一种数据识别方法及系统的制作方法
【专利摘要】本发明提供了一种数据识别方法及系统，其中所述方法包括：将历史用电数据和线路线损数据进行数据转换，且转换后的数据结果满足数据模型格式，数据模型格式为数据模型建立时设定的；将转换后的数据结果与基础档案数据中的关键参数进行对比分析，根据分析结果对历史用电数据中的用电异常数据进行修正获取历史用电修正数据；调整关键参数，根据调整后的第一关键参数对历史用电修正数据进行计算分析，依据分析结果从历史用电修正数据中挖掘出用电异常数据对应的用电异常用户。通过对历史用电修正数据的挖掘，从海量数据中发现数据的价值，有效的排除了干扰数据的影响，真正的识别了用电异常用户。
【专利说明】
一种数据识别方法及系统
技术领域
[0001]本发明涉及信息技术领域，更具体地说，涉及一种数据识别方法及系统。
【背景技术】
[0002]用电异常分析是指通过用电客户现场负荷信息、现场运行工况信息、终端设备报警信息等综合判断用户用电行为，包括计量异常分析和防窃电分析，其中计量异常分析包含计量回路异常、电能表内部异常、计量柜异常和开关量异常分析等，放窃电分析主要包括欠压法窃电分析、欠流法窃电分析、移相法窃电分析和扩差法窃电分析等。
[0003]现有技术中一般采用事件报警筛选分析对用电异常数据进行识别与分析，但是随着采集系统建设，现场的智能电表和采集终端数量的快速增长，海量报警数据造成的后果是筛选速度慢，真正的用电异常数据煙没在海量报警时间信息中，实际上无法基于报警时间进行用电异常判断，且存在大量的干扰数据，导致系统无法识别真正的用电量。
[0004]综上所述，如何提供一种数据识别方法，以排除用电异常数据的干扰，是目前本领域技术人员亟待解决的问题。
【发明内容】
[0005]有鉴于此，本发明的目的是提供一种数据识别方法及系统，用以从海量数据中发现数据的价值，排除用电异常数据的干扰。
[0006]为了实现上述目的，本发明提供如下技术方案:
[0007]—方面，本发明提供了一种数据识别方法，包括:
[0008]将历史用电数据和线路线损数据进行数据转换，且转换后的数据结果满足数据模型格式，所述数据模型格式为所述数据模型建立时设定的；
[0009]将转换后的所述数据结果与基础档案数据中的关键参数进行对比分析，根据分析结果对所述历史用电数据中的用电异常数据进行修正获取历史用电修正数据；
[0010]调整所述关键参数，根据调整后的第一关键参数对所述历史用电修正数据进行计算分析，依据分析结果从所述历史用电修正数据中挖掘出所述用电异常数据对应的用电异常用户。
[0011 ] 优选的，所述方法还包括:
[0012]将所述第一关键参数对应的阈值与预设阈值进行对比，依据对比结果对任一所述用电异常用户对应的用电异常行为进行定量定性分析，并将所述定量定性分析结果进行定期推送，以快速分析确定所述用电异常行为，所述预设阈值参数为预先设定的。
[0013]优选的，所述将所述定量定性分析结果进行定期推送包括:
[0014]将所述定量定性分析结果通过推送策略设定，以异常行为可疑度、发生时间范围等为基础，定期推送所述定量定性分析结果至业务人员的工作桌面。
[0015]优选的，所述将所述定量定性分析结果进行定期推送后还包括:
[0016]所述业务人员将推送至所述工作桌面的所述定量定性分析结果进行分析，确定所述用电异常行为。
[0017]优选的，在将所述历史用电数据和所述线路线损数据进行数据转换前包括:
[0018]导入第一数据，所述第一数据包括基础档案数据、历史用电数据和线路线损数据。
[0019]另一方面，本发明了还提供了一种数据识别系统，包括:
[0020]转换模块，用于将历史用电数据和线路线损数据进行数据转换，且转换后的数据结果满足数据模型格式，所述数据模型格式为所述数据模型建立时设定的；
[0021]对比模块，用于将转换后的所述数据结果与所述基础档案数据中的关键参数进行对比分析，根据分析结果对所述历史用电数据中的用电异常数据进行修正获取历史用电修正数据；
[0022]计算模块，用于调整所述关键参数，根据调整后的第一关键参数对所述历史用电数据进行计算分析，依据分析结果从所述历史用电数据中挖掘出所述用电异常数据对应的用电异常用户。
[0023]优选的，所述系统还包括:
[0024]分析模块，用于将所述第一关键参数对应的阈值与预设阈值进行对比，依据对比结果对任一所述用电异常用户对应的用电异常行为进行定量定性分析，并将所述定量定性分析结果进行定期推送，以快速分析确定所述用电异常行为，所述预设阈值参数为预先设定的。
[0025]优选的，所述分析模块包括:
[0026]推送单元，用于将所述定量定性分析结果通过推送策略设定，以异常行为可疑度、 发生时间范围等为基础，定期推送所述定量定性分析结果至业务人员的工作桌面。
[0027]优选的，所述分析模块还包括:
[0028]分析单元，用于所述业务人员将推送至所述工作桌面的所述定量定性分析结果进行分析，确定所述用电异常行为。
[0029]优选的，所述系统还包括:
[0030]导入模块，用于导入第一数据，所述第一数据包括基础档案数据、历史用电数据和线路线损数据。
[0031]与现有技术相比，本发明的优点如下:
[0032]本发明提供的一种数据识别方法，将导入的历史用电数据及线路线损数据进行数据转换，依据转换后的数据结果对导入的基础档案数据中的关键参数进行对比，查找出历史用电数据中的用电异常数据，并对其进行修正获得历史用电修正数据，同时结合调整后的第一关键参数对历史用电修正数据进行计算分析，进而从海量的历史用电修正数据中挖掘出用电异常数据相对应的用电异常用户，与现有技术中采用事件报警筛选分析的方法相比，本发明提供的一种数据识别方法，通过对历史用电修正数据的挖掘，从海量数据中发现数据的价值，有效的排除了干扰数据的影响，真正的识别了用电异常用户。【附图说明】
[0033]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0034]图1为本发明实施例提供的一种数据识别方法的一种流程示意图；
[0035]图2为本发明实施例提供的一种数据识别方法的另一种流程示意图；
[0036]图3为本发明实施例提供的一种数据识别系统的一种结构示意图；
[0037]图4为本发明实施例提供的一种数据识别系统的另一种结构示意图；
[0038]图5为本发明实施例提供的一种数据识别系统的一种子结构示意图。
【具体实施方式】
[0039]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，都属于本发明保护的范围。
[0040]本发明实施例是基于智能用电异常识别与分析平台提供的一种数据识别方法。
[0041]请参考图1，其示出了本发明实施例提供的一种数据识别方法的一种流程示意图，可以包括以下步骤:
[0042]步骤101:将历史用电数据和线路线损数据进行数据转换，且转换后的数据结果满足数据模型格式。
[0043]建立一个真正适合数据挖掘算法的数据模型是数据挖掘成功的关键。其中数据转换时依据本发明实施例提供的挖掘算法以及数据模型将历史用电数据以及线路线损数据转换成满足挖掘、计算的数据模型格式，其中，数据模型可以主要是用电客户的历史用电特征，包括三年及以上日平均功率值、峰段平均功率、古段平均功率、平段平均功率，用户用电高峰、低俗时间分布特征，三相用电功率平均值及相互关系，电压、电流、功率因数乘积与分相功率的关系，功率与相位角关系等。
[0044]需要说明的是，数据模型格式为与之对应的数据模型建立时设定的。
[0045]步骤102:将转换后的数据结果与基础档案数据中的关键参数进行对比分析，根据分析结果对历史用电数据中的用电异常数据进行修正获取历史用电修正数据。
[0046]依据基础档案数据中的电力客户、计量点、电能表和采集终端等各类信息的关系，对转换后的数据进行数据清洗，其主要是依据采集的结果对基础档案数据中CT(Currenttransformer，电流互感器)变比、PT (Potential transformer，电压互感器)变比、计量方式、相线类别等关键参数进行比对分析，并通过关键参数相互间的关系对基础档案数据进行数据质量管理，以提升基础档案数据的准确性，同时对于计量方式与变比、相线类别与计量电压不匹配等异常数据输出后提交相关业务部门进行修正，以获取修正后的历史用电修正数据。
[0047]需要说明的是，在本发明中，进行修正的用电异常数据是属于历史用电数据中的其中一部分，其目的是为了实现对其他历史用电数据的分析。
[0048]步骤103:调整关键参数，根据调整后的第一关键参数对历史用电修正数据进行计算分析，依据分析结果从历史用电修正数据中挖掘出用电异常数据对应的用电异常用户。
[0049]依据电路计量原理，通过持续的计算服务对功率、电压、电流、功率因数、相位角等历史用电修正数据进行计算分析，从海量历史用电修正数据中挖掘用户异常数据对应的用电异常用户。其中，用电异常用户可以表现为以下特征:
[0050](1)用电特征，如功率、峰谷段等，出现持续性的异常，与历史用电情况发生显著偏差，如平均功率突增、平均功率突减，且持续有规律。
[0051](2)在采集数据完整的情况下，线路线损出现显著增加的情况。
[0052](3)出现持续且有规律失压的情形，包含三相三线计量电压低于标准值10%以下，三相四线计量电压低于标准值15%的情形。
[0053](4)在用户正常负荷下，三相电压不平衡达到30%以上，三相电流不平衡达到 30%以上的情形。
[0054](5)在无计划停电和检修的情况下，电能表出现断电报警的情形。
[0055](6)在无现场用电检查和计量校验的情况下，出现计量箱柜关闭报警的情形等。
[0056]需要说明的是，数据挖掘算法需要重点考虑用电异常发生的频度、持续性和重复性，其主要是通过对关键参数的设置、调整及优化以提升用电异常行为识别的准确率。其中，关键参数包括正常负荷标准、三相四线的基准电压、失压电压、断相标准，三相三线的基准电压、失压电压、断相标准、启动电流，城市、农村电网基准线损率等。
[0057]本发明实施例提供的一种数据识别方法，将导入的历史用电数据及线路线损数据进行数据转换，依据转换后的数据结果对导入的基础档案数据中的关键参数进行对比，查找出历史用电数据中的用电异常数据，并对其进行修正获得历史用电修正数据，同时结合调整后的第一关键参数对历史用电修正数据进行计算分析，进而从海量的历史用电修正数据中挖掘出用电异常数据相对应的用电异常用户，与现有技术中采用事件报警筛选分析的方法相比，本发明提供的一种数据识别方法，通过对历史用电修正数据的挖掘，从海量数据中发现数据的价值，有效的排除了干扰数据的影响，真正的识别了用电异常用户。
[0058]请参考图2,其示出了本发明实施例提供的一种数据识别方法的另一种流程示意图，可以包括以下步骤:
[0059]步骤201:导入第一数据。
[0060]第一数据包括基础档案数据、历史用电数据和线路线损数据。其中，基础档案数据是从采集系统中导出的，其可以包括:工商业用户信息、计量点信息(即应安装计量装置的位置信息)、电能表信息、供电线路信息、测量点信息等。历史用电数据是采用数据库或web service方式从采集系统导出的三年以上的数据，可以包括:功率曲线数据、电压电流曲线数据、电压电流曲线数据、功率因数曲线数据、相位角曲线数据和日冻结抄表读书数据等。 线路线损数据是采用中间库或web service方式从采集系统或营销业务系统导出的每月线路线损数据。
[0061]需要说明的是，采集系统即电力用户用电信息采集系统，是指对电力用户的用电信息进行采集、处理和实时监测的系统。
[0062]步骤202:将历史用电数据和线路线损数据进行数据转换，且转换后的数据结果满足数据模型格式。
[0063]步骤203:将转换后的数据结果与基础档案数据中的关键参数进行对比分析，根据分析结果对历史用电数据中的用电异常数据进行修正获取历史用电修正数据。
[0064]步骤204:调整关键参数，根据调整后的第一关键参数对历史用电修正数据进行计算分析，依据分析结果从历史用电修正数据中挖掘出用电异常数据对应的用电异常用户。
[0065]可以理解的是，对关键参数进行调整的目的主要在于提升用电异常行为的识别率，即调整及优化关键参数的阈值。
[0066]步骤205:将第一关键参数对应的阈值与预设阈值进行对比，依据对比结果对任一用电异常用户对应的用电异常行为进行定量定性分析，并将定量定性分析结果进行定期推送，以快速分析确定用电异常行为。
[0067]可以理解的，本发明实施例提供的一种数据识别方法是对获取的有价值的用电数据进行处理，其中有价值的用电数据为用电异常数据。在本发明实施例中，获取与用电异常数据对应的用电异常用户，以便于实现对单一用户用电异常行为的控制。
[0068]其中，以用户异常计量点为单位，结合用电异常用户相应的用电异常数据及用电规律对用电异常用户进行用电异常行为分析，结合调整后的第一关键参数对应的阈值与预设阈值参数的关系，对用电异常行为进行定量定性分析，其中分析内容主要可以包括:用户概况、异常特征和分析结果等，还可以包括描述异常起止日期、用电异常详细情况等；根据异常定性分析结果，通过推送策略设定，以异常行为可疑度、发生时间范围等为基础，定期推送分析结果至业务人员工作桌面。推送的信息包括基础档案数据、历史用电数据、用电异常分裂以及定性分析结果等；采用可视化技术，在同一界面展示用电用户的用电曲线，即包含电压、电流、功率因数以及相位角的用电曲线，并根据基础档案数据测量正常电量、功率，展示用电异常行为进行定量定性分析的结果，以帮助业务人员快速分析确定用电异常行为，为后续现场取证等工作奠定良好的技术基础，有效的支撑用电稽查和计量异常处理业务，使得业务人员将用电稽查和异常识别人员从繁杂的日常事务性的业务中摆脱出来，将精力投入到异常用户用电确认、异常用电特征分析等有效的工作中，极大提升了工作效率。
[0069]本发明实施例提供的一种数据识别方法，通过对挖掘出的用电异常数据对应的用电异常用户进行定量定性分析，并根据分析结果进行用电异常行为的推送，有效的利用数据挖掘算法，大大提升了用电异常的识别率，同时提高推送用户的准确率，有效的提高了专业人员的工作效率，同时本发明有效的降低了线路线损管理，对窃电行为进行了有效的防范和打击，对营造社会公平，建设和谐社会具有重要的意义。
[0070]与上述方法的实施例相对应，本发明实施例还提供了一种数据识别系统，请参考图3，其示出了本发明实施例提供的一种数据识别系统的一种结构示意图，可以包括:转换模块11、对比模块12和计算模块13，其中:
[0071]转换模块11，用于将历史用电数据和线路线损数据进行数据转换，且转换后的数据结果满足数据模型格式。
[0072]数据模型格式为数据模型建立时设定的。
[0073]对比模块12，用于将转换后的数据结果与基础档案数据中的关键参数进行对比分析，根据分析结果对历史用电数据中的用电异常数据进行修正获取历史用电修正数据。
[0074]计算模块13，用于调整关键参数，根据调整后的第一关键参数对历史用电数据进行计算分析，依据分析结果从历史用电修正数据中挖掘出用电异常数据对应的用电异常用户。
[0075]本发明实施例提供的一种数据识别系统，将导入的历史用电数据及线路线损数据进行数据转换，依据转换后的数据结果对导入的基础档案数据中的关键参数进行对比，查找出历史用电数据中的用电异常数据，并对其进行修正获得历史用电修正数据，同时结合调整后的第一关键参数对历史用电修正数据进行计算分析，进而从海量的历史用电修正数据中挖掘出用电异常数据相对应的用电异常用户，与现有技术中采用事件报警筛选分析的方法相比，本发明提供的一种数据识别方法，通过对历史用电修正数据的挖掘，从海量数据中发现数据的价值，有效的排除了干扰数据的影响，真正的识别了用电异常用户。
[0076]请参考图4,其示出了本发明实施例提供的一种数据识别系统的另一种结构示意图，在图3的基础上，还可以包括:导入模块14和分析模块15,其中:
[0077]导入模块14,用于导入第一数据。
[0078] 分析模块15,用于将第一关键参数对应的阈值与预设阈值进行对比，依据对比结果对任一用电异常用户对应的用电异常行为进行定量定性分析，并将定量定性分析结果进行定期推送，以快速分析确定用电异常行为。
[0079]请参考图5,其示出了本发明实施例提供的一种数据识别系统的一种子结构示意图，分析模块15还可以包括:推送单元21和分析单元22,其中:
[0080]推送单元21，用于将定量定性分析结果通过推送策略设定，以异常行为可疑度、发生时间范围等为基础，定期推送定量定性分析结果至业务人员的工作桌面。
[0081] 分析单元22,用于业务人员将推送至工作桌面的定量定性分析结果进行分析，确定用电异常行为。
[0082]本发明实施例提供的一种数据识别系统，通过对挖掘出的用电异常数据对应的用电异常用户进行定量定性分析，并根据分析结果进行用电异常行为的推送，有效的利用数据挖掘算法，大大提升了用电异常的识别率，同时使推送用户的准确率达到了 50%以上，有效的提高了专业人员的工作效率。
[0083] 最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0084]对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
【主权项】
1.一种数据识别方法，其特征在于，包括:将历史用电数据和线路线损数据进行数据转换，且转换后的数据结果满足数据模型格 式，所述数据模型格式为所述数据模型建立时设定的；将转换后的所述数据结果与基础档案数据中的关键参数进行对比分析，根据分析结果 对所述历史用电数据中的用电异常数据进行修正获取历史用电修正数据；调整所述关键参数，根据调整后的第一关键参数对所述历史用电修正数据进行计算分 析，依据分析结果从所述历史用电修正数据中挖掘出所述用电异常数据对应的用电异常用 户。2.根据权利要求1所述的方法，其特征在于，所述方法还包括:将所述第一关键参数对应的阈值与预设阈值进行对比，依据对比结果对任一所述用电 异常用户对应的用电异常行为进行定量定性分析，并将所述定量定性分析结果进行定期推 送，以快速分析确定所述用电异常行为，所述预设阈值参数为预先设定的。3.根据权利要求2所述的方法，其特征在于，所述将所述定量定性分析结果进行定期 推送包括:将所述定量定性分析结果通过推送策略设定，以异常行为可疑度、发生时间范围等为 基础，定期推送所述定量定性分析结果至业务人员的工作桌面。4.根据权利要求3所述的方法，其特征在于，所述将所述定量定性分析结果进行定期 推送后还包括:所述业务人员将推送至所述工作桌面的所述定量定性分析结果进行分析，确定所述用 电异常行为。5.根据权利要求1所述的方法，其特征在于，在将所述历史用电数据和所述线路线损 数据进行数据转换前包括:导入第一数据，所述第一数据包括基础档案数据、历史用电数据和线路线损数据。6.—种数据识别系统，其特征在于，包括:转换模块，用于将历史用电数据和线路线损数据进行数据转换，且转换后的数据结果 满足数据模型格式，所述数据模型格式为所述数据模型建立时设定的；对比模块，用于将转换后的所述数据结果与所述基础档案数据中的关键参数进行对比 分析，根据分析结果对所述历史用电数据中的用电异常数据进行修正获取历史用电修正数 据；计算模块，用于调整所述关键参数，根据调整后的第一关键参数对所述历史用电数据 进行计算分析，依据分析结果从所述历史用电数据中挖掘出所述用电异常数据对应的用电 异常用户。7.根据权利要求6所述的系统，其特征在于，所述系统还包括:分析模块，用于将所述第一关键参数对应的阈值与预设阈值进行对比，依据对比结果 对任一所述用电异常用户对应的用电异常行为进行定量定性分析，并将所述定量定性分析 结果进行定期推送，以快速分析确定所述用电异常行为，所述预设阈值参数为预先设定的。8.根据权利要求7所述的系统，其特征在于，所述分析模块包括:推送单元，用于将所述定量定性分析结果通过推送策略设定，以异常行为可疑度、发生 时间范围等为基础，定期推送所述定量定性分析结果至业务人员的工作桌面。9.根据权利要求8所述的系统，其特征在于，所述分析模块还包括: 分析单元，用于所述业务人员将推送至所述工作桌面的所述定量定性分析结果进行分析，确定所述用电异常行为。10.根据权利要求6所述的系统，其特征在于，所述系统还包括: 导入模块，用于导入第一数据，所述第一数据包括基础档案数据、历史用电数据和线路线损数据。
【文档编号】G06Q10/06GK105989446SQ201510092739
【公开日】2016年10月5日
【申请日】2015年3月2日
【发明人】卢开锋, 李琪平, 杨霄
【申请人】杭州腾仁科技有限公司