键词附加,基于替换、附加后的关键词生成实际住户画像;
异常模块,用于获取实际住户画像对应的水电气用能趋势,并基于所述水电气用能趋势持续检测用能数据,生成对应的异常用能时间点并发送至绑定终端。
在其中一个实施例中,所述系统还包括:
获取模块,用于获取与住户同类型住户的同类型水电气数据,基于所述同类型水电气数据确定水电气数据范围;
对比模块,用于基于所述水电气数据范围判断所述水电气数据中的异常项,横向对比所述异常项,确定检测住户是否存在用能异常。
本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述基于居住信息关键词海量数据的水电气一体化检测方法的步骤。
本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述基于居住信息关键词海量数据的水电气一体化检测方法的步骤。
本发明实施例提供的一种基于居住信息关键词海量数据的水电气一体化检测方法及系统,接收住户预存的居住信息的预存关键词,并基于预存关键词生成基本住户画像,并基于基本住户画像确定检测单位时间;检测住户的水电气数据,并计算检测单位时间内水电气数据对应的对比数据、波动数据、平均数据;横向对比水电气数据,基于横向对比结果检测住户是否存在用能异常,当住户存在用能异常时,获取异常类型,生成对应的异常报警信息;当住户不存在用能异常时,基于波动数据、平均数据生成住户的附加关键词,并通过附加关键词对预存关键词进行同类型替换,不同类型附加,基于替换、附加后的关键词生成实际住户画像;获取实际住户画像对应的水电气用能趋势,并基于水电气用能趋势持续检测用能数据,生成对应的异常用能时间点并发送至绑定终端。这样能够针对单个用户的用能数据进行针对性的综合检测,分辨其中存在检测设备异常的情况,并且在不存在检测设备异常的前提下,及时并且有针对性的根据住户的特征持续地对用户进行用能数据异常检测并反馈。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种基于居住信息关键词海量数据的水电气一体化检测方法的流程图;
图2为本发明实施例中一种基于居住信息关键词海量数据的水电气一体化检测系统的结构图;
图3为本发明实施例中电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的一种基于居住信息关键词海量数据的水电气一体化检测方法的流程示意图,如图1所示,本发明实施例提供了一种基于居住信息关键词海量数据的水电气一体化检测方法:
步骤S101,接收住户预存的居住信息的预存关键词,并基于所述预存关键词生成基本住户画像,并基于所述基本住户画像确定检测单位时间。
具体地,在住户进行入住或者进行水电气账户开通时,接收住户预存在系统中的关键词,其中,接收住户预存关键词的系统可以为水电气一体化的系统,该系统能够通过相关模型和软件算法集成大数据之中的水、电、气的相关计量数据,并统一接入数据共享平台,进行对应的数据收集、管理、计费等等相关处理,从而构建数据资源共享体系。并且,在上述水电气一体化的系统中,可以预存与住户用水、用电、用气习惯关联的住户关键词,关键词可以比如住户的居住人数、居家时间段、水电气使用习惯等等关键词,比如居住人数为一家三口,居家时间段为星期一至星期五的非工作(非上学)时间,水电气使用习惯可以包括:用电习惯:持续开启的家用电器包括A、B电器,经常开启的家用电器包括C、D电器,其它电器的开启频率以及具体的家庭用水习惯,用气习惯等等,可以由住户填写,也可以由水电化一体化系统预设相关的关键词,供住户在预存居住信息时进行选择。在接收住户的预存关键词后,根据住户的预存关键词可以生成住户的基本住户画像,基本住户画像可以为具体的画像种类,比如三口之家类型A(3人在家,工作日小孩上学,父母上班,正常在家做饭使用水电气,持续开启的大功率电器的信息等等),三口之家类型B(3人在家,工作日小孩上学,父母上班,工作日基本不使用水电气,持续开启的大功率电器的信息等等),也可以为A画像类型、B画像类型,包括小孩上学,父母上班,正常在家做饭使用水电气等关键词特征。然后基于基本住户画像确定检测住户水电气的单位时间,在确定住户画像后,可以基本确定该住户画像的类型下,存在水电气波动的单个周期,比如对于普通三口之家的用能周期,单个检测周期可以确定为一周,包括工作日和休息日,对于周期性出差的单人家庭,则可以适当延长检测周期,减小出差日期对于检测结果的影响。另外,为了检测结果精确性,也可以适当的延长检测的单位时间,提高后续步骤中计算结果的准确性。
另外,用户画像还包括对应的用能数据的大概趋势,比如对于普通三口之间,对应的住户用水、用电、用气大概范围,大概趋势的确定,比如工作日的白天基本没有,晚上用电高峰,休息日的全天维持稳定等等。具体的大概趋势可以通过水电气一体化系统的工作人员根据预存的关键词,结合经验对应设定,也可以根据大数据统计结果,进行数据分析确定,也可以包括其它确定方法,在此不多做赘述。并且,根据不同的住户类型,可以对应设定不同的用能趋势的误差范围,比如,对于普通家庭住户,用能趋势在产生误差时的范围的上下限可以设定的相对较小,因为用能数据相对稳定,而对于公司,企业等非居住住户,用户趋势产生误差时的范围的上下限可以设定的相对较大,因为用能数据相对可能会起伏较大。
另外,还可以建立用能数据、关键词、住户画像之间的映射关系。具体的步骤可以包括,整合并统计大数据中用能数据,并将用能数据作为训练参数,通过神经网络模型进行训练,训练的初始信息可以直接使用统计的大数据信息,也可以对大数据进行数据清洗、归一化、去噪,完成数据过滤后,对数据进行时序化处理,将数据整理成神经网络模型的处理格式进行输入。神经网络模型可以使用深度学习框架(如TensorFlow、PyTorch等)构建RNN或LSTM模型。在模型中需要考虑输入数据的时序特性,以及需要输出的关键词对应的数据曲线,并在训练过程中以大数据的离散函数作为损失函数,进行迭代训练的收敛函数,训练直至模型收敛,并且对应训练结果,可以调整离散函数的函数要求,以达到不同误差范围的要求下关键词与对应的用户数据趋势的第一映射关系。比如训练结果中,“一家三口”,“工作日不居家,周末在家”等关键词都可以存在对应的用能数据趋势,还包括误差范围,通常来说,单个关键词的误差范围通常较大,而关键词组合的误差范围通常较小。
在建立关键词与用能数据之间的第一映射关系,可以基于大数据中的关键词类型进行住户画像类型的数据整合,关键词类型可以包括居住人数、居家时间段、水电气使用习惯等等,也可以细化至家用电器的电器数量、电器功率,水龙头开放大概时长,水龙头放水速率等等具体数据。数据整合的方法可以包括建立大数据语义建模与知识图谱,或者通过机器学习、自然语言处理等等方法完成,对不同类型的关键词进行整合确定对应的住户画像类型后,结合第一映射关系中关键词与用能数据的关系,确定住户画像类型中多个关键词组合对应的用能数据的数据综合趋势,从而确定住户画像类型与用能数据之间的第二映射关系。
步骤S102,检测住户的水电气数据,并计算所述检测单位时间内所述水电气数据对应的对比数据、波动数据、平均数据。
具体地,检测预存居住信息的住户在一段时间内的水电气数据,并基于检测到的水电气数据进行对应的计算处理,其中,计算处理可以包括根据检测到的单位时间内的水电气数据计算对应的对比数据、波对数据、平均数据等相关数据,其中,对比数据为用水数据、用电数据、用气数据之间的相互对比数据,用于检测住户是否在用水数据、用电数据、用气数据中是否存在异常数据,即用能数据检测是否存在不准确的情况。比如当用水数据、用电数据都属于正常数据时,且两项数据的数据比例相对正常,但用气数据为0,或者用气数据畸高或畸低的情况,说明统计用气数据的设备或者其他设备出现异常,需要进行异常检测并维修。波动数据为住户单位时间内的水电气数据相对其他时间的异常时间,比如在单位时间内,绘制对应的用能曲线图,而用能曲线图中出现用能数据明显低于曲线或高于曲线的日期,可以统计为波动数据,波动数据的数据值可以通过离散程度、平均差、方差、每天的波动系数等等关联数据体现。对于平均数据,可以直接计算在单位时间内,每段波峰波谷周期/每天/每周/每月的用能平均数据,也可以在排除明显低于曲线或高于曲线的日期的用能数据后,计算其它日期的用能平均数据。
步骤S103,横向对比所述水电气一体化数据,基于所述横向对比结果检测住户是否存在用能异常,当住户存在用能异常时,获取异常类型,生成对应的异常报警信息。
具体地,在确定住户的用水数据、用电数据、用气数据之间的相互对比数据后,通过对比数据检测住户是否存在用能数据上的检测异常,检测方法可以比如,获取与用户同类型用户的水电气数据,比如与用户同一小区的住户,或者与用户所在建筑统一类型建筑的水电气数据,根据同类型住户或者同类建筑的水电气数据,确定对应的合理的水电气数据范围,然后在确定合理范围后,将水电气数据分别与对应的合理范围进行对比,当两项数据在单位时间内的数据趋势都满足同一类住户画像的用能数据的大概范围,而另一项数据,比如用气数据,则长期保持在0,则说明另一项数据对应的关联设备可能存在异常,对应的类型可能为统计用气数据的相关设备异常;另外比如两项数据在单位时间内的数据趋势都满足同一类住户画像的用能数据的大概范围,而另一项数据,比如用气数据,相比于同一类型住户画像的用气数据的大概范围,明显畸高或畸低的情况,可能说明统计用电数据的设备以及统计用水数据的设备异常,或者,统计用气数据的设备异常,则可以进一步的结合住户本身预存的居住信息确定的基础住户画像,确定可能存在异常的设备类型。从而获取到异常类型,并生成对应的异常报警信息,异常报警信息可以发送至相关的服务器或终端,供统计用能数据的关联企业或公司了解相关的异常情况,即使对异常问题进行检修。
步骤S104,当所述住户不存在用能异常时,基于所述波动数据、平均数据生成所述住户的附加关键词,并通过所述附加关键词对所述预存关键词进行同类型关键词替换,不同类型关键词附加,基于替换、附加后的关键词生成实际住户画像。
具体地,当住户不存在用能异常时,说明住户的用能数据大概率不存在数据采集上的异常情况,则基于波动数据、平均数据生成住户的实际关键词,其中,可以包括基于波动数据、平均数据,进行数据处理,确定住户的实际用能数据中,住户用能的实际趋势和用能平均数据,根据实际趋势,结合实际趋势与关键词之间的对应关系,可以确定在实际用能的趋势下,对应的关键词,并且对预存关键词进行同类型的关键词替换,不同类型关键词的附加。举例说明,比如住户预存的信息包括:三口之家类型A(居住人数3,居家时间段为工作日的工作时间以外的其它时间,居家做饭,持续开启的大功率电器的信息等等),但实际趋势检测到,住户在工作日的工作时间也存在水电气使用情况,休息日的水电气使用情况数据也高于预存的大功率电器的信息,则对居家时间段对应的关键词进行更新,居家时间包括工作日,同时对大功率电器信息对应的关键词进行添加,完成关键词的更新。其中,附加关键词与预存关键词可以使用同一关键词库,附加关键词的范围可以与预存关键词的范围相同。在完成关键词的替换、附加后,得到能够表现住户用能习惯的更准确的关键词,生成住户的实际住户画像。
步骤S105,获取实际住户画像对应的水电气用能趋势,并基于所述水电气用能趋势持续检测用能数据,生成对应的异常用能时间点并发送至绑定终端。
具体地,基于实际住户画像,可以确定对应的水电气用能趋势,并且结合水电气用能趋势持续检测用能数据,判断持续检测到的用能数据的趋势与水电气用能趋势之间的差异是否在误差允许的范围内,当持续检查测到的用能数据的趋势与水电气用能趋势之间的差异大于误差范围,说明住户存在用能异常,则记录异常用能时间点,并将异常用能时间点并发送至绑定终端,绑定终端不仅可以包括绑定的住户终端,还可以包括水电气一体化系统或数据平台的终端。
另外,基于水电气用能趋势持续检测用能数据,计算用能数据与水电气用能趋势之间的差值,其中,用能数据可以用随时间变化的曲线表示,水电气用能趋势的的曲线与用能数据的曲线的差值可以为两条曲线之间的点对点差值,或是两者的差异函数进行表示。根据不同的住户类型,可以预设不同的用能趋势的误差范围,误差范围可以由两条曲线表示,两条曲线每个时间点对应的用能数据的上限与下限,比如,对于普通家庭住户,用能趋势在产生误差时的范围的上下限可以设定的相对较小,因为用能数据相对稳定,而对于公司,企业等非居住住户,用户趋势产生误差时的范围的上下限可以设定的相对较大,因为用能数据相对可能会起伏较大。当用能数据在误差范围内时,用能数据不存在异常,无需进行统计,当用能数据不在误差范围内时,进行差值统计,并确定存在异常时对应的差值频率,及对应的差值幅度。当差值频率小于预设频率时,说明住户的用能数据只是偶尔超标,属于正常使用范畴,不能进行报警,但可以基于差值频率对应的时间点生成对应的异常用能时间点,记录异常用能时间点并发送至绑定终端,供住户知晓。当差值频率大于预设频率时,说明住户的用能数据经常超标,不属于正常使用范畴,可能存在设备故障,关键词需要更新等等情况,则基于差值频率对应的时间点生成对应的异常用能时间点,然后结合差值幅度生成报警信息发送至绑定终端,报警信息包括异常用能时间点及用能情况。
本发明实施例提供的一种基于居住信息关键词海量数据的水电气一体化检测方法,接收住户预存的居住信息的预存关键词,并基于预存关键词生成基本住户画像,并基于基本住户画像确定检测单位时间;检测住户的水电气数据,并计算检测单位时间内水电气数据对应的对比数据、波动数据、平均数据;横向对比水电气数据,基于横向对比结果检测住户是否存在用能异常,当住户存在用能异常时,获取异常类型,生成对应的异常报警信息;当住户不存在用能异常时,基于波动数据、平均数据生成住户的附加关键词,并通过附加关键词对预存关键词进行同类型替换,不同类型附加,基于替换、附加后的关键词生成实际住户画像;获取实际住户画像对应的水电气用能趋势,并基于水电气用能趋势持续检测用能数据,生成对应的异常用能时间点并发送至绑定终端。这样能够针对单个用户的用能数据进行针对性的综合检测,分辨其中存在检测设备异常的情况,并且在不存在检测设备异常的前提下,及时并且有针对性的根据住户的特征持续地对用户进行用能数据异常检测并反馈。
图2为本发明实施例提供的一种基于居住信息关键词海量数据的水电气一体化检测系统,包括:接收模块S201、计算模块S202、检测模块S203、更新模块S204、异常模块S205,其中:
接收模块S201,用于接收住户预存的居住信息的预存关键词,并基于所述预存关键词生成基本住户画像,并基于所述基本住户画像确定检测单位时间;
计算模块S202,用于检测住户的水电气数据,并计算所述检测单位时间内所述水电气数据对应的对比数据、波动数据、平均数据;
检测模块S203,用于横向对比水电气数据,基于横向对比结果检测住户是否存在用能异常,当住户存在用能异常时,获取异常类型,生成对应的异常报警信息;
更新模块S204,用于当所述住户不存在用能异常时,基于所述波动数据、平均数据生成所述住户的附加关键词,并通过所述附加关键词对所述预存关键词进行同类型替换,不同类型附加,基于替换、附加后的关键词生成实际住户画像;
异常模块S205,用于获取实际住户画像对应的水电气用能趋势,并基于所述水电气用能趋势持续检测用能数据,生成对应的异常用能时间点并发送至绑定终端。
在其中一个实施例中,所述系统还包括:
获取模块,用于获取与住户同类型住户的同类型水电气数据,基于所述同类型水电气数据确定水电气数据范围;
对比模块,用于基于所述水电气数据范围判断所述水电气数据中的异常项,横向对比所述异常项,确定检测住户是否存在用能异常。
关于基于居住信息关键词海量数据的水电气一体化检测系统的具体限定可以参见上文中对于基于居住信息关键词海量数据的水电气一体化检测方法的限定,在此不再赘述。上述基于居住信息关键词海量数据的水电气一体化检测系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
图3示例了一种电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器(processor)301、存储器(memory)302、通信接口(Communications Interface)303和通信总线304,其中,处理器301,存储器302,通信接口303通过通信总线304完成相互间的通信。处理器301可以调用存储器302中的逻辑指令,以执行如下方法:接收住户预存的居住信息的预存关键词,并基于预存关键词生成基本住户画像,并基于基本住户画像确定检测单位时间;检测住户的水电气数据,并计算检测单位时间内水电气数据对应的对比数据、波动数据、平均数据;横向对比水电气数据,基于横向对比结果检测住户是否存在用能异常,当住户存在用能异常时,获取异常类型,生成对应的异常报警信息;当住户不存在用能异常时,基于波动数据、平均数据生成住户的附加关键词,并通过附加关键词对预存关键词进行同类型替换,不同类型附加,基于替换、附加后的关键词生成实际住户画像;获取实际住户画像对应的水电气用能趋势,并基于水电气用能趋势持续检测用能数据,生成对应的异常用能时间点并发送至绑定终端。
此外,上述的存储器302中的逻辑指令可以通过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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法,例如包括:接收住户预存的居住信息的预存关键词,并基于预存关键词生成基本住户画像,并基于基本住户画像确定检测单位时间;检测住户的水电气数据,并计算检测单位时间内水电气数据对应的对比数据、波动数据、平均数据;基于对比数据,检测住户是否存在用能异常,当住户存在用能异常时,获取异常类型,生成对应的异常报警信息;当住户不存在用能异常时,基于波动数据、平均数据生成住户的附加关键词,并通过附加关键词对预存关键词进行同类型替换,不同类型附加,基于替换、附加后的关键词生成实际住户画像;获取实际住户画像对应的水电气用能趋势,并基于水电气用能趋势持续检测用能数据,生成对应的异常用能时间点并发送至绑定终端。
以上所描述的系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是: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)
1.一种基于居住信息关键词海量数据的水电气一体化检测方法,其特征在于,包括:
接收住户预存的居住信息的预存关键词,并基于所述预存关键词生成基本住户画像,并基于所述基本住户画像确定检测单位时间;
检测住户的水电气数据,并计算所述检测单位时间内所述水电气数据对应的对比数据、波动数据、平均数据;
横向对比所述水电气数据,基于所述横向对比结果检测住户是否存在用能异常,当住户存在用能异常时,获取异常类型,生成对应的异常报警信息;
当所述住户不存在用能异常时,基于所述波动数据、平均数据生成所述住户的附加关键词,并通过所述附加关键词对所述预存关键词进行同类型关键词替换,不同类型关键词附加,基于替换、附加后的关键词生成实际住户画像;
获取实际住户画像对应的水电气用能趋势,并基于所述水电气用能趋势持续检测用能数据,生成对应的异常用能时间点并发送至绑定终端。
2.根据权利要求1所述的基于居住信息关键词海量数据的水电气一体化检测方法,其特征在于,所述横向对比所述水电气数据,基于所述横向对比结果检测住户是否存在用能异常,包括:
获取与住户同类型住户的同类型水电气数据,基于所述同类型水电气数据确定水电气数据范围;
基于所述水电气数据范围判断所述水电气数据中的异常项,横向对比所述异常项,确定检测住户是否存在用能异常。
3.根据权利要求1所述的基于居住信息关键词海量数据的水电气一体化检测方法,其特征在于,所述方法还包括:
统计大数据中住户的关键词与用能数据,并作为训练参数,通过神经网络模型进行训练,以训练过程中产生的离散函数作为收敛函数,训练得到关键词对应的用能数据,并建立所述关键词与用能数据之间的第一映射关系;
基于大数据中住户的关键词类型整合对应的住户画像类型,结合所述第一映射关系,确定所述住户画像类型与用能数据之间的第二映射关系。
4.根据权利要求3所述的基于居住信息关键词海量数据的水电气一体化检测方法,其特征在于,所述关键词,包括:
居住人数、居家时间段、水电气使用习惯。
5.根据权利要求1所述的基于居住信息关键词海量数据的水电气一体化检测方法,其特征在于,所述基于所述对比数据,检测住户是否存在用能异常,当住户存在用能异常时,获取异常类型,生成对应的异常报警信息,包括:
基于用水数据、用电数据、用气数据之间的相互对比数据,结合预存的对比数据标准,判断所述相互对比数据中是否存在异常数据;
当所述相互对比数据中存在异常数据时,根据异常数据的对比来源确定对应的异常数据来源,从而确定异常类型,生成对应的异常报警信息。
6.根据权利要求1所述的基于居住信息关键词海量数据的水电气一体化检测方法,其特征在于,所述基于所述水电气用能趋势持续检测用能数据,生成对应的异常用能时间点并发送至绑定终端,包括:
基于所述水电气用能趋势持续检测用能数据,计算用能数据与水电气用能趋势之间的差值,结合预设的误差范围,确定所述差值对应的差值频率及差值幅度;
当所述差值频率小于预设频率时,基于所述差值频率对应的时间点生成对应的异常用能时间点并发送至绑定终端;
当所述差值频率大于预设频率时,结合差值幅度生成报警信息发送至绑定终端,所述报警信息包括异常用能时间点及用能情况。
7.一种基于居住信息关键词海量数据的水电气一体化检测系统,其特征在于,所述系统包括:
接收模块,用于接收住户预存的居住信息的预存关键词,并基于所述预存关键词生成基本住户画像,并基于所述基本住户画像确定检测单位时间;
计算模块,用于检测住户的水电气数据,并计算所述检测单位时间内所述水电气数据对应的对比数据、波动数据、平均数据;
检测模块,用于横向对比所述水电气数据,基于所述横向对比结果检测住户是否存在用能异常,当住户存在用能异常时,获取异常类型,生成对应的异常报警信息;
更新模块,用于当所述住户不存在用能异常时,基于所述波动数据、平均数据生成所述住户的附加关键词,并通过所述附加关键词对所述预存关键词进行同类型关键词替换,不同类型关键词附加,基于替换、附加后的关键词生成实际住户画像;
异常模块,用于获取实际住户画像对应的水电气用能趋势,并基于所述水电气用能趋势持续检测用能数据,生成对应的异常用能时间点并发送至绑定终端。
8.根据权利要求7所述的基于居住信息关键词海量数据的水电气一体化检测系统,其特征在于,所述系统还包括:
获取模块,用于获取与住户同类型住户的同类型水电气数据,基于所述同类型水电气数据确定水电气数据范围;
对比模块,用于基于所述水电气数据范围判断所述水电气数据中的异常项,横向对比所述异常项,确定检测住户是否存在用能异常。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1至6任一项所述基于居住信息关键词海量数据的水电气一体化检测方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至6任一项所述基于居住信息关键词海量数据的水电气一体化检测方法的步骤。
Publications (1)
Publication Number | Publication Date |
---|---|
CN118350965A true CN118350965A (zh) | 2024-07-16 |
Family
ID=
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2010282293B2 (en) | Providing a user with feedback regarding power consumption in battery-operated electronic devices | |
CN111401431B (zh) | 群租房识别方法及系统及存储介质 | |
Artico et al. | How rare are power-law networks really? | |
CN103716282A (zh) | 一种修正ip库的方法和系统 | |
CN104281510A (zh) | 应用程序耗电程度的获得方法、系统及节能方法、系统 | |
US20150301677A1 (en) | Device management system and method | |
CN113141410A (zh) | 动态调节的qps控制方法、系统、设备及存储介质 | |
Srinivasarengan et al. | A framework for non intrusive load monitoring using bayesian inference | |
CN118350965A (zh) | 一种基于居住信息关键词的水电气一体化检测方法及系统 | |
CN112598534A (zh) | 评估电力消费量与国内生产总值相关性的方法及装置 | |
CN109697224B (zh) | 一种账单消息处理方法、装置和存储介质 | |
CN116249186A (zh) | 无线网设备的数据处理方法、装置、存储介质及电子设备 | |
CN106815772A (zh) | 电力数据上报方法及装置 | |
CN115080412A (zh) | 软件更新质量评估方法、装置、设备及计算机存储介质 | |
CN113377683B (zh) | 软件测试用例的生成方法、系统、设备、终端、介质及应用 | |
CN114861678A (zh) | 时间信息的确定方法和装置、存储介质及电子装置 | |
CN113191701A (zh) | 一种基于互联网文档共享空间的用户管理系统 | |
CN115705400A (zh) | 话务量预测模型构建方法、装置及计算机可读存储介质 | |
CN113256044B (zh) | 一种策略的确定方法、装置及电子设备 | |
Shi et al. | A trust calculating algorithm based on mobile phone data | |
CN116739223B (zh) | 企业排污实时监管方法、装置、存储介质及电子设备 | |
CN113591005B (zh) | 信息推送方法、装置及终端 | |
CN115242482B (zh) | 越权访问风险检测方法、装置、电子设备及可读存储介质 | |
CN110070464B (zh) | 粮食加工的耗能提醒方法、用户设备、存储介质及装置 | |
CN114356438A (zh) | 智能场景的启用方法及装置、电子设备、存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication |