一种电能耗数据异常预警方法与流程

1.本发明涉及计算机数据处理技术领域，尤其涉及一种电能耗数据异常预警方法。


背景技术：

2.随着企业电能耗精细化管理，在对电能耗数据的采集过程中，数据的准确性尤其重要。大型企业组织分布区域广，若需要对企业能耗进行统一管理，则首先需要保证智能电表的运行稳定性。传统定期检修智能电表的方法耗费时间多，且对于企业统一运维管理来说，运维成本也较高，因此，亟需一种能够针对智能电表，实现远程且实时的电能耗采集数据分析和异常判定的方法。


技术实现要素：

3.发明目的：本发明所要解决的技术问题是针对智能电表上报的电能耗数据异常判定方法上的不足，提供一种电能耗数据异常预警方法，包括如下步骤：
4.步骤1，对企业内部的电表建立空间关联关系，所述空间关联关系包括每个电表所属的企业所在地、建筑楼栋、楼层和房间；
5.步骤2，通过智能采集器获取所述每个电表的实时数据，并按照预设上报频率将所述实时数据上报至平台；具体的，本发明中，所述实时数据上报的预设周期可以设置为1小时，也可以根据实际情况灵活调整。
6.步骤3，所述平台收到实时数据后，根据预设指标阈值判断所述实时数据是否为电能耗异常数据；若是，则存储所述电能耗异常数据对应的异常信息并结束判断；若否，则执行步骤4；
7.步骤4，所述平台将电表本周期的电能示数与电表上周期的电能示数做差，得到所述电表的本期用电量；
8.步骤5，根据所述电表的空间关联关系和本期用电量，获得非固定业务异常概率；
9.步骤6，根据所述非固定业务异常概率进行电能耗数据的分级异常预警。
10.进一步地，在一种实现方式中，所述步骤3包括：
11.步骤3.1，获取所述实时数据中电表的电流、电压和电能；
12.步骤3.2，判断所述电表的电流、电压和电能是否分别在预设指标阈值内，所述平台中，每个所述电表与电表的预设指标阈值一一对应，所述电表的预设指标阈值包括预设电压指标阈值、预设电流指标阈值和预设电能指标阈值；
13.步骤3.3，若所述实时数据中的电流、电压和电能中的任一项超出预设指标阈值，判定所述实时数据为电能耗异常数据，存储所述电能耗异常数据对应的异常信息并结束判断；具体的，本发明中，若实时数据中的电流、电压和电能中的任一项大于预设指标阈值，则无法确定本周期上报的实时数据为准确数据，因此属于电能耗异常数据。具体的，本步骤中，阈值可以是上限也可以是下限，所以将实时数据与预设指标阈值相比较时，可能出现实时数据大于预设指标阈值时为电能耗异常数据的情况，也可能出现实时数据小于预设指标
阈值时为电能耗异常数据的情况。
14.步骤3.4，若所述实时数据中的电流、电压和电能每一项均未超出预设指标阈值，则执行所述步骤4。
15.进一步地，在一种实现方式中，所述步骤5包括：
16.步骤5.1，查找所述电表所在空间窗口，所述空间窗口即根据电表的空间关联关系确定的所有房间，获取所述空间窗口内所有电表的本期用电量，计算所述空间窗口内所有电表的本期用电量的空间关联离散度，即得出第一异常概率参数p1；
17.步骤5.2，选取时间窗口，获取所述电表在时间窗口对应的一段连续时间内的每一期用电量，假设计算总期数为n，计算变化趋势波动比例，即得出第二异常概率参数p2；具体的，本发明中，计算总期数n是根据时间窗口长度以及电表上报频率，计算出来的数值。例如，时间窗口长度设置为12小时，电表上报频率为1小时一次，则计算总期数n为12。此外，所述时间窗口可以设置为12小时，也可以根据实际情况灵活调整。
18.步骤5.3，获取若干个历史时序，即所述电表的上一日、上一周、上一月以及上一年与所述步骤5.2中时间窗口同时段连续n期的历史时序数据，计算每个所述历史时序数据与步骤5.2时序数据的相似度，并对计算获得的每个所述相似度进行排序，得到最高相似度，即得出第三异常概率参数p3；
19.步骤5.4，定义预测值，将所述电表本周期电能值，即所述实时数据中的电能值与预测值比较，计算波动比例，得出第四异常概率参数p4；
20.步骤5.5，将所述异常概率参数p1、第二异常概率参数p2、第三异常概率参数p3和第四异常概率参数p4加权相加，得出所述非固定业务异常概率。
21.进一步地，在一种实现方式中，所述电表的空间窗口根据电表的空间关联关系确定，所述空间窗口包括：
22.楼栋确定的空间窗口，即所述空间窗口为电表所属的同一企业所在地中，同一建筑楼栋的所有房间；
23.楼层确定的空间窗口，即所述空间窗口为电表所属的同一企业所在地中，同一建筑楼栋中，同一楼层所在的所有房间；
24.其他空间窗口，即除了所述楼栋确定的空间窗口以及楼层确定的空间窗口之外，根据所述电表所属的企业所在地、建筑楼栋、楼层和房间灵活确定的空间窗口。
25.进一步地，在一种实现方式中，所述步骤5.1中空间关联离散度的计算方法为：
26.空间关联离散度＝math.abs(本电表本期用电量-空间窗口内所有电表本期用电量中位数)/(空间窗口内所有电表本期用电量中的最大用电量-空间窗口内所有电表本期用电量中的最小用电量)。
27.进一步地，在一种实现方式中，所述步骤5.2中变化趋势波动比例的计算方法为：
28.变化趋势波动比例＝math.abs(本电表本期用电量-本电表上个周期用电量)/本电表上个周期用电量-时间窗口内本电表电量增长率中位数)/(时间窗口内本电表电量最大增长率-时间窗口内本电表电量最小增长率)。
29.进一步地，在一种实现方式中，所述步骤5.4中波动比例的计算方法为：
30.波动比例＝math.abs(本期用电量-预测值)/math.max(预测值，本期用电量)。具体的，本发明中，预测值目前为从现有的软件平台配置中获取，预测值的来源及计算不通过
本方法进行限定。
31.由以上技术方案可知，本发明提供一种电能耗数据异常预警方法，包括：步骤1，对企业内部的电表建立空间关联关系，所述空间关联关系包括每个电表所属的企业所在地、建筑楼栋、楼层和房间；步骤2，通过智能采集器获取所述每个电表的实时数据，并按照预设上报频率将所述实时数据上报至平台；步骤3，所述平台收到实时数据后，根据预设指标阈值判断所述实时数据是否为电能耗异常数据；若是，则存储所述电能耗异常数据对应的异常信息并结束判断；若否，则执行步骤4；步骤4，所述平台将电表本周期的电能示数与电表上周期的电能示数做差，得到所述电表的本期用电量；步骤5，根据所述电表的空间关联关系和本期用电量，获得非固定业务异常概率；步骤6，根据所述非固定业务异常概率进行电能耗数据的分级异常预警。
32.现有技术中，传统定期检修智能电表的方法耗费时间多，且对于企业统一运维管理来说，运维成本也较高。而采用前述方法，在对电表做空间分类的前提下，获取智能电表上报的多指标数据后，经基础业务规则判断，在数据持久化之前，基于该电表本期用电量空间离散度、连续时间内用电量变化趋势波动比例、历史时序数据相似度计算，并引入预测值计算波动比例，异常概率，以提高异常判定的准确度，减少误判，提醒企业用户及时排查异常，纠正数据，因此相对于现有技术，本发明提高了对电能耗数据异常判定的效率，降低了运维成本。
附图说明
33.为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
34.图1是本发明实施例部分提供的一种电能耗数据异常预警方法的工作流程示意图。
具体实施方式
35.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
36.本发明实施例公开一种电能耗数据异常预警方法，本方法应用于企业内部能耗监测和计量。企业需要对电能耗进行精细化管理。在数据出现故障异常的情况下，会对能耗的分析和管控产生错误的判定。通过本方案，可以及时发现电能耗的异常，提高企业能耗监测准确性。
37.本实施例提供一种电能耗数据异常预警方法，包括如下步骤：
38.步骤1，对企业内部的电表建立空间关联关系，所述空间关联关系包括每个电表所属的企业所在地、建筑楼栋、楼层和房间；
39.步骤2，通过智能采集器获取所述每个电表的实时数据，并按照预设上报频率将所述实时数据上报至平台；具体的，本实施例中，不限定具体智能采集器的型号，能够实现本发明所需功能即可。而所述实时数据上报的预设周期可以设置为1小时，也可以根据实际情况灵活调整。
40.步骤3，所述平台收到实时数据后，根据预设指标阈值判断所述实时数据是否为电能耗异常数据；若是，则存储所述电能耗异常数据对应的异常信息并结束判断；若否，则执行步骤4；
41.步骤4，所述平台将电表本周期的电能示数与电表上周期的电能示数做差，得到所述电表的本期用电量；
42.步骤5，根据所述电表的空间关联关系和本期用电量，获得非固定业务异常概率；
43.步骤6，根据所述非固定业务异常概率进行电能耗数据的分级异常预警。
44.本实施例提供的一种电能耗数据异常判定方法中，所述步骤3包括：
45.步骤3.1，获取所述实时数据中电表的电流、电压和电能；
46.步骤3.2，判断所述电表的电流、电压和电能是否分别在预设指标阈值内，所述平台中，每个所述电表与电表的预设指标阈值一一对应，所述电表的预设指标阈值包括预设电压指标阈值、预设电流指标阈值和预设电能指标阈值；
47.步骤3.3，若所述实时数据中的电流、电压和电能中的任一项超出预设指标阈值，判定所述实时数据为电能耗异常数据，存储所述电能耗异常数据对应的异常信息并结束判断；具体的，本实施例中，若实时数据中的电流、电压和电能中的任一项超出预设指标阈值，则无法确定本周期上报的实时数据为准确数据，因此属于电能耗异常数据。
48.步骤3.4，若所述实时数据中的电流、电压和电能每一项均未超出预设指标阈值，则执行所述步骤4。
49.本实施例提供的一种电能耗数据异常判定方法中，所述步骤5包括：
50.步骤5.1，查找所述电表所在空间窗口，所述空间窗口即根据电表的空间关联关系确定的所有房间，获取所述空间窗口内所有电表的本期用电量，计算所述空间窗口内所有电表的本期用电量的空间关联离散度，即得出第一异常概率参数p1；
51.步骤5.2，选取时间窗口，获取所述电表在时间窗口对应的一段连续时间内每一期用电量，假设计算总期数为n，计算变化趋势波动比例，即得出第二异常概率参数p2；具体的，本实施例中，计算总期数n是根据时间窗口长度以及电表上报频率，计算出来的数值。例如，时间窗口长度设置为12小时，电表上报频率为1小时一次，则计算总期数n为12。此外，所述时间窗口可以设置为12小时，也可以根据实际情况灵活调整。
52.步骤5.3，获取若干个历史时序，即所述电表的上一日、上一周、上一月以及上一年与所述步骤5.2中时间窗口同时段连续n期的历史时序数据，计算每个所述历史时序数据与步骤5.2时序数据的相似度，并对计算获得的每个所述相似度进行排序，得到最高相似度，即得出第三异常概率参数p3；
53.步骤5.4，定义预测值，将所述电表本周期电能值，即所述实时数据中的电能值与预测值比较，计算波动比例，得出第四异常概率参数p4；
54.步骤5.5，将所述异常概率参数p1、第二异常概率参数p2、第三异常概率参数p3和第四异常概率参数p4加权相加，得出所述非固定业务异常概率。具体的，本实施例中，所述非固定业务异常概率p＝0.1*p1 0.35*p2 0.35*p3 0.2*p4。
55.本实施例提供的一种电能耗数据异常判定方法中，所述电表的空间窗口根据电表的空间关联关系确定，所述空间窗口包括：
56.楼栋确定的空间窗口，即所述空间窗口为电表所属的同一企业所在地中，同一建
筑楼栋的所有房间；
57.楼层确定的空间窗口，即所述空间窗口为电表所属的同一企业所在地中，同一建筑楼栋中，同一楼层所在的所有房间；
58.其他空间窗口，即除了所述楼栋确定的空间窗口以及楼层确定的空间窗口之外，根据所述电表所属的企业所在地、建筑楼栋、楼层和房间灵活确定的空间窗口。
59.本实施例提供的一种电能耗数据异常判定方法中，所述步骤5.1中空间关联离散度的计算方法为：
60.空间关联离散度＝math.abs(本电表本期用电量-空间窗口内所有电表本期用电量中位数)/(空间窗口内所有电表本期用电量中的最大用电量-空间窗口内所有电表本期用电量中的最小用电量)。
61.本实施例提供的一种电能耗数据异常判定方法中，所述步骤5.2中变化趋势波动比例的计算方法为：
62.变化趋势波动比例＝math.abs(本电表本期用电量-本电表上个周期用电量)/本电表上个周期用电量-时间窗口内本电表电量增长率中位数)/(时间窗口内本电表电量最大增长率-时间窗口内本电表电量最小增长率)。
63.本实施例提供的一种电能耗数据异常判定方法中，所述步骤5.4中波动比例的计算方法为：
64.波动比例＝math.abs(本期用电量-预测值)/math.max(预测值，本期用电量)。具体的，本实施例中，预测值目前为从现有的软件平台配置中获取，预测值的来源及计算不通过本方法进行限定。
65.实施例：
66.本实施例提供的一种电能耗数据异常判定方法中，所述步骤6包括：
67.判断步骤5所得非固定业务异常概率值所处区间，若小于等于0.2，则在软件平台中产生一条四级预警记录；若步骤5所得非固定业务异常概率大于0.2，小于等于0.5，则在软件平台中产生一条三级预警记录；若步骤5所得非固定业务异常概率大于0.5，小于等于0.8，则在软件平台中产生一条二级预警记录；若步骤5所得非固定业务异常概率大于0.8，小于等于1，则在软件平台中产生一条一级预警记录。
68.由以上技术方案可知，本发明实施例提供一种电能耗数据异常预警方法，包括：步骤1，对企业内部的电表建立空间关联关系，所述空间关联关系包括每个电表所属的企业所在地、建筑楼栋、楼层和房间；步骤2，通过智能采集器获取所述每个电表的实时数据，并按照预设上报频率将所述实时数据上报至平台；步骤3，所述平台收到实时数据后，根据预设指标阈值判断所述实时数据是否为电能耗异常数据；若是，则存储所述电能耗异常数据对应的异常信息并结束判断；若否，则执行步骤4；步骤4，所述平台将电表本周期的电能示数与电表上周期的电能示数做差，得到所述电表的本期用电量；步骤5，根据所述电表的空间关联关系和本期用电量，获得非固定业务异常概率；步骤6，根据所述非固定业务异常概率进行电能耗数据的分级异常预警。
69.现有技术中，传统定期检修智能电表的方法耗费时间多，且对于企业统一运维管理来说，运维成本也较高。而采用前述方法，在对电表做空间分类的前提下，获取智能电表上报的多指标数据后，经基础业务规则判断，在数据持久化之前，基于该电表本期用电量空
间离散度、连续时间内用电量变化趋势波动比例、历史时序数据相似度计算，并引入预测值计算波动比例，异常概率，以提高异常判定的准确度，减少误判，提醒企业用户及时排查异常，纠正数据，因此相对于现有技术，本发明提高了对电能耗数据异常判定的效率，降低了运维成本。
70.具体实现中，本发明还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时可包括本发明提供的一种电能耗数据异常预警方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。
71.本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
72.本说明书中各个实施例之间相同相似的部分互相参见即可。以上所述的本发明实施方式并不构成对本发明保护范围的限定。