CN112614012A - 用户窃电识别方法及装置 - Google Patents
用户窃电识别方法及装置 Download PDFInfo
- Publication number
- CN112614012A CN112614012A CN202011446582.8A CN202011446582A CN112614012A CN 112614012 A CN112614012 A CN 112614012A CN 202011446582 A CN202011446582 A CN 202011446582A CN 112614012 A CN112614012 A CN 112614012A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- electricity
- stealing
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 161
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000007619 statistical method Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000002265 prevention Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用户窃电识别方法及装置。其中,该方法包括:获取用户的用电数据,其中,用电数据包括多项数据;根据用电数据建立分析模型,确定多项数据分别为用户窃电的概率;对多项数据分别添加权重;通过概率和对应的数据的权重,确定用电数据对应的用户是否为窃电用户。本发明解决了相关技术中由于电力系统人为对用户的用电数据进行统计分析,确定用户窃电的方式,效率低,误差较大的技术问题。
Description
技术领域
本发明涉及电网安全领域,具体而言,涉及一种用户窃电识别方法及装置。
背景技术
在电力的供应和采集营销系统中,形成了大量的用户数据。依托这些数据可以对低压居民用户进行反窃电筛查工作,形成各种指标,综合各种指标生成低压居民反窃电分析模型。由于低压居民用户量大,数据采集困难,当前对低压用户进行的反窃电分析投入了相当的人力对数据进行整理和分析,运用诸如EXCEL等分析工具,从提取数据到形成报告耗费了大量的人力资源,效率低下,并且工作中容易出现人为失误造成的错误,从而耗费不必要的经济成本。随着信息化和数据化在传统行业的普及,传统方法显得越来越力不从心,导致用户窃电的确定存在效率低误差大的问题。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种用户窃电识别方法及装置,以至少解决相关技术中由于电力系统人为对用户的用电数据进行统计分析,确定用户窃电的方式,效率低,误差较大的技术问题。
根据本发明实施例的一个方面,提供了一种用户窃电识别方法,包括:获取用户的用电数据,其中,所述用电数据包括多项数据;根据所述用电数据建立分析模型,确定所述多项数据分别为用户窃电的概率;对所述多项数据分别添加权重;通过所述概率和对应的数据的权重,确定所述用电数据对应的用户是否为窃电用户。
可选的,获取用户的用电数据包括:定期从预定的网页或数据库提取用电数据;将所述用电数据保存在本地。
可选的,根据所述用电数据建立分析模型,确定多项数据分别为用户窃电的概率之前,还包括:对所述用电数据进行预处理,其中,所述预处理包括下列至少之一:去除无效数据,数据筛选,修正数据。
可选的,对所述多项数据分别添加权重包括:根据回归模型,根据已验证的用电数据的用户,确定所述用电数据的多项数据对应的权重。
可选的,通过所述概率和对应的数据的权重,确定所述用电数据对应的用户是否为窃电用户包括:通过所述概率和对应的数据的权重,确定所述用电数据的用户的窃电可疑值;在所述窃电可疑值超过预设值的情况下,确定所述用电数据的用户为窃电用户;在所述窃电可疑值不超过所述预设值的情况下,确定所述用电数据的用户为非窃电用户。
可选的,通过所述概率和对应的数据的权重,确定所述用电数据对应的用户是否为窃电用户之后,还包括:根据所述用电数据的分析过程数据,生成报告,其中,所述分析过程数据包括下列至少之一:多项数据,多项数据对应的权重,窃电可疑值;将所述报告存储在本地。
根据本发明实施例的另一方面,还提供了一种用户窃电识别装置,包括:获取模块,用于获取用户的用电数据,其中,所述用电数据包括多项数据;确定模块,用于根据所述用电数据建立分析模型,确定所述多项数据分别为用户窃电的概率;加权模块,用于对所述多项数据分别添加权重;判定模块,用于通过所述概率和对应的数据的权重,确定所述用电数据对应的用户是否为窃电用户。
可选的,所述判定模块包括:确定单元,用于通过所述概率和对应的数据的权重,确定所述用电数据的用户的窃电可疑值;第一判定单元,用于在所述窃电可疑值超过预设值的情况下,确定所述用电数据的用户为窃电用户;第二判定单元,用于在所述窃电可疑值不超过所述预设值的情况下,确定所述用电数据的用户为非窃电用户。
根据本发明实施例的另一方面,还提供了一种计算机存储介质,所述计算机存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机存储介质所在设备执行上述中任意一项所述的用户窃电识别方法。
根据本发明实施例的另一方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述中任意一项所述的用户窃电识别方法。
在本发明实施例中,采用获取用户的用电数据,其中,用电数据包括多项数据;根据用电数据建立分析模型,确定多项数据分别为用户窃电的概率;对多项数据分别添加权重;通过概率和对应的数据的权重,确定用电数据对应的用户是否为窃电用户的方式,达到了对窃电用户进行快速准确的确定的目的,从而实现了提高确定用户窃电的准确性和效率的技术效果,进而解决了相关技术中由于电力系统人为对用户的用电数据进行统计分析,确定用户窃电的方式,效率低,误差较大的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种用户窃电识别方法的流程图;
图2是根据本发明实施例的一种用户窃电识别装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种用户窃电识别方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种用户窃电识别方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取用户的用电数据,其中,用电数据包括多项数据;
步骤S104,根据用电数据建立分析模型,确定多项数据分别为用户窃电的概率;
步骤S106,对多项数据分别添加权重;
步骤S108,通过概率和对应的数据的权重,确定用电数据对应的用户是否为窃电用户。
通过上述步骤,采用获取用户的用电数据,其中,用电数据包括多项数据;根据用电数据建立分析模型,确定多项数据分别为用户窃电的概率;对多项数据分别添加权重;通过概率和对应的数据的权重,确定用电数据对应的用户是否为窃电用户的方式,达到了对窃电用户进行快速准确的确定的目的,从而实现了提高确定用户窃电的准确性和效率的技术效果,进而解决了相关技术中由于电力系统人为对用户的用电数据进行统计分析,确定用户窃电的方式,效率低,误差较大的技术问题。
上述用户的用电数据包括多项数据,多项数据可以包括用电时间,用电量,在一定能够时间内的用电变化情况等。
上述根据用电数据分析模型,可以是根据历史得到的用电数据建立分析模型,上述分析模型可以为通过回归分析法建立的分析模型,对该用户的用电行为进行分析,以获得该用户的用电数据中的多项数据分别为用户窃电行为的概率。
上述对多项数据分别添加权重可以为根据已有的回归模型赋予不同数据项不同权重占比。
通过概率和对应的数据的权重,确定用电数据对应的用户是否为窃电用户,可以为综合多项数据和对应权重计算不同结果可能性,可以在传统分析手段上进一步提高分析结果的准确性,此部分的功能是利用开发语言集成的算法,通过已验证结果的数据赋予不同数据项权重值。
从而实现了提高确定用户窃电的准确性和效率的技术效果,进而解决了相关技术中由于电力系统人为对用户的用电数据进行统计分析,确定用户窃电的方式,效率低,误差较大的技术问题。
可选的,获取用户的用电数据包括:定期从预定的网页或数据库提取用电数据;将用电数据保存在本地。
传统的方法要人工的从网页或数据库对文件进行提取保存到本地的文件。定期从预定的网页或数据库提取用电数据;将用电数据保存在本地,可以为定期的对编写好的程序进行运行,就能自动提取后保存数据文件到本地文件夹,可以通过编程语言链接数据库和模拟浏览器实现。
可选的,根据用电数据建立分析模型,确定多项数据分别为用户窃电的概率之前,还包括:对用电数据进行预处理,其中,预处理包括下列至少之一:去除无效数据,数据筛选,修正数据。
上述对用电数据进行预处理,可以通过Python语言技术来实现,具体的,通过对参数的简单设定,可以实现去除无效数据、对数据进行筛选清洗等功能。初次设定后无需人工干预。
可选的,对多项数据分别添加权重包括:根据回归模型,根据已验证的用电数据的用户,确定用电数据的多项数据对应的权重。
从而根据已有的回归模型赋予不同数据项不同权重占比,然后综合多项数据和对应权重计算不同结果可能性,可以在传统分析手段上进一步提高分析结果的准确性,此部分的功能是利用开发语言集成的算法,通过已验证结果的数据赋予不同数据项权重值。
可选的,通过概率和对应的数据的权重,确定用电数据对应的用户是否为窃电用户包括:通过概率和对应的数据的权重,确定用电数据的用户的窃电可疑值;在窃电可疑值超过预设值的情况下,确定用电数据的用户为窃电用户;在窃电可疑值不超过预设值的情况下,确定用电数据的用户为非窃电用户。
达到了对窃电用户进行快速准确的确定的目的,从而实现了提高确定用户窃电的准确性和效率的技术效果,进而解决了相关技术中由于电力系统人为对用户的用电数据进行统计分析,确定用户窃电的方式,效率低,误差较大的技术问题。
可选的,通过概率和对应的数据的权重,确定用电数据对应的用户是否为窃电用户之后,还包括:根据用电数据的分析过程数据,生成报告,其中,分析过程数据包括下列至少之一:多项数据,多项数据对应的权重,窃电可疑值;将报告存储在本地。
根据分析得到过程数据的图片、文字描述生成Word文件形式的报告和Excel存储的信息,并将其保存到指定位置。可以通过调用开发语言功能中对文件的存储工具实现。
需要说明的是,本申请实施例还提供了一种可选的实施方式,下面对该实施方式进行详细说明。
本实施方式为了解决生成报告费时费力的现状,以及提高低压反窃电用户的筛查的准确性。利用编程语言进行开发,从数据的提取到分析再到形成报告自动执行,实现了报告自动生成和低压居民反窃电工作的精确度,节省了大量的人力和时间成本。
本实施方式提供一种自动生成报告的方法,具体形式为利用Python编程语言开发成一个程序,实现提取数据到生成报告整个过程的自动化。
第一步是数据的提取,传统的方法要人工的从网页或数据库对文件进行提取保存到本地的文件。在本发明的方案中只要定期的对编写好的程序进行运行,就能自动提取后保存数据文件到本地文件夹,此功能的实现依赖于编程语言链接数据库和模拟浏览器的技术方案。
第二步是对数据进行预处理,主要依赖于Python语言技术来实现,通过对参数的简单设定,可以实现去除无效数据、对数据进行筛选清洗等功能。初次设定后无需人工干预。
第三步是根据历史得到的数据建立分析模型,并根据已有的回归模型赋予不同数据项不同权重占比,最后综合数据项和对应权重计算不同结果可能性,在传统分析手段上进一步提高分析结果的准确性,此部分的功能是利用开发语言集成的算法,通过已验证结果的数据赋予不同数据项权重值。
最后一步是根据分析得到的图片、文字描述生成Word文件形式的报告和Excel存储的信息,并将其保存到指定位置。本步的功能是调用了开发语言功能中对文件的存储工具。
本实施方式的方法应用到低压用户反窃电工作当中,解决了低压窃电用户难以查找的问题,业务员只要运行程序就可以进行对低压窃电用户进行定位,并且使用该方法在对低压用户反窃电工作过程中有较高的效率和准确率。
图2是根据本发明实施例的一种用户窃电识别装置的示意图,如图2所示,根据本发明实施例的另一方面,还提供了一种用户窃电识别装置,包括:获取模块22,确定模块24,加权模块26和判定模块28,下面对该装置进行详细说明。
获取模块22,用于获取用户的用电数据,其中,用电数据包括多项数据;确定模块24,与上述获取模块22相连,用于根据用电数据建立分析模型,确定多项数据分别为用户窃电的概率;加权模块26,与上述确定模块24相连,用于对多项数据分别添加权重;判定模块28,与上述加权模块26相连,用于通过概率和对应的数据的权重,确定用电数据对应的用户是否为窃电用户。
通过上述装置,采用获取模块22获取用户的用电数据,其中,用电数据包括多项数据;确定模块24根据用电数据建立分析模型,确定多项数据分别为用户窃电的概率;加权模块26对多项数据分别添加权重;判定模块28通过概率和对应的数据的权重,确定用电数据对应的用户是否为窃电用户的方式,达到了对窃电用户进行快速准确的确定的目的,从而实现了提高确定用户窃电的准确性和效率的技术效果,进而解决了相关技术中由于电力系统人为对用户的用电数据进行统计分析,确定用户窃电的方式,效率低,误差较大的技术问题。
可选的,判定模块包括:确定单元,用于通过概率和对应的数据的权重,确定用电数据的用户的窃电可疑值;第一判定单元,用于在窃电可疑值超过预设值的情况下,确定用电数据的用户为窃电用户;第二判定单元,用于在窃电可疑值不超过预设值的情况下,确定用电数据的用户为非窃电用户。
根据本发明实施例的另一方面,还提供了一种计算机存储介质,计算机存储介质包括存储的程序,其中,在程序运行时控制计算机存储介质所在设备执行上述中任意一项的用户窃电识别方法。
根据本发明实施例的另一方面,还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述中任意一项的用户窃电识别方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种用户窃电识别方法,其特征在于,包括:
获取用户的用电数据,其中,所述用电数据包括多项数据;
根据所述用电数据建立分析模型,确定所述多项数据分别为用户窃电的概率;
对所述多项数据分别添加权重;
通过所述概率和对应的数据的权重,确定所述用电数据对应的用户是否为窃电用户。
2.根据权利要求1所述的用户窃电识别方法,其特征在于,获取用户的用电数据包括:
定期从预定的网页或数据库提取用电数据;
将所述用电数据保存在本地。
3.根据权利要求1所述的用户窃电识别方法,其特征在于,根据所述用电数据建立分析模型,确定多项数据分别为用户窃电的概率之前,还包括:
对所述用电数据进行预处理,其中,所述预处理包括下列至少之一:
去除无效数据,数据筛选,修正数据。
4.根据权利要求1所述的用户窃电识别方法,其特征在于,对所述多项数据分别添加权重包括:
根据回归模型,根据已验证的用电数据的用户,确定所述用电数据的多项数据对应的权重。
5.根据权利要求4所述的用户窃电识别方法,其特征在于,通过所述概率和对应的数据的权重,确定所述用电数据对应的用户是否为窃电用户包括:
通过所述概率和对应的数据的权重,确定所述用电数据的用户的窃电可疑值;
在所述窃电可疑值超过预设值的情况下,确定所述用电数据的用户为窃电用户;
在所述窃电可疑值不超过所述预设值的情况下,确定所述用电数据的用户为非窃电用户。
6.根据权利要求5所述的用户窃电识别方法,其特征在于,通过所述概率和对应的数据的权重,确定所述用电数据对应的用户是否为窃电用户之后,还包括:
根据所述用电数据的分析过程数据,生成报告,其中,所述分析过程数据包括下列至少之一:多项数据,多项数据对应的权重,窃电可疑值;
将所述报告存储在本地。
7.一种用户窃电识别装置,其特征在于,包括:
获取模块,用于获取用户的用电数据,其中,所述用电数据包括多项数据;
确定模块,用于根据所述用电数据建立分析模型,确定所述多项数据分别为用户窃电的概率;
加权模块,用于对所述多项数据分别添加权重;
判定模块,用于通过所述概率和对应的数据的权重,确定所述用电数据对应的用户是否为窃电用户。
8.根据权利要求7所述的用户窃电识别装置,其特征在于,所述判定模块包括:
确定单元,用于通过所述概率和对应的数据的权重,确定所述用电数据的用户的窃电可疑值;
第一判定单元,用于在所述窃电可疑值超过预设值的情况下,确定所述用电数据的用户为窃电用户;
第二判定单元,用于在所述窃电可疑值不超过所述预设值的情况下,确定所述用电数据的用户为非窃电用户。
9.一种计算机存储介质,其特征在于,所述计算机存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机存储介质所在设备执行权利要求1至6中任意一项所述的用户窃电识别方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至6中任意一项所述的用户窃电识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011446582.8A CN112614012A (zh) | 2020-12-11 | 2020-12-11 | 用户窃电识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011446582.8A CN112614012A (zh) | 2020-12-11 | 2020-12-11 | 用户窃电识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112614012A true CN112614012A (zh) | 2021-04-06 |
Family
ID=75234368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011446582.8A Pending CN112614012A (zh) | 2020-12-11 | 2020-12-11 | 用户窃电识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112614012A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222624A (zh) * | 2021-05-31 | 2021-08-06 | 江苏新智合电力技术有限公司 | 一种反窃电智能分析方法及系统 |
CN113744081A (zh) * | 2021-08-23 | 2021-12-03 | 国网青海省电力公司信息通信公司 | 窃电行为分析方法 |
CN114839433A (zh) * | 2022-03-21 | 2022-08-02 | 国网北京市电力公司 | 窃电行为确定方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107145966A (zh) * | 2017-04-12 | 2017-09-08 | 山大地纬软件股份有限公司 | 基于逻辑回归概率分析优化模型的反窃电分析预警方法 |
CN107633050A (zh) * | 2017-09-18 | 2018-01-26 | 安徽蓝杰鑫信息科技有限公司 | 一种基于大数据分析用电行为判定窃电概率的方法 |
CN108198408A (zh) * | 2017-12-08 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 |
CN109116072A (zh) * | 2018-06-29 | 2019-01-01 | 广东电网有限责任公司 | 窃电分析方法、装置及服务器 |
CN109446193A (zh) * | 2018-11-13 | 2019-03-08 | 国网宁夏电力有限公司电力科学研究院 | 反窃电模型生成方法及装置 |
CN110097297A (zh) * | 2019-05-21 | 2019-08-06 | 国网湖南省电力有限公司 | 一种多维度窃电态势智能感知方法、系统、设备及介质 |
-
2020
- 2020-12-11 CN CN202011446582.8A patent/CN112614012A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107145966A (zh) * | 2017-04-12 | 2017-09-08 | 山大地纬软件股份有限公司 | 基于逻辑回归概率分析优化模型的反窃电分析预警方法 |
CN107633050A (zh) * | 2017-09-18 | 2018-01-26 | 安徽蓝杰鑫信息科技有限公司 | 一种基于大数据分析用电行为判定窃电概率的方法 |
CN108198408A (zh) * | 2017-12-08 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 |
CN109116072A (zh) * | 2018-06-29 | 2019-01-01 | 广东电网有限责任公司 | 窃电分析方法、装置及服务器 |
CN109446193A (zh) * | 2018-11-13 | 2019-03-08 | 国网宁夏电力有限公司电力科学研究院 | 反窃电模型生成方法及装置 |
CN110097297A (zh) * | 2019-05-21 | 2019-08-06 | 国网湖南省电力有限公司 | 一种多维度窃电态势智能感知方法、系统、设备及介质 |
Non-Patent Citations (1)
Title |
---|
王毅 等: "基于层次分析法的加权力线窃电检测方法", 科学技术与工程, no. 33, 30 November 2017 (2017-11-30) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222624A (zh) * | 2021-05-31 | 2021-08-06 | 江苏新智合电力技术有限公司 | 一种反窃电智能分析方法及系统 |
CN113222624B (zh) * | 2021-05-31 | 2022-03-18 | 江苏新智合电力技术有限公司 | 一种反窃电智能分析方法及系统 |
CN113744081A (zh) * | 2021-08-23 | 2021-12-03 | 国网青海省电力公司信息通信公司 | 窃电行为分析方法 |
CN113744081B (zh) * | 2021-08-23 | 2024-05-28 | 国网青海省电力公司信息通信公司 | 窃电行为分析方法 |
CN114839433A (zh) * | 2022-03-21 | 2022-08-02 | 国网北京市电力公司 | 窃电行为确定方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112614012A (zh) | 用户窃电识别方法及装置 | |
CN111178396A (zh) | 用电异常用户的识别方法及装置 | |
CN108229170B (zh) | 利用大数据和神经网络的软件分析方法和装置 | |
CN106980497A (zh) | 网页网站性能优化方法和装置 | |
CN117376632B (zh) | 基于智能深度合成的数据恢复方法和系统 | |
CN115237857A (zh) | 日志处理方法、装置、计算机设备及存储介质 | |
CN106021069A (zh) | 一种cpu占用的检测方法、装置及设备 | |
CN114647558A (zh) | 一种日志异常检测的方法和装置 | |
CN114118295A (zh) | 一种异常检测模型训练方法、异常检测方法、装置及介质 | |
CN112256517A (zh) | 基于lstm-dssm的虚拟化平台的日志分析方法及装置 | |
CN111476446A (zh) | 业务状态的监控处理方法、装置、设备及存储介质 | |
CN113077320A (zh) | 一种基于用户行为采集分析的商机推荐方法 | |
CN117767235A (zh) | 一种交直流混合配电网保护方法及相关装置 | |
CN116739408A (zh) | 基于数据标签的电网调度安全监控方法、系统及电子设备 | |
CN113326296B (zh) | 一种适用于工商业用户的负荷分解的方法及系统 | |
CN113313615A (zh) | 一种对企业司法风险进行量化评分定级的方法及装置 | |
CN111209158B (zh) | 服务器集群的挖矿监控方法及集群监控系统 | |
CN114881765A (zh) | 一种信贷项目的风险识别方法及装置 | |
CN115310704A (zh) | 一种基于系统安全模型的多维度消防安全评估预警系统 | |
CN115420988A (zh) | 异常用电用户的识别方法、装置、设备及存储介质 | |
CN113312902A (zh) | 一种对合同文本的智能审核校验方法及装置 | |
CN111580839B (zh) | 电器设备的升级方法及装置 | |
CN112905579A (zh) | 一种日志优化方法及系统 | |
CN112650796A (zh) | 一种自动化的应用数据收集、存储管理系统 | |
CN113744081B (zh) | 窃电行为分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |