[發明專利]基于集成學習的散亂污用電異常算法模型的處理方法

在審

• 申請號: 202211510898.8
• 申請日: 2022-11-29
• 公開（公告）號: CN115730264A
• 公開（公告）日: 2023-03-03
• 發明（設計）人: 梁東貴;梁哲輝;周玖;邱朝明;陳敏;李韞莛;李瑩;陳依穎;歐志萍;陳光輝;杜嘉穎;馮偉進;黃妃;謝賢聰;熊偉
• 申請（專利權）人: 廣東電網有限責任公司廣州供電局
• 主分類號: G06F18/2433
• 分類號: G06F18/2433;G06F18/214;G06N20/20;G06Q50/06
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 樊倩

本申請涉及一種基于集成學習的散亂污用電異常算法模型的處理方法、裝置、計算機設備、存儲介質和計算機程序產品。所述方法包括：對待監測場所的用電數據進行時頻轉換處理，得到時頻格式的目標用電數據；對所述目標用電數據進行特征提取處理，得到所述目標用電數據的用電特征；將所述用電特征，分別輸入至少兩個訓練完成的用電異常檢測模型中，得到所述用電特征的至少兩個用電異常檢測結果；根據所述至少兩個用電異常檢測結果，確定所述待監測場所的散亂污監測結果。采用本方法能夠提高散亂污場所排查效率。

技術領域

本申請涉及大數據技術領域，特別是涉及一種基于集成學習的散亂污用電異常算法模型的處理方法、裝置、計算機設備、存儲介質和計算機程序產品。

背景技術

“散亂污”場所的違規排放會對周邊環境造成嚴重污染，甚至會影響居民的身體健康，因此，需要對“散亂污”場所進行重點監管、治理。

傳統技術中，針對城市中的“散亂污”場所，需要依靠相關部門的工作人員逐個對可疑場所進行實地考察，才能了解可疑場所的具體情況。然而城市中工業企業較多，僅依靠人工考察場所需要消耗大量的人力和物理。因此，當前針對“散亂污”場所的排查效率較慢。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高散亂污場所排查效率的基于集成學習的散亂污用電異常算法模型的處理方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產品。

第一方面，本申請提供了一種基于集成學習的散亂污用電異常算法模型的處理方法。所述方法包括：

對待監測場所的用電數據進行時頻轉換處理，得到時頻格式的目標用電數據；

對所述目標用電數據進行特征提取處理，得到所述目標用電數據的用電特征；

將所述用電特征，分別輸入至少兩個訓練完成的用電異常檢測模型中，得到所述用電特征的至少兩個用電異常檢測結果；

根據所述至少兩個用電異常檢測結果，確定所述待監測場所的散亂污監測結果。

在其中一個實施例中，對待監測場所的用電數據進行時頻轉換處理，得到時頻格式的目標用電數據，包括：

對所述待監測場所的用電數據進行短時傅里葉變換，得到所述時頻格式的目標用電數據。

在其中一個實施例中，對所述目標用電數據進行特征提取處理，得到所述目標用電數據的用電特征，包括：

對所述目標用電數據進行數據統計處理，得到所述目標用電數據的統計特征；

對所述目標用電數據進行毛刺提取處理，得到所述目標用電數據的毛刺特征；

對所述目標用電數據進行頻域提取處理，得到所述目標用電數據的頻域特征；

對所述目標用電數據進行自相關處理和分桶熵處理，得到所述目標用電數據的時序特征；

對所述目標用電數據進行樹模型構建處理，得到所述目標用電數據的樹模型特征；

將所述統計特征、所述毛刺特征、所述頻域特征、所述時序特征和所述樹模型特征，作為所述目標用電數據的用電特征。

在其中一個實施例中，至少兩個訓練完成的用電異常檢測模型通過如下方式訓練得到：

獲取樣本用電特征，以及所述樣本用電特征的實際用電異常檢測結果；

將所述樣本用電特征，分別輸入至少兩個待訓練的用電異常檢測模型中，得到所述樣本用電特征的至少兩個預測用電異常檢測結果；

根據所述至少兩個預測用電異常檢測結果和所述樣本用電特征的實際用電異常檢測結果之間的差異，分別對所述兩個待訓練的用電異常檢測模型進行迭代訓練，得到所述至少兩個訓練完成的用電異常檢測模型。