检索结果-内蒙古大学图书馆

作者：张宝安浙江大学

学位级别：硕士

建立高效的用户用电数据异常检测模型及其分析算法可以筛选出异常的电力用户,可以提高用户用电数据异常检测工作的成功率。本文围绕异常用户用电数据的特点和规律,使用了神经网络算法对用户用电数据进行了分析,建立了用户用电数据的分... 详细信息

建立高效的用户用电数据异常检测模型及其分析算法可以筛选出异常的电力用户,可以提高用户用电数据异常检测工作的成功率。本文围绕异常用户用电数据的特点和规律,使用了神经网络算法对用户用电数据进行了分析,建立了用户用电数据的分类模型来识别异常的电力用户。本文主要的研究内容与创新工作:(1)提出了人工提取特征和深度自编码神经网络自动提取特征相结合的方法,对用户用电数据的特征进行提取。人工提取特征能够获取定向的用电数据特征,结合深度自编码神经网络提取的随机特征,避免了人工提取特征的片面性、克服了人工提取特征数量不足的问题。针对数据集正负样本不平衡的问题,使用了随机过采样和自适应综合过采样、随机欠采样、聚类中心分层欠采样这四种算法对用户用电数据进行了类别平衡。(2)针对用户用电数据为长时间序列的特点,提出了一种由DAE网络和GRU网络组合而成的复合神经网络算法Encoder-GRU,有效提升了用电数据分类模型的查准率。还提出了一种由DAE和IndRNN组成的复合神经网络算法Encoder-IndRNN。由于GRU处理长时间序列数据时,会出现梯度消失和梯度爆炸的现象。因此本文选取了独立循环神经网络,可以有效避免GRU中的梯度爆炸和梯度消失问题。(3)提出了在浙江省用户用电数据采集系统中筛选了大量正常电力用户的用电数据,将它和数据集中的异常用户用电数据进行了组合,形成了合成数据集。并使用合成数据集对Encoder-IndRNN算法进行了算法训练,与原数据集的实验结果进行比较,发现合成数据的Encoder-IndRNN神经网络模型的查准率有了很大地提升。

关键词：用户用电数据异常检测特征提取复合神经网络算法合成数据的Encoder-IndRNN神经网络模型

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的智能电网用户用电数据分析

基于深度学习的智能电网用户用电数据分析

引用

作者：李政辉四川大学

学位级别：硕士

随着时代的发展，电能需求不断增长，对电网服务能力的要求也不断提高，建立安全、高效和智能的电力网络成为了国家基础设施建设战略中的重要一环。智能电网相较于传统电网，在电能生产、传输和分配等环节的调度和管理上具有明显优势，... 详细信息

随着时代的发展，电能需求不断增长，对电网服务能力的要求也不断提高，建立安全、高效和智能的电力网络成为了国家基础设施建设战略中的重要一环。智能电网相较于传统电网，在电能生产、传输和分配等环节的调度和管理上具有明显优势，因而受到了广泛关注。在智能电网中，各种量测设备收集的大量用户用电数据是重要的电力数据。通过分析这些用户用电数据，挖掘出有价值的信息用于指导电能的调度和管理，对智能电网的稳定安全运行意义重大。用户电力负荷预测和用户窃电行为检测是用户用电数据分析中的重要任务。用户电力负荷预测有助于智能电网合理地调度;用户窃电行为检测有助于智能电网安全地运行。本文围绕上述两个方面开展了具体的研究工作。　　针对现有短期电力负荷预测方法未能充分利用用户间相关信息的不足，本文提出了一种基于用户间用电行为分析的短期电力负荷预测方法，利用用户间用电行为的相似性来提升目标用户短期电力负荷预测的准确性。该方法首先基于自编码器计算目标用户和其他用户用电行为的相似程度，选择出可辅助目标用户短期电力负荷预测的相关用户;然后基于集合经验模态分解技术生成用户用电样本，并将目标用户和所选出相关用户的训练集合并共同构建目标用户的训练池;最后通过基于一维卷积神经网络和多头注意力机制的模型对目标用户进行短期电力负荷预测。实验结果表明，所提出的负荷预测方法能够提升目标用户短期电力负荷预测的性能。　　现有的数据驱动型窃电行为检测方法通常假定参与窃电行为检测模型训练的用电数据是正确标记的，然而窃电行为检测模型可能会遭受数据标签反转的数据投毒攻击。这类数据投毒攻击会影响模型的有效训练从而导致窃电行为检测模型的性能下降。针对上述问题，本文提出一种具有鲁棒性的用户窃电行为检测模型。该窃电行为检测模型利用不同的特征提取模块从用电数据中提取不同角度的时序特征，并通过在模型训练中引入多样性计算，使得所提取的不同角度时序特征更具差异化，从而获得关于用户用电情况更全面且互补的特征表达帮助提升窃电行为检测模型的鲁棒性。实验结果表明，所提出窃电行为检测方法在遭受数据标签反转的数据投毒攻击时相对于现有方法具有更优的检测性能。

关键词：智能电网用户用电数据电力负荷预测窃电行为检测

来源：评论

学校读者我要写书评

暂无评论

电力用户用电数据的异常数据审查和分类

引用

电力与能源 2016年第1期37卷 17-22页

作者：沈海涛秦靖雅陈浩范蓉庄才杰上海东捷建设(集团)有限公司上海201210 复旦大学计算机科学技术学院上海201203 网络信息安全审计与监控教育部工程研究中心上海200203 上海新能凯博实业有限公司上海201210

在电网的运行过程中,电力自动抄表系统收集的用户用电数据因为受到天气原因,线路故障和系统故障等影响出现偏差和错误。这些偏差和错误是用户用电数据中的异常数据,它们的存在严重影响了电网运行时信息的准确采集和用户用电信息分析。... 详细信息

在电网的运行过程中,电力自动抄表系统收集的用户用电数据因为受到天气原因,线路故障和系统故障等影响出现偏差和错误。这些偏差和错误是用户用电数据中的异常数据,它们的存在严重影响了电网运行时信息的准确采集和用户用电信息分析。这就要求对用户用电数据进行预处理,在大量的用户用电数据中发现识别出异常数据,进而采用一定的方法对异常数据进行处理和补偿。着眼于自动抄表系统中用户用电数据的数据清理方法研究,对用户用电数据预处理的主要问题进行比较详尽的讨论,提出了用户用电数据预处理的模型和流程方法,采用k近邻法对异常数据进行分类,并利用实际用户用电数据进行实验,得到了初步的成果和经验,对未来智能电网系统中用户用电数据的预处理具有借鉴的作用。

关键词：智能电网用户用电数据数据预处理 k近邻法样条曲线拟合

来源：评论

学校读者我要写书评

暂无评论

用户用电数据分析方法、装置、电子设备及可读存储介质

用户用电数据分析方法、装置、电子设备及可读存储介质

引用

作者：丁凯钱一民李伟陈乔王易黄曾睿郑剑汪蓓 430070 湖北省武汉市洪山区徐东大街227号

本申请的实施例提供了一种用户用电数据分析方法、装置、电子设备及可读存储介质，涉及电力数据处理技术领域。该方法包括：获得各工业用户的用电行为数据及电能质量数据，用电行为数据用于表示工业用户的负荷情况和/或用电特征，电能... 详细信息

标准号: CN115081893A

本申请的实施例提供了一种用户用电数据分析方法、装置、电子设备及可读存储介质，涉及电力数据处理技术领域。该方法包括：获得各工业用户的用电行为数据及电能质量数据，用电行为数据用于表示工业用户的负荷情况和/或用电特征，电能质量数据用于表示工业用户对电能质量问题的敏感程度；根据各工业用户的用电行为数据及电能质量数据，对各工业用户进行分类，以得到不同的群体用户画像，群体用户画像基于对应的用户群体中的工业用户的用电行为数据及电能质量数据确定。如此，可基于工业用户的用电行为数据及电能质量数据进行用户群体分类，从而刻画出不同类别用户群体的电力需求，便于后续基于该电力需求采取相应措施或进行其他分析。

关键词：工业用户电能质量数据用电行为电力需求群体用户画像电能质量问题可读存储介质数据处理技术用户群体分类用户用电数据电子设备类别用户用户群体分析刻画敏感分类群体申请

来源：评论

学校读者我要写书评

暂无评论

用户用电数据异常检测方法、装置、计算机设备

用户用电数据异常检测方法、装置、计算机设备

引用

作者：郑楷洪周尚礼张文瀚龚起航陈敏娜 510700 广东省广州市黄埔区中新广州知识城亿创街1号406房之86

本申请涉及一种用户用电数据异常检测方法、装置、计算机设备和存储介质。所述方法包括：获取用户的历史用电数据和当前时刻的真实用电数据；将所述历史用电数据输入到训练好的异常检测模型，确定所述历史用户数据的第一玻尔兹曼分布特... 详细信息

标准号: CN113284000B

本申请涉及一种用户用电数据异常检测方法、装置、计算机设备和存储介质。所述方法包括：获取用户的历史用电数据和当前时刻的真实用电数据；将所述历史用电数据输入到训练好的异常检测模型，确定所述历史用户数据的第一玻尔兹曼分布特征，根据所述第一玻尔兹曼分布特征输出当前时刻的预测用电数据；根据所述预测用电数据和所述真实用电数据进行计算，得到预测用电数据和真实用电数据之间的距离；当所述距离大于预设阈值时，将所述真实用电数据标记为异常用电数据。采用本方法能够提高异常用电数据识别的准确性。

关键词：用电数据历史用电数据分布特征异常用电预测异常检测模型用户用电数据计算机设备存储介质数据识别异常检测用户数据阈值时预设输出申请

来源：评论

学校读者我要写书评

暂无评论

用户用电数据异常检测方法、装置、计算机设备

用户用电数据异常检测方法、装置、计算机设备

引用

作者：郑楷洪周尚礼张文瀚龚起航陈敏娜 510700 广东省广州市黄埔区中新广州知识城亿创街1号406房之86

标准号: CN113284000A

关键词：用电数据历史用电数据分布特征异常用电预测异常检测模型用户用电数据计算机设备存储介质数据识别异常检测用户数据阈值时预设输出申请

来源：评论

学校读者我要写书评

暂无评论

用户用电数据实时监控系统

用户用电数据实时监控系统

引用

作者：薛大立陈荣柱周宗庚潘伟王飞杨一冰余知真叶茜茜周雨晨施正钗孙景钌戴瑞海刘主光郑洪波 100031 北京市西城区西长安街86号

本实用新型提供了一种用户用电数据实时监控系统，包括：同步相量测量装置，用于同步采集电网变电站侧用户线路的实时数据，所述实时数据包括三相基波、频率和基波正序相量；故障录波装置，用于在出现故障时采集出现故障处用户线路的动... 详细信息

标准号: CN203589847U

本实用新型提供了一种用户用电数据实时监控系统，包括：同步相量测量装置，用于同步采集电网变电站侧用户线路的实时数据，所述实时数据包括三相基波、频率和基波正序相量；故障录波装置，用于在出现故障时采集出现故障处用户线路的动态实时数据。本实用新型通过将同步相量测量装置和故障录波装置的结合使用，可以完整的采集用户的实时用电数据，监控用户线路的运行状态，从而为电力安全生产以及高铁等重要用户的安全稳定运行提供坚实的保障。

关键词：实时数据同步相量测量装置故障录波装置用户线路电力安全生产实时监控系统用户用电数据安全稳定采集用户监控用户三相基波同步采集用电数据运行状态重要用户高铁基波变电站采集电网保障

来源：评论

学校读者我要写书评

暂无评论

基于均值漂移聚类的低压台区用户用电数据聚类方法

基于均值漂移聚类的低压台区用户用电数据聚类方法

引用

作者：陈蕾李飞孙胜博申洪涛史轮李梦宇杨挺 050000 河北省石家庄市高新区湘江道与兴安大街交叉口南行100米路西电力科技园院内C座

本发明提供了一种基于均值漂移聚类的低压台区用户用电数据聚类方法，属于用电数据无监督的数据聚类技术领域，包括：给定m维空间的用电数据集X∈Rm×n，计算用户用电数据xi(i＝1,2,…,n)的密度估计函数；根据函数的极值定理，局部... 详细信息

标准号: CN114662608A

本发明提供了一种基于均值漂移聚类的低压台区用户用电数据聚类方法，属于用电数据无监督的数据聚类技术领域，包括：给定m维空间的用电数据集X∈R^m×n，计算用户用电数据xi(i＝1,2,…,n)的密度估计函数；根据函数的极值定理，局部密度极大值点位于密度函数的梯度零值点中，对上式求导，得到梯度函数，从而找到用电数据密度的极大值点；考虑用电数据中的噪声数据的影响，引入高斯核函数，实现用户用电数据的高维可分，提高分类的鲁棒性。本发明提供的一种基于均值漂移聚类的低压台区用户用电数据聚类方法，在低压台区用电信息采集场景中，用户类型多样，用电场景、用电行为复杂，有效改善用电数据分析的质量基础。

关键词：用电数据用户用电数据聚类低压台区漂移极大值点用电信息采集场景高斯核函数密度估计密度函数数据聚类梯度函数用电行为用户类型噪声数据质量基础鲁棒性无监督高维求导分类引入分析

来源：评论

学校读者我要写书评

暂无评论

基于用电信息采集的用户用电数据异常分析方法及系统

基于用电信息采集的用户用电数据异常分析方法及系统

引用

作者：崔海鸣杨洲王新雷 231604 安徽省合肥市肥东县合肥循环经济示范园四顶山路与漫泉路交口东北

本发明公开了基于用电信息采集的用户用电数据异常分析方法及系统，该方法包括以下步骤：采集用户在历史时间段内的用电数据，并从中提取异常用电特征；对提取的异常用电特征进行特征重要性分析；将存在异常用电行为的用户标记为嫌疑用... 详细信息

标准号: CN116976707A

本发明公开了基于用电信息采集的用户用电数据异常分析方法及系统，该方法包括以下步骤：采集用户在历史时间段内的用电数据，并从中提取异常用电特征；对提取的异常用电特征进行特征重要性分析；将存在异常用电行为的用户标记为嫌疑用户；采集嫌疑用户的实时用电数据，并构建电量波动预测模型，预测嫌疑用户未来时间段的用电趋势；采用线性插值评估用电趋势的波动情况，判断嫌疑用户未来时间段内的用电量是否存在异常变化；若嫌疑用户未来时间段内的用电量存在异常变化，则对嫌疑用户发出警报，并制定控电措施进行干预。本发明通过对嫌疑用户的用电情况进行预测和评估，可以有效地节约电力资源，提高电力使用效率。

关键词：嫌疑用户异常用电时间段异常变化用电量电力使用效率实时用电数据用电信息采集用户用电数据采集历史时间段特征重要性波动预测电力资源异常分析用电数据用户标记有效地评估预测构建电量警报干预节约分析制定

来源：评论

学校读者我要写书评

暂无评论

基于用电信息采集的用户用电数据异常分析方法及系统

基于用电信息采集的用户用电数据异常分析方法及系统

引用

作者：崔海鸣杨洲王新雷 231604 安徽省合肥市肥东县合肥循环经济示范园四顶山路与漫泉路交口东北

标准号: CN116976707B

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：