本發(fā)明涉及用電異常監(jiān)測(cè)，尤指一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析方法。

背景技術(shù)：

1、隨著社會(huì)的發(fā)展和人口老齡化趨勢(shì)的增加，獨(dú)居人群的數(shù)量逐漸增加。由于他們獨(dú)自居住，他們的生活和健康情況需要特別關(guān)注。其中一個(gè)重要方面是他們的用電情況。獨(dú)居人群的用電情況對(duì)他們的生活質(zhì)量和安全至關(guān)重要。然而，當(dāng)前的用電監(jiān)測(cè)方法存在一些問(wèn)題：傳統(tǒng)的用電監(jiān)測(cè)方法通常依賴于定期的人工巡檢，這可能會(huì)導(dǎo)致用電異常的延誤檢測(cè)，從而增加了緊急情況的風(fēng)險(xiǎn)；獨(dú)居人群的用電模式可能因個(gè)體差異而異，傳統(tǒng)方法難以準(zhǔn)確識(shí)別何時(shí)出現(xiàn)不尋常的用電模式，如突然的能耗增加或持續(xù)的能耗下降；當(dāng)前的用電監(jiān)測(cè)系統(tǒng)通常缺乏智能化分析功能，無(wú)法為獨(dú)居人群提供個(gè)性化的用電建議或預(yù)警。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述問(wèn)題，本發(fā)明提供一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析方法。

2、為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：

3、一方面，一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析方法，包含以下步驟：

4、實(shí)時(shí)獲取獨(dú)居人群的用電數(shù)據(jù)；

5、對(duì)采集的用電數(shù)據(jù)進(jìn)行清理和預(yù)處理，從用電數(shù)據(jù)中提取關(guān)鍵特征；

6、基于提取的關(guān)鍵特征構(gòu)建用電異常監(jiān)測(cè)模型，使用歷史用電數(shù)據(jù)對(duì)用電異常監(jiān)測(cè)模型進(jìn)行訓(xùn)練；

7、通過(guò)用電異常監(jiān)測(cè)模型，實(shí)時(shí)監(jiān)測(cè)用電數(shù)據(jù)中的異常情況；

8、設(shè)定異常用電的閾值，并建立相應(yīng)的響應(yīng)機(jī)制；

9、根據(jù)長(zhǎng)期積累的用電數(shù)據(jù)，分析獨(dú)居人群的用電模式，為其提供用電優(yōu)化建議。

10、進(jìn)一步的，所述用電數(shù)據(jù)至少包括用電量、用電時(shí)段和用電設(shè)備信息。

11、進(jìn)一步的，所述提取的關(guān)鍵特征包括電量特征、用電模式特征、異常監(jiān)測(cè)特征和能源效率特征。

12、進(jìn)一步的，所述對(duì)采集到的用電數(shù)據(jù)進(jìn)行清理和預(yù)處理，從用電數(shù)據(jù)中提取關(guān)鍵特征，包括以下步驟：

13、從獲取的用電數(shù)據(jù)中去除異常值或噪聲數(shù)據(jù)；

14、使用插值或填充的方法識(shí)別并處理任何缺失的用電數(shù)據(jù)點(diǎn)；

15、從處理后的用電數(shù)據(jù)中提取關(guān)鍵特征，所述關(guān)鍵特征包括用電量的統(tǒng)計(jì)指標(biāo)、用電曲線的頻域特征和時(shí)間序列特征；

16、將提取的關(guān)鍵特征進(jìn)行標(biāo)準(zhǔn)化。

17、進(jìn)一步的，所述基于提取的關(guān)鍵特征構(gòu)建用電異常監(jiān)測(cè)模型，使用歷史用電數(shù)據(jù)對(duì)用電異常監(jiān)測(cè)模型進(jìn)行訓(xùn)練，包含以下步驟：

18、獲取所述采集的用電數(shù)據(jù)，提取其關(guān)鍵特征；

19、基于時(shí)間序列分析和機(jī)器學(xué)習(xí)算法來(lái)構(gòu)建用電異常監(jiān)測(cè)模型；

20、使用歷史用電數(shù)據(jù)訓(xùn)練用電異常監(jiān)測(cè)模型；

21、使用評(píng)估指標(biāo)評(píng)估模型的性能；

22、使用訓(xùn)練好的用電異常監(jiān)測(cè)模型對(duì)實(shí)時(shí)用電數(shù)據(jù)進(jìn)行監(jiān)測(cè)和分析。

23、更進(jìn)一步的，所述基于時(shí)間序列分析和機(jī)器學(xué)習(xí)算法來(lái)構(gòu)建用電異常監(jiān)測(cè)模型，包括以下步驟：

24、將所述用電數(shù)據(jù)作為用電時(shí)間序列數(shù)據(jù)；

25、使用ari?ma模型來(lái)建模數(shù)據(jù)，計(jì)算殘差，并從殘差序列中提取有關(guān)異常的特征；

26、基于提取的特征構(gòu)建神經(jīng)網(wǎng)絡(luò)模型；

27、使用訓(xùn)練集訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，并進(jìn)行交叉驗(yàn)證；

28、將測(cè)試數(shù)據(jù)輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型；

29、設(shè)定異常檢測(cè)的閾值，閾值根據(jù)應(yīng)用需求進(jìn)行調(diào)整；

30、使用評(píng)估指標(biāo)來(lái)評(píng)估模型的性能。

31、更進(jìn)一步的，所述神經(jīng)網(wǎng)絡(luò)模型具體為：將ari?ma提取的殘差特征作為輸入，使用多層感知器或卷積神經(jīng)網(wǎng)絡(luò)，設(shè)置合適的節(jié)點(diǎn)和激活函數(shù)，輸出異常概率，以二元交叉熵作為損失函數(shù)，通過(guò)訓(xùn)練和交叉驗(yàn)證進(jìn)行優(yōu)化，設(shè)置閾值進(jìn)行異常檢測(cè)，并評(píng)估性能指標(biāo)。

32、進(jìn)一步的，所述設(shè)定閾值的優(yōu)先級(jí)從高到低依次包括安全閾值、健康閾值、舒適閾值、能源節(jié)約閾值和一般閾值。

33、進(jìn)一步的，所述響應(yīng)機(jī)制包括異常通知和警報(bào)、緊急聯(lián)系人設(shè)定、遠(yuǎn)程控制或切斷電源和緊急服務(wù)調(diào)度。

34、另一方面，一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析裝系統(tǒng)，包括：數(shù)據(jù)采集模塊、異常監(jiān)測(cè)模塊、數(shù)據(jù)分析模塊和警報(bào)模塊；

35、所述數(shù)據(jù)采集模塊用于基于智能電表或者傳感器網(wǎng)絡(luò)實(shí)時(shí)采集獨(dú)居人群的用電數(shù)據(jù)；

36、所述異常監(jiān)測(cè)模塊用于通過(guò)用電異常監(jiān)測(cè)模型，實(shí)時(shí)監(jiān)測(cè)用電數(shù)據(jù)中的異常情況；

37、所述數(shù)據(jù)分析模塊用于分析獨(dú)居人群的用電模式，為其提供用電優(yōu)化建議；

38、所述警報(bào)模塊用于當(dāng)監(jiān)測(cè)異常時(shí)，警報(bào)器觸發(fā)警報(bào)，并通過(guò)遠(yuǎn)程控制或切斷電源的方式來(lái)應(yīng)對(duì)異常情況。

39、本發(fā)明的有益效果在于：

40、本發(fā)明通過(guò)實(shí)時(shí)獲取用電數(shù)據(jù)并使用異常監(jiān)測(cè)模型，系統(tǒng)能夠及時(shí)監(jiān)測(cè)到獨(dú)居人群的異常用電情況，提前預(yù)警可能的問(wèn)題，如電器故障、用電不當(dāng)?shù)?。?duì)采集的用電數(shù)據(jù)進(jìn)行清理和預(yù)處理，可以提高數(shù)據(jù)的質(zhì)量和準(zhǔn)確性，確保用于建模和分析的數(shù)據(jù)可靠性。

41、本發(fā)明通過(guò)提取關(guān)鍵特征并構(gòu)建用電異常監(jiān)測(cè)模型，能夠根據(jù)個(gè)體的用電習(xí)慣和特點(diǎn)進(jìn)行個(gè)性化建模，提高異常檢測(cè)的準(zhǔn)確性。通過(guò)設(shè)定異常用電的閾值和建立響應(yīng)機(jī)制，可以自動(dòng)化地對(duì)異常情況做出響應(yīng)，確保異常得到及時(shí)處理，提高了用電安全性。

42、本發(fā)明系統(tǒng)可以分析獨(dú)居人群的用電模式，了解其用電習(xí)慣和需求，為其提供個(gè)性化的用電優(yōu)化建議，幫助其合理使用電力資源，降低用電成本，提高用電效益。

技術(shù)特征：

1.一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析方法，其特征在于，包含以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析方法，其特征在于，所述用電數(shù)據(jù)至少包括用電量、用電時(shí)段和用電設(shè)備信息。

3.根據(jù)權(quán)利要求1所述的一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析方法，其特征在于，所述提取的關(guān)鍵特征包括電量特征、用電模式特征、異常監(jiān)測(cè)特征和能源效率特征。

4.根據(jù)權(quán)利要求1所述的一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析方法，其特征在于，所述對(duì)采集到的用電數(shù)據(jù)進(jìn)行清理和預(yù)處理，從用電數(shù)據(jù)中提取關(guān)鍵特征，包括以下步驟：

5.根據(jù)權(quán)利要求1所述的一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析方法，其特征在于，所述基于提取的關(guān)鍵特征構(gòu)建用電異常監(jiān)測(cè)模型，使用歷史用電數(shù)據(jù)對(duì)用電異常監(jiān)測(cè)模型進(jìn)行訓(xùn)練，包含以下步驟：

6.根據(jù)權(quán)利要求5所述的一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析方法，其特征在于，所述基于時(shí)間序列分析和機(jī)器學(xué)習(xí)算法來(lái)構(gòu)建用電異常監(jiān)測(cè)模型，包括以下步驟：

7.根據(jù)權(quán)利要求6所述的一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型具體為：將arima提取的殘差特征作為輸入，使用多層感知器或卷積神經(jīng)網(wǎng)絡(luò)，設(shè)置合適的節(jié)點(diǎn)和激活函數(shù)，輸出異常概率，以二元交叉熵作為損失函數(shù)，通過(guò)訓(xùn)練和交叉驗(yàn)證進(jìn)行優(yōu)化，設(shè)置閾值進(jìn)行異常檢測(cè)，并評(píng)估性能指標(biāo)。

8.根據(jù)權(quán)利要求1所述的一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析方法，其特征在于，所述設(shè)定閾值的優(yōu)先級(jí)從高到低依次包括安全閾值、健康閾值、舒適閾值、能源節(jié)約閾值和一般閾值。

9.根據(jù)權(quán)利要求1所述的一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析方法，其特征在于，所述響應(yīng)機(jī)制包括異常通知和警報(bào)、緊急聯(lián)系人設(shè)定、遠(yuǎn)程控制或切斷電源和緊急服務(wù)調(diào)度。

10.一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析裝系統(tǒng)，其特征在于，所述系統(tǒng)應(yīng)用于如權(quán)利要求1-9任一項(xiàng)所述的一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析方法，包括：數(shù)據(jù)采集模塊、異常監(jiān)測(cè)模塊、數(shù)據(jù)分析模塊和警報(bào)模塊；

技術(shù)總結(jié)
本發(fā)明涉及用電異常監(jiān)測(cè)技術(shù)領(lǐng)域，尤指一種基于用電異常監(jiān)測(cè)分析模型獨(dú)居人群用電分析方法。方法包含以下步驟：實(shí)時(shí)獲取獨(dú)居人群的用電數(shù)據(jù)；對(duì)采集的用電數(shù)據(jù)進(jìn)行清理和預(yù)處理，從用電數(shù)據(jù)中提取關(guān)鍵特征；基于提取的關(guān)鍵特征構(gòu)建用電異常監(jiān)測(cè)模型，使用歷史用電數(shù)據(jù)對(duì)用電異常監(jiān)測(cè)模型進(jìn)行訓(xùn)練；通過(guò)用電異常監(jiān)測(cè)模型，實(shí)時(shí)監(jiān)測(cè)用電數(shù)據(jù)中的異常情況；設(shè)定異常用電的閾值，并建立相應(yīng)的響應(yīng)機(jī)制；根據(jù)長(zhǎng)期積累的用電數(shù)據(jù)，分析獨(dú)居人群的用電模式，為其提供用電優(yōu)化建議。本發(fā)明不僅有助于保障獨(dú)居人群的用電安全和穩(wěn)定，還能夠提供用電優(yōu)化建議，提高用電效率，減少能源浪費(fèi)。

技術(shù)研發(fā)人員：方輝祥,高波,童興輝,潘慧,蔣浩林,吳真中
受保護(hù)的技術(shù)使用者：合肥大多數(shù)信息科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19