-
公开(公告)号：CN112213687A
公开(公告)日：2021-01-12
申请号：CN202011079730.7
申请日：2020-10-10
申请人： 国网四川省电力公司电力科学研究院
IPC分类号： G01R35/04
摘要： 本发明公开了基于伪异常点辨识的关口电能表数据异常检测方法及系统,将数据异常模式分为随机异常点和连续异常点两类：对于随机异常点模式，根据电力负荷数据具有规律性的特点，通过对数据曲线进行时间序列分解和自相关分析实现随机异常点的检测，规避用户周期性用电行为带来的异常检测干扰数据；对于连续异常点模式，根据电力用户异常用电特点，基于历史数据提取线损率与电量连续下降趋势两个特征，训练用户窃电行为检测模型，规避用户异常用电行为带来的异常检测干扰数据，进而搭建关口电能表异常检测模型，以实现对伪异常数据的自动辨识。本发明方法能够规避用户动态行为带来的干扰数据，进而准确识别异常值，提高数据质量。
-
公开(公告)号：CN110852906B
公开(公告)日：2022-05-13
申请号：CN201911134369.0
申请日：2019-11-19
申请人： 国网四川省电力公司电力科学研究院
摘要： 本发明公开了一种基于高维随机矩阵进行窃电嫌疑识别的方法，包括以下步骤:S1：获取时间区段T内所有居民用户日电量数据、当地气温数据以及节假日数据用以构建原始数据集；S2：基于S1中原始数据集内的数据构建样本数据集；S3：用S2中的样本数据构建高维随机矩阵D；S4：分析S3中构建的高维随机矩阵D，判断样本数据是否异常，若数据异常，则判定用户存在窃电行为，否则，用户不存在窃电行为。本发明的目的在于提供一种基于高维随机矩阵进行窃电嫌疑识别的方法和系统，该方法/系统不仅可以对居民窃电行为进行自动检测，判断出用户是否存在窃电行为，同时还可以提供用户窃电的具体时间段。
-
公开(公告)号：CN112230083A
公开(公告)日：2021-01-15
申请号：CN202011077679.6
申请日：2020-10-10
申请人： 国网四川省电力公司电力科学研究院
IPC分类号： G01R31/00 , G01R15/18 , G01R11/00 , G01R11/24 , G01R11/56 , G01R35/04 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种关口计量装置异常事件识别方法和系统，涉及关口计量装置异常事件深度训练方法，解决了运行状态的评价大量依靠检修人员定期到现场对装置进行检修，造成人力和物力的严重浪费的问题。本发明包括采集关口计量装置用电数据，得到关口计量装置的异常事件数据，分析异常事件数据并对异常事件进行特征提取得到异常事件特征集数据，并同时对不同异常事件进行数据标签化处理；将训练集的数据作为SAE输入数据，训练得到异常事件识别模型；将测试集的数据输入到训练完成的异常事件识别模型，得到异常事件识别结果。本发明实现对不同异常事件类型的准确识别，提高计量的经济性和准确性。
-
公开(公告)号：CN112213687B
公开(公告)日：2023-05-16
申请号：CN202011079730.7
申请日：2020-10-10
申请人： 国网四川省电力公司电力科学研究院
IPC分类号： G01R35/04
摘要： 本发明公开了基于伪异常点辨识的关口电能表数据异常检测方法及系统,将数据异常模式分为随机异常点和连续异常点两类：对于随机异常点模式，根据电力负荷数据具有规律性的特点，通过对数据曲线进行时间序列分解和自相关分析实现随机异常点的检测，规避用户周期性用电行为带来的异常检测干扰数据；对于连续异常点模式，根据电力用户异常用电特点，基于历史数据提取线损率与电量连续下降趋势两个特征，训练用户窃电行为检测模型，规避用户异常用电行为带来的异常检测干扰数据，进而搭建关口电能表异常检测模型，以实现对伪异常数据的自动辨识。本发明方法能够规避用户动态行为带来的干扰数据，进而准确识别异常值，提高数据质量。
-
公开(公告)号：CN111539843B
公开(公告)日：2022-07-12
申请号：CN202010306860.3
申请日：2020-04-17
摘要： 本发明公开基于数据驱动的反窃电智能预警方法，利用数据挖掘、机器学习等人工智能技术，构建基于数据驱动的反窃电智能预警模型，对异常用电行为进行分级预警，实现窃电预警、精准定位窃电用户，并对模型和样本库不断进行迭代优化，实现窃电预警准确率不断提升，当发现系统预警，精准定位用户信息，及时查看诊断信息、用电异常信息，极大减少一线员工的工作量，提高了电力企业人员的工作效率，减少人员操作和巡视费用，降低运营成本，大幅提高窃电行为查处率。
-
公开(公告)号：CN111539843A
公开(公告)日：2020-08-14
申请号：CN202010306860.3
申请日：2020-04-17
摘要： 本发明公开基于数据驱动的反窃电智能预警方法，利用数据挖掘、机器学习等人工智能技术，构建基于数据驱动的反窃电智能预警模型，对异常用电行为进行分级预警，实现窃电预警、精准定位窃电用户，并对模型和样本库不断进行迭代优化，实现窃电预警准确率不断提升，当发现系统预警，精准定位用户信息，及时查看诊断信息、用电异常信息，极大减少一线员工的工作量，提高了电力企业人员的工作效率，减少人员操作和巡视费用，降低运营成本，大幅提高窃电行为查处率。
-
公开(公告)号：CN111476485A
公开(公告)日：2020-07-31
申请号：CN202010267389.1
申请日：2020-04-08
摘要： 本发明公开追补电量合理性的方法，基于准确定位窃电用户，通过使用反窃电智能预警模型输出的窃电用户清单，通过现场检查的事前分析，识别窃电时间和窃电量依据，精细计算追缴电量；通过事后分析，量化追缴偏差，统一追缴标准；通过事后管控，检查追缴的合理、合规性，评价追缴效果，实现窃电追补电量精细计算及追补效果自动评价；通过本方法，追补电量工作人员根据电量损失模型输出的窃电时段、单位时间窃电量，自动计算窃电量，为电力企业合理、合规追补电费提供有效数据依据，做到有据收费、公平、合理，促进社会公平，保障社会经济有序、稳定、健康发展有重要。
-
公开(公告)号：CN110852906A
公开(公告)日：2020-02-28
申请号：CN201911134369.0
申请日：2019-11-19
申请人： 国网四川省电力公司电力科学研究院
摘要： 本发明公开了一种基于高维随机矩阵进行窃电嫌疑识别的方法，包括以下步骤:S1：获取时间区段T内所有居民用户日电量数据、当地气温数据以及节假日数据用以构建原始数据集；S2：基于S1中原始数据集内的数据构建样本数据集；S3：用S2中的样本数据构建高维随机矩阵D；S4：分析S3中构建的高维随机矩阵D，判断样本数据是否异常，若数据异常，则判定用户存在窃电行为，否则，用户不存在窃电行为。本发明的目的在于提供一种基于高维随机矩阵进行窃电嫌疑识别的方法和系统，该方法/系统不仅可以对居民窃电行为进行自动检测，判断出用户是否存在窃电行为，同时还可以提供用户窃电的具体时间段。
-
公开(公告)号：CN110531128A
公开(公告)日：2019-12-03
申请号：CN201910925303.7
申请日：2019-09-27
申请人： 国网四川省电力公司电力科学研究院
摘要： 本发明提供一种电力计量箱，其特征在于：包括箱体、设置在箱体前端的箱门、分别设置在箱体上端和下端且用来与墙壁进行固定的固定模块、设置在箱体上端的遮挡模块、设置在箱体下端的防护模块；所述固定模块包括与箱体固定连接的固定板、设置在固定板上的固定孔、设置在墙壁上并与固定孔相适应的悬挂钉、设置在固定孔上且用于对固定孔进行封闭的封闭单元。本发明所述的额电力计量箱不仅能够方便牢固地将其固定在墙壁上，而且还能削弱其受到的受风雨的侵蚀从而延长其使用寿命，此外，还可以避免蜜蜂、鸟类以及蛇类进入箱体从而影响箱体本身以及箱体内部构件的正常使用。
-
公开(公告)号：CN108964034A
公开(公告)日：2018-12-07
申请号：CN201810783849.9
申请日：2018-07-17
申请人： 国网四川省电力公司电力科学研究院 , 清华四川能源互联网研究院
IPC分类号： H02J3/00
摘要： 本发明公开了一种台区拓扑辨识方法，包括制造台区变压器低压侧的电压波动、分别采集台区变压器低压侧电压和待辨识的用户电表的电压得到对应的参考数列和比较数列、进行灰色关联分析判定台区拓扑等步骤。本发明的有益效果在于，规避了采用“台区贯通仪”耗费大量人力物力以及采用载波技术串台区的问题，使台区拓扑识别更加准确且便捷。采用灰色关联分析法，相比于数理统计的回归分析、主成本分析等数据分析方法，该方法对样本量需求少，也不需要样本符合典型的分布规律，且其计算量较小。
-
-
-
-
-
-
-
-
-
搜索结果
101 条记录 (耗时 0.101 秒)
