-
公开(公告)号：CN110309134A
公开(公告)日：2019-10-08
申请号：CN201910473298.0
申请日：2019-05-31
IPC分类号： G06F16/215 , G06F16/2455 , G06F16/2458 , G06K9/62 , G06N3/00 , G06Q50/06
摘要： 本发明涉及一种基于用电行为迁移与社群演化的配电网用电异常检测方法，该检测方法包括以下步骤：步骤1：采集用户用电量数据并进行数据清洗，对清洗后的数据进行特征提取得到用电量数据序列；步骤2：对用电量数据序列划分周期进行趋势聚类后与个体及社群行为特征进行匹配，并根据匹配结果进行社群演化与迁移估计；步骤3：根据社群演化与迁移估计结果计算周期间隔异常值和局部累计异常演化值；步骤4：将周期间隔异常值和局部累计异常演化值进行排序并利用排序结果与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。与现有技术相比，本发明具有检测精度高，针对性强等优点。
-
公开(公告)号：CN110298765A
公开(公告)日：2019-10-01
申请号：CN201910472376.5
申请日：2019-05-31
摘要： 本发明涉及一种基于客观关联因素的配电网用电功率异常检测方法，该方法包括以下步骤：步骤1：针对用电用户建立结合综合用电特征信息的理论用电量模型；步骤2：实时收集用电用户的实际用电量；步骤3：获取实际用电量与理论用电量模型之间的偏差；步骤4：利用LOF算法对偏差进行离群检测并得出异常嫌疑用户检测结果。与现有技术相比，本发明具有检测准确度高，针对性强等优点。
-
公开(公告)号：CN110298552A
公开(公告)日：2019-10-01
申请号：CN201910473325.4
申请日：2019-05-31
摘要： 本发明涉及一种结合历史用电特征的配电网个体功率异常检测方法，该方法包括以下步骤：步骤1：提取特征向量；步骤2：分别计算用电低谷时段和平段用电量各自占总用电的百分比；步骤3：根据用电低谷时段和平段用电量各自占总用电的百分比的计算结果构造特征矩阵；步骤4：利用局部离群算法得出局部得去得分；步骤5：循环执行步骤1～步骤4得出所有用户的局部得去得分；步骤6：根据所有用户的局部得去得分进一步得出对应的个体异常矩阵，计算个体异常矩阵中个体每个周期的异常度并将个体每个周期的异常度与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。与现有技术相比，本发明具有检测准确度高，针对性强等优点。
-
公开(公告)号：CN110288383A
公开(公告)日：2019-09-27
申请号：CN201910473316.5
申请日：2019-05-31
摘要： 本发明涉及一种基于用户属性标签的群体行为配电网用电异常检测方法，包括以下步骤：步骤1：建立用电量序列；步骤2：采用随机前沿模型计算用户负载效率系数；步骤3：建立用电趋势序列；步骤4：提取其台账信息数据并进行标签标记；步骤5：循环执行步骤1至步骤4得到针对区域内的所有用电用户的单位周期内的特征矩阵；步骤6：针对所有用电用户的单位周期内的特征矩阵利用局部离群因子算法得出局部离群得分；步骤7：将局部离群得分组成个体异常矩阵后与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。与现有技术相比，本发明具有检测准确度高，针对性强等优点。
-
公开(公告)号：CN110288383B
公开(公告)日：2024-02-02
申请号：CN201910473316.5
申请日：2019-05-31
IPC分类号： G06Q30/0201 , G06Q50/06 , G06F18/2433
摘要： 本发明涉及一种基于用户属性标签的群体行为配电网用电异常检测方法，包括以下步骤：步骤1：建立用电量序列；步骤2：采用随机前沿模型计算用户负载效率系数；步骤3：建立用电趋势序列；步骤4：提取其台账信息数据并进行标签标记；步骤5：循环执行步骤1至步骤4得到针对区域内的所有用电用户的单位周期内的特征矩阵；步骤6：针对所有用电用户的单位周期内的特征矩阵利用局部离群因子算法得出局部离群得分；步骤7：将局部离群得分组成个体异常矩阵后与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。与现有技术相比，本发明具有检测准确度高，针对性强等优点。
-
公开(公告)号：CN110298552B
公开(公告)日：2023-12-01
申请号：CN201910473325.4
申请日：2019-05-31
IPC分类号： G06Q10/0637 , G06Q50/06 , G06F18/2433
摘要： 本发明涉及一种结合历史用电特征的配电网个体功率异常检测方法，该方法包括以下步骤：步骤1：提取特征向量；步骤2：分别计算用电低谷时段和平段用电量各自占总用电的百分比；步骤3：根据用电低谷时段和平段用电量各自占总用电的百分比的计算结果构造特征矩阵；步骤4：利用局部离群算法得出局部得去得分；步骤5：循环执行步骤1～步骤4得出所有用户的局部得去得分；步骤6：根据所有用户的局部得去得分进一步得出对应的个体异常矩阵，计算个体异常矩阵中个体每个周期的异常度并将个体每个周期的异常度与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。与现有技术相比，本发明具有检测准确度高，针对性强等优点。
-
公开(公告)号：CN110298765B
公开(公告)日：2024-02-02
申请号：CN201910472376.5
申请日：2019-05-31
IPC分类号： G06Q50/06 , G06F18/2433
摘要： 本发明涉及一种基于客观关联因素的配电网用电功率异常检测方法，该方法包括以下步骤：步骤1：针对用电用户建立结合综合用电特征信息的理论用电量模型；步骤2：实时收集用电用户的实际用电量；步骤3：获取实际用电量与理论用电量模型之间的偏差；步骤4：利用LOF算法对偏差进行离群检测并得出异常嫌疑用户检测结果。与现有技术相比，本发明具有检测准确度高，针对性强等优点。
-
公开(公告)号：CN110288130B
公开(公告)日：2024-04-30
申请号：CN201910469792.X
申请日：2019-05-31
IPC分类号： G06Q10/04 , G06Q50/06 , G06F18/2415 , G06F18/27
摘要： 本发明涉及一种用户用电量预测方法，包括步骤：1)结合用户属性、外界条件等因素对用电需求的影响，建立设有伴随变量的有限混合模型；2)根据步骤1)建立的有限混合模型，对某区域用户的用电数据进行解构；3)对某区域用户的总用电量进行解构，获取用电期望值，完成用户用电量预测；4)利用相对误差检测步骤3)中总用电量解构的正确性和稳定性。与现有技术相比，本发明通过伴随变量可以进行不同用户用电需求概率的计算，有助于辅助区域内用户用电需求的预测，能够有效地反映电量的实际变化趋势。
-
公开(公告)号：CN110290179A
公开(公告)日：2019-09-27
申请号：CN201910469125.1
申请日：2019-05-31
IPC分类号： H04L29/08 , G06F16/182
摘要： 本发明涉及一种基于Hadoop的分布式移动基站数据存储系统，该系统包括依次连接的接口层、功能层、数据层和物理层，所述的物理层包括至少一台应用服务器、备份服务器以及核心层交换机，各应用服务器、各备份服务器、数据层分别连接核心层交换机，所述的数据层包括Linux存储集群，该Linux存储集群采用Hadoop集群平台，所述的Hadoop集群平台包括YARN、索引库、HBase数据库、Mysql数据库以及用以进行分布式协调服务的Zookeeper，所述的Hadoop集群平台的最底层设有用以存储所有节点上的文件的HDFS。与现有技术相比，本发明具有提升容量、提高数据的兼容性等优点。
-
公开(公告)号：CN110287176A
公开(公告)日：2019-09-27
申请号：CN201910469083.1
申请日：2019-05-31
IPC分类号： G06F16/215 , G06F16/2457 , G06F16/27
摘要： 本发明涉及一种基于次序依赖的电力数据序列数组优化方法，包括步骤：1)在每个站点Si上运行算法BuildEC，获取局部等价类；2)利用DisBuild算法建立每个站点的相同属性上的全局等价类，将每个站点上各个属性上不同的值和出现次数传递到该属性的中心站点上；3)对不同属性上的全局等价类进行合并，直到所有的站点都没有等价类的合并；4)完成步骤3)后，在中心站点确定一个目标值，随后将目标值发送给各个站点，站点接收到数据之后并行完成数据的修，完成数据的优化。与现有技术相比，本发明具有提升数据质量、减少修复过程中的修改，有利于保证数据一般性等优点。
-
-
-
-
-
-
-
-
-
搜索结果
67 条记录 (耗时 0.093 秒)
