[發明專利]一種基于多模型的集中器異常數據提醒方法及系統

有效

• 申請號: 202110821861.6
• 申請日: 2021-07-21
• 公開（公告）號: CN113269478B
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 陳恩澤;申珅;陳君;周暢
• 申請（專利權）人: 武漢中原電子信息有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06N3/00
• 代理公司: 武漢藍寶石專利代理事務所(特殊普通合伙) 42242
• 代理人: 范三霞

本發明涉及一種基于多模型的集中器異常數據提醒方法及系統，本發明通過將計算裝置安裝在電網集中器端，實現了基于多個用戶的用戶數據構建目標耗電模型及通用異常模型對目標用戶的用電數據進行分析，當兩個模型都報告目標用戶的用電數據出現異常時，報告目標用戶用電異常，解決了現有技術中存在的電力計量自動化系統、電網采集器、電網集中器及電表異常報告較多但準確性較差的技術問題，達到了提高電網異常報告準確性的技術效果，極大的減少了誤報的情況。

技術領域

本發明涉及電網集中器技術領域，特別涉及一種基于多模型的集中器異常數據提醒方法及系統。

背景技術

隨著碳中和概念的提出，各省逐漸對電能的使用提出了更加細致的管理需求，分時段收費于階梯收費的收費規則得到大范圍的應用，這使得大量用電單位的用電習慣在不同時段及不同收費階梯的變化較大，而傳統的電力計量自動化系統、電網采集器、電網集中器及電表報告的用電異常信息并未考慮到分時段收費及階梯收費造成的影響，報告的用電異常信息錯誤率較高，難以適應更加復雜的收費規則。

智能電表的概念已經存在了相當長的時間，然而現有的智能電表僅實現了高級量測體系及自動抄表系統，受限于計算性能并未實現對量測的數據進行復雜的分析，現有電表的計算性能極大的限制了智能電網的整體發展。

隨著深度學習領域在智能電網領域的發展，傳統針對單一用戶的用電數據進行分析來預測該用戶下月的用電情況的數據分析方法已經逐漸淘汰，針對多用戶的用電數據進行分析建模，然后使用模型分析單個用戶的用電習慣，以判斷是否存在用電異常的用電數據分析方法已經逐漸成為主流，然而現有數據處理主體依然集中在電表端，并不利于實現多用戶數據共同分析的目標。

發明內容

本發明提供一種基于多模型的集中器異常數據提醒方法及系統，通過電網集中器對整個小區的用電數據進行分析來判斷目標用戶的用電數據是否存在異常，大大提高了異常提醒的準確率，降低了電表算力的需求，同時整個小區使用同一套計算裝置進行分析計算，大大提高了計算裝置的使用率，減少了能源消耗，提高了計算速度及計算效率，解決了現有技術中單一智能電表的算力無法滿足智能電網需求造成無法實現復雜的數據分析且分析結果準確性極低的技術問題，達到了對用電數據進行復雜分析，提高分析結果準確率的技術效果，推動了智能電網的進一步發展。

本發明提出的基于多模型的集中器異常數據提醒方法包括以下步驟：

根據目標用戶的歷史用電數據生成所述目標用戶的目標耗電模型，根據所述目標用戶所在小區所有用戶的用電異常數據生成通用異常模型；

從采集器中獲取所述目標用戶當前時刻預設單位時間間隔的待測用電數據，并將所述待測用戶數據發送至所述目標耗電模型及所述通用異常模型；

當所述目標耗電模型及所述通用異常模型的輸出結果均為異常時，報告所述目標用戶用電異常，并將所述待測用戶數據增加至所述目標用戶所在小區所有用戶的用電異常數據中。

優選地，根據目標用戶的歷史用電數據生成所述目標用戶的目標耗電模型具體包括：

根據分時段收費的所有用戶的每月耗電總量及每月對應的電費對用戶用電習慣進行初步分類，得到環保用戶數據、錯峰用戶數據及常規用戶數據，并按照預設比例將環保用戶數據、錯峰用戶數據及常規用戶數據中的一部分數據作為訓練集，另一部分數據作為測試集；

將所述訓練集中的環保用戶數據作為環保用戶模型的識別目標，將所述訓練集中的錯峰用戶數據作為錯峰用戶模型的識別目標，將所述訓練集中的常規用戶數據作為常規用戶模型的識別目標，分別進行訓練；

使用測試集對訓練結果進行測試，以得到所述環保用戶模型、所述錯峰用戶模型及所述常規用戶模型；