-
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：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：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：CN110287544B
公开(公告)日：2023-07-04
申请号：CN201910472368.0
申请日：2019-05-31
IPC分类号： G06F30/20 , G06F17/15 , G06F17/16 , G06Q50/06 , G06F119/12 , G06F113/04
摘要： 本发明涉及一种基于高斯混合算法的配电网用电时序解构方法，该解构方法包括以下分步骤：步骤1：将配电网中每个用电器的分项电量数据分为训练集和测试集；步骤2：针对训练集应用隐马尔科夫模型进行训练，获取最优参数解；步骤3：结合最优参数解和总用电量数据构建总模型，利用总模型求出测试集上每个时刻总电量观测数据对应的状态，并将总状态分解到各个分项用电器所对应的状态上；步骤4：根据步骤2中训练得到的每个用电器的分项模型预测每个用电器在测试时间内的先验期望值；步骤5：利用先验期望值对总电量观测数据进行对比修订并得出最终解构结果。与现有技术相比，本发明具有解构速度快，精确度高等优点。
-
公开(公告)号：CN114355083A
公开(公告)日：2022-04-15
申请号：CN202111641884.5
申请日：2021-12-29
IPC分类号： G01R31/00
摘要： 本发明涉及一种基于人工智能算法的巡检机器人故障识别方法、系统，该方法包括：获取作业点处的可见光图片；采用第一人工智能模型对可见光图片进行目标检测和语义分割，得到该作业点所有设备的分割结果；获取与可见光图片像素对其的红外测温图；基于可见光图片的分割结果，从红外测温图中提取每一个设备的特征；针对每一个设备，采用第二人工智能模型对相应的特征进行分别确定是否故障。与现有技术相比，本发明具有故障检测的效率和准确率高等优点。
-
公开(公告)号：CN107656978A
公开(公告)日：2018-02-02
申请号：CN201710795434.9
申请日：2017-09-06
申请人： 国网上海市电力公司 , 华东电力试验研究院有限公司 , 复旦大学
IPC分类号： G06F17/30
CPC分类号： G06F16/215
摘要： 本发明涉及一种基于函数依赖的多样性数据修复方法，初始化修复集合；判断修复集合中的修复个数是否小于等于设定修复个数，若是，则初始化输入队列后进行下一步，否则进行最后一步；利用偏好函数w’(c)选择每个修复的修复元素，生成输入队列；利用Genrepair算法进行数据修复；判断修复集合中是否包含与本次相同的修复，若为是，则直接返回第二步，否则将本次修复操作加入修复集合，返回第二步；判断是否满足终止条件，若为是，则修复完成，否则对修复集合进行检查，并进行选取相应修复进行替换。与现有技术相比，本发明同时考虑多样性和代价进行数据修复、提高修复效率以及可以适用于指数级别的修复空间的有效动态采样等优点。
-
-
-
-
-
-
-
-
-
搜索结果
254 条记录 (耗时 0.056 秒)
