-
公开(公告)号：CN109583680B
公开(公告)日：2023-08-25
申请号：CN201811163295.9
申请日：2018-09-30
申请人： 国网浙江长兴县供电有限公司 , 国网浙江省电力有限公司 , 中国计量大学 , 浙江华云信息科技有限公司 , 国家电网有限公司
IPC分类号： G06Q10/0639 , G06Q50/06
摘要： 本发明公开了一种基于支持向量机的窃电辨识方法，涉及一种窃电辨识方法。当前防窃电技术仅仅依靠用户每月电量变化、台区线损异常确定窃电嫌疑户，存在时效性差、准确率低，现场排查发现窃电行为又效率不高的问题。本发明包括步骤波动率计算、正常负荷数据样本选取、根据正常负荷数据样本建立SVM正常负荷数据分类模型、根据SVM正常负荷数据分类模型进行窃电辨识、分离窃电嫌疑的离群点、确定窃电样本点和设置窃点警报。本技术方案结合计算电量波动率的方法和支持向量机分析方法的一种新型的窃电辨识方法，通过计算电量波动率为支持向量机选取合适的样本数据，可以比较有效地降低因样本问题对检测分析结果产生的不良影响，窃电检测结果更加准确。
-
公开(公告)号：CN109583680A
公开(公告)日：2019-04-05
申请号：CN201811163295.9
申请日：2018-09-30
申请人： 国网浙江长兴县供电有限公司 , 国网浙江省电力有限公司 , 中国计量大学 , 浙江华云信息科技有限公司 , 国家电网有限公司
CPC分类号： G06Q10/0639 , G06Q50/06
摘要： 本发明公开了一种基于支持向量机的窃电辨识方法，涉及一种窃电辨识方法。当前防窃电技术仅仅依靠用户每月电量变化、台区线损异常确定窃电嫌疑户，存在时效性差、准确率低，现场排查发现窃电行为又效率不高的问题。本发明包括步骤波动率计算、正常负荷数据样本选取、根据正常负荷数据样本建立SVM正常负荷数据分类模型、根据SVM正常负荷数据分类模型进行窃电辨识、分离窃电嫌疑的离群点、确定窃电样本点和设置窃点警报。本技术方案结合计算电量波动率的方法和支持向量机分析方法的一种新型的窃电辨识方法，通过计算电量波动率为支持向量机选取合适的样本数据，可以比较有效地降低因样本问题对检测分析结果产生的不良影响，窃电检测结果更加准确。
-
公开(公告)号：CN109947815A
公开(公告)日：2019-06-28
申请号：CN201811161728.7
申请日：2018-09-30
申请人： 国网浙江长兴县供电有限公司 , 国网浙江省电力有限公司 , 中国计量大学 , 浙江华云信息科技有限公司 , 国家电网有限公司
IPC分类号： G06F16/2458 , G06F16/28 , G06Q50/06
摘要： 本发明公开了一种基于离群点算法的窃电辨识方法，涉及一种窃电辨识方法。目前，传统窃电检测方法存在辨识度低、数据处理复杂度高以及不能为现场排查提供较为准确依据的问题。本发明包括步骤：获取用户日用电数据、对数据进行预处理、计算样本波动率CV、确定质心以及参数p和D、离群点算法进行窃电判别、确定窃电样本点和设置窃电警报。本发明结合电量波动率和改进的基于距离的离群点挖掘算法完成用户窃电的识别，不仅提高了窃电嫌疑点挖掘的准确度，还很大程度地提高了反窃电工作的效率。
-
公开(公告)号：CN109947815B
公开(公告)日：2023-06-23
申请号：CN201811161728.7
申请日：2018-09-30
申请人： 国网浙江长兴县供电有限公司 , 国网浙江省电力有限公司 , 中国计量大学 , 浙江华云信息科技有限公司 , 国家电网有限公司
IPC分类号： G06F16/2458 , G06F16/28 , G06Q50/06
摘要： 本发明公开了一种基于离群点算法的窃电辨识方法，涉及一种窃电辨识方法。目前，传统窃电检测方法存在辨识度低、数据处理复杂度高以及不能为现场排查提供较为准确依据的问题。本发明包括步骤：获取用户日用电数据、对数据进行预处理、计算样本波动率CV、确定质心以及参数p和D、离群点算法进行窃电判别、确定窃电样本点和设置窃电警报。本发明结合电量波动率和改进的基于距离的离群点挖掘算法完成用户窃电的识别，不仅提高了窃电嫌疑点挖掘的准确度，还很大程度地提高了反窃电工作的效率。
-
公开(公告)号：CN111090679B
公开(公告)日：2023-12-05
申请号：CN201911055610.0
申请日：2019-10-31
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司湖州供电公司 , 浙江大学 , 国网浙江长兴县供电有限公司 , 浙江华云信息科技有限公司 , 国家电网有限公司
IPC分类号： G06F16/2458 , G06F18/214 , G06N20/00
摘要： 本发明公开了基于时序影响和图嵌入的时序数据表示学习方法，涉及一种学习方法。目前的模型都没有考虑子序列对时间信息的敏感性及子序列之间的相关性，会影响对子序列的演化、整个时间序列的演化趋势进行准确地分析和预测。本发明挖掘具有时序影响因子的、具有代表性的子序列，并通过构建时序演化图进一步提取子序列之间的相关性和影响；通过图嵌入算法对时序演化图进行表示学习，得到子序列的表示向量，进而对原时间序列进行表示学习，解决对时间序列的特征提取这一问题。能在复杂的时序数据中挖掘足够多的信息，能充分刻画子序列在时间维度和所在的特征空间内的特征，以辅助我们对时间序列进行分类和异常预测。
-
公开(公告)号：CN111090679A
公开(公告)日：2020-05-01
申请号：CN201911055610.0
申请日：2019-10-31
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司湖州供电公司 , 浙江大学 , 国网浙江长兴县供电有限公司 , 浙江华云信息科技有限公司 , 国家电网有限公司
IPC分类号： G06F16/2458 , G06K9/62 , G06N20/00
摘要： 本发明公开了基于时序影响和图嵌入的时序数据表示学习方法，涉及一种学习方法。目前的模型都没有考虑子序列对时间信息的敏感性及子序列之间的相关性，会影响对子序列的演化、整个时间序列的演化趋势进行准确地分析和预测。本发明挖掘具有时序影响因子的、具有代表性的子序列，并通过构建时序演化图进一步提取子序列之间的相关性和影响；通过图嵌入算法对时序演化图进行表示学习，得到子序列的表示向量，进而对原时间序列进行表示学习，解决对时间序列的特征提取这一问题。能在复杂的时序数据中挖掘足够多的信息，能充分刻画子序列在时间维度和所在的特征空间内的特征，以辅助我们对时间序列进行分类和异常预测。
-
公开(公告)号：CN110046792B
公开(公告)日：2023-06-27
申请号：CN201910153462.X
申请日：2019-02-28
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司宁波供电公司 , 浙江华云信息科技有限公司 , 国家电网有限公司
IPC分类号： G06Q10/0635 , G06Q50/06 , G06T11/20 , G06F16/9038 , G01R31/00
摘要： 本发明公开了基于雷达图综合评价法的零电量用户排查方法，涉及一种零电量用户排查方法。采用原始普查方式往往耗费大量人力物力，而抽样调查又往往忽略很多异常用户。本发明首先，获取用户多源数据信息；提取零电量用户排查关键因子，包括用户基本属性、用户用电量特征、用户所属台区特征和用户重要异常事件；然后进行数据的预处理，确定各个指标的权重；最后，选取雷达图综合评价方法对零电量用户进行排序，获取零电量用户的排查得分和顺序，并绘制各个用户的综合评价雷达图，对用户的总体评分和单个指标评分进行分析。本技术方案对零电量用户的排查优先度进行排序，实现了零电量异常用户较为精准的定位，大大缩小了排查范围，节省了人力物力。
-
公开(公告)号：CN110046792A
公开(公告)日：2019-07-23
申请号：CN201910153462.X
申请日：2019-02-28
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司宁波供电公司 , 浙江华云信息科技有限公司 , 国家电网有限公司
IPC分类号： G06Q10/06 , G06Q50/06 , G06T11/20 , G06F16/9038 , G01R31/00
摘要： 本发明公开了基于雷达图综合评价法的零电量用户排查方法，涉及一种零电量用户排查方法。采用原始普查方式往往耗费大量人力物力，而抽样调查又往往忽略很多异常用户。本发明首先，获取用户多源数据信息；提取零电量用户排查关键因子，包括用户基本属性、用户用电量特征、用户所属台区特征和用户重要异常事件；然后进行数据的预处理，确定各个指标的权重；最后，选取雷达图综合评价方法对零电量用户进行排序，获取零电量用户的排查得分和顺序，并绘制各个用户的综合评价雷达图，对用户的总体评分和单个指标评分进行分析。本技术方案对零电量用户的排查优先度进行排序，实现了零电量异常用户较为精准的定位，大大缩小了排查范围，节省了人力物力。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.092 秒)
