基于人工智能的用电安全管理方法及装置制造方法及图纸

本发明专利技术提供了一种基于人工智能的用电安全管理方法及装置，涉及电力管理技术领域。通过对历史供电信号和历史用电信号的学习，分别建立供电训练模型和用电训练模型，再通过供电训练模型对实时供电信号的处理，将实时供电信号中的正常供电信号和异常供电信号分别进行标注。同时利用用电训练模型对实时用电信号进行处理，实现对用电信号中的正常用电信号和异常用电信号的标注。通过这样的方法，实现对供电信号和用电信号是否正常的标记判断。由于无需人工参与，可以实现对大量实时信号的处理，同时通过提高历史信号的数据量，可以提高判断的准确率，实现对实时信号的快速判断，给工作人员提供即时的信息参考，提高供电设备和用电设备的管理效率。

【技术实现步骤摘要】
基于人工智能的用电安全管理方法及装置
本专利技术涉及电力管理
，具体而言，涉及一种基于人工智能的用电安全管理方法及装置。
技术介绍
现有的供电用电过程中，一旦设备出现了故障，通常需要工作人员根据相应的监测信号确定故障的具体原因，在一些电力管理较复杂的场合，供电设备和用电设备数量多，工作人员很难对大量的监测信号做出及时的判定，处理效率低。
技术实现思路
有鉴于此，本专利技术提供了一种基于人工智能的用电安全管理方法及装置，可以通过人工智能实现对供电和用电信号的判定。本专利技术提供的技术方案如下：通过对历史供电信号和历史用电信号的学习，分别建立供电训练模型和用电训练模型，再通过供电训练模型对实时供电信号的处理，将实时供电信号中的正常供电信号和异常供电信号分别进行标注。同时利用用电训练模型对实时用电信号进行处理，实现对用电信号中的正常用电信号和异常用电信号的标注。通过这样的方法，实现对供电信号和用电信号是否正常的标记判断。由于无需人工参与，可以实现对大量实时信号的处理，同时通过提高历史信号的数据量，可以提高判断的准确率，实现对实时信号的快速判断，给工作人员提供即时的信息参考，提高供电设备和用电设备的管理效率。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，作详细说明如下。具体实施方式下面对本专利技术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专利技术一部分实施例，而不是全部的实施例。因此，以下对提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应注意到：同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。本专利技术实施例提供了一种基于人工智能的用电安全管理方法，包括以下步骤。步骤S101，接收所述供电设备的供电线路的多个预设周期内的历史供电信号集合和实时供电信号集合，其中所述历史供电信号集合包括正常供电参数子集和异常供电参数子集。在使用人工智能算法对供电信号和用电信号进行分析时，可以先通过对历史信号的分析，确定信号的特征。可以通过对历史供电信号集合的处理，确定供电信号的特征和对应的信号状态，并且可以通过对历史用电信号的处理，确定用电信号的特征和对应的信号状态。历史供电信号集合中的历史供电信号可以包括某一供电设备的历史时段中的各种检测信号，包括但不限于电流大小、电压大小、供电功率大小、功率因数大小、供电线路的负荷等参数，该历史供电信号集合还可以包括供电设备出现故障的时间点、出现故障时的各种检测信号的具体参数、供电设备的位置信息、供电设备的设备参数、历史某一时段的供电数据等等。可以理解的是，历史供电信号集合中还可以包括多个供电设备的各种相关参数。不同的供电设备可以通过预先配置的设备编号进行区别，此外，历史供电信号集合还可以包括供电设备在不同信号状态下的具体操作方式。由于正常使用的供电设备各种检测信号处于正常状态的情况要多于检测信号处于异常情况，因此，为了对异常状态的检测信号做出及时的判断，可以将供电设备处于异常状态时的各种检测信号作为历史供电信号集合的内容。可以对供电设备正常供电状态下的信号集合形成正常供电参数子集，将供电设备出现异常情况下的信号集合形成异常供电参数子集。供电设备可以包括电网中供电侧的各种设备，如变压器、供电线路等。此外，还可以接收供电设备的实时供电信号集合，供电设备可以将当前的工作状态下的各种检测信号集合形成实时供电信号集合，供电设备的当前工作状态可能是处于正常状态或者异常状态。步骤S102，接收用电设备的用电线路的多个预设周期内的历史用电信号集合和实时用电信号集合，其中，所述历史用电信号集合包括正常用电参数子集和异常用电参数子集。电网运行中，供电设备的正常或异常会对电网运行造成影响，同样的，用电设备也会存在正常或异常状态。本专利技术实施例中，还可以在接收供电设备的信号的同时，接收用电设备的信号。用电设备的历史用电信号集合可以是某一个用电设备或多个设备在历史运行时的各种参数，历史用电信号集合中的参数可以是设置在用电设备上的各种检测传感器检测得到的，不同用电设备的历史用电信号节后包含的各种参数可以是不同的。可以理解的是，同一台用电设备的不同历史时段的信号也可以是不同类别的。步骤S103，对所述历史供电信号集合和历史用电信号集合进行数据清洗，以去除不符合预设条件的数据。在获取到了历史供电信号集合和历史用电信号集合后，可以根据预设条件的限制，对信号集合中的一些杂质信号，例如可以去掉历史供电信号集合中检测信号与供电设备的状态不匹配的情况。步骤S104，从清洗后的历史供电信号集合和历史用电信号集合中分别提取历史供电特征和历史用电特征。历史供电特征的提取可以根据不同的供电设备分别提取，一个供电设备的历史供电特征可以包括该供电设备的历史供电时间段、正常工作的时间段、正常工作时的各个检测信号的数值、异常工作的时间段、异常工作时的各个检测信号的数值。历史供电特征可以作为历史供电信号集合中的各种数值的字段名。同样的，历史用电特征的提取也可以根据不同的用电设备分别提取，用电设备的历史用电特征可以包括该用电设备的历史用电时间段、正常用电的时间段、正常用电时的各个检测信号的数值、异常用电的时间段、异常用电时的各个检测信号的数值等等。历史用电特征可以作为历史用电信号集合中的各个数值的字段名，历史用电信号中的各数值作为历史用电特征下面的具体数值进行对应存储。步骤S105，从清洗后的多个历史供电信号集合和多个历史用电信号集合中按照预设比例分别抽取至少一个样本分别作为供电训练集和用电训练集。在对历史供电信号集合和历史用电信号集合分别进行数据清洗后，可以按照预定的比例，分别选定供电训练集和用电训练集。供电训练集的抽取比例和用电训练集的抽取比例可以相同或不同，供电训练集和用电训练集可以包括尽可能多的数据。步骤S106，从清洗后的多个历史供电信号集合和多个历史用电信号集合中抽取至少一个样本分别作为供电验证集和用电验证集。步骤S107，依据所述供电训练集和用电训练集，使用预设算法训练得到预设数量的供电训练模型和用电训练模型。在抽取训练集的同时，可以抽取部分样本作为验证集。具体的，可以从历史供电信号集合中抽取至少一个作为供电验证集，在得到训练模型后，可以利用该供电验证集对得到的供电训练模型的准确性进行验证。同时，从历史用电信号集合中抽取得到的用电验证集，可以对得到的用电训练模型的准确性进行验证。在对供电训练集和用电训练集进行训练时，由于供电训练集中包含的各种信号对应的状态是已知的，用电训练集中包含的各种信号对应的状态也是已知的。可以采用监督式学习的方式进行学习训练，例如可以选择逻辑回归算法和反向传递神经网络算法进行监督式学习。在供电训练集和用电训练集中的信号数据只被标识了一部分时，也可以采用半监督式的学习训练，可以采用图论推理算法或者拉普拉斯支持向量机算法等进行学习训练。或者也可以采用其他形式的算法进行学习训练，得到供电训练模型和用电训练模型。步骤S108，利用所述供电验证集和用电验证集对所述供电训练模型和用本文档来自技高网...

【技术保护点】
1.一种基于人工智能的用电安全管理方法，其特征在于，包括：接收所述供电设备的供电线路的多个预设周期内的历史供电信号集合和实时供电信号集合，其中所述历史供电信号集合包括正常供电参数子集和异常供电参数子集；接收用电设备的用电线路的多个预设周期内的历史用电信号集合和实时用电信号集合，其中，所述历史用电信号集合包括正常用电参数子集和异常用电参数子集；对所述历史供电信号集合和历史用电信号集合进行数据清洗，以去除不符合预设条件的数据；从清洗后的历史供电信号集合和历史用电信号集合中分别提取历史供电特征和历史用电特征；从清洗后的多个历史供电信号集合和多个历史用电信号集合中按照预设比例分别抽取至少一个样本分别作为供电训练集和用电训练集；从清洗后的多个历史供电信号集合和多个历史用电信号集合中抽取至少一个样本分别作为供电验证集和用电验证集；使用预设算法对所述供电训练集和用电训练集进行训练，得到预设数量的供电训练模型和用电训练模型；利用所述供电验证集和用电验证集对所述供电训练模型和用电训练模型进行验证，得到验证后的供电训练模型和用电训练模型，其中所述供电训练模型包括正常供电子模型和异常供电子模型，所述用电训练模型包括正常用电子模型和异常用电子模型；确定验证后的供电训练模型中正常供电子模型的信号特征及异常供电子模型的信号特征，并确定验证后的用电训练模型中正常用电子模型的信号特征及异常用电子模型的信号特征；使用验证后的所述供电训练模型对所述实时供电信号集合进行验证，将符合所述正常供电子模型信号特征的供电信号标记为安全供电信号，将符合异常供电子模型信号特征的供电信号标记为异常供电信号；使用验证后的所述用电训练模型对所述实时用电信号集合进行验证，将符合正常用电子模型信号特征的用电信号标记为安全用电信号，将符合异常用电子模型信号特征的用电信号标记为异常用电信号。...

【技术特征摘要】
1.一种基于人工智能的用电安全管理方法，其特征在于，包括：接收所述供电设备的供电线路的多个预设周期内的历史供电信号集合和实时供电信号集合，其中所述历史供电信号集合包括正常供电参数子集和异常供电参数子集；接收用电设备的用电线路的多个预设周期内的历史用电信号集合和实时用电信号集合，其中，所述历史用电信号集合包括正常用电参数子集和异常用电参数子集；对所述历史供电信号集合和历史用电信号集合进行数据清洗，以去除不符合预设条件的数据；从清洗后的历史供电信号集合和历史用电信号集合中分别提取历史供电特征和历史用电特征；从清洗后的多个历史供电信号集合和多个历史用电信号集合中按照预设比例分别抽取至少一个样本分别作为供电训练集和用电训练集；从清洗后的多个历史供电信号集合和多个历史用电信号集合中抽取至少一个样本分别作为供电验证集和用电验证集；使用预设算法对所述供电训练集和用电训练集进行训练，得到预设数量的供电训练模型和用电训练模型；利用所述供电验证集和用电验证集对所述供电训练模型和用电训练模型进行验证，得到验证后的供电训练模型和用电训练模型，其中所述供电训练模型包括正常供电子模型和异常供电子模型，所述用电训练模型包括正常用电子模型和异常用电子模型；确定验证后的供电训练模型中正常供电子模型的信号特征及异常供电子模型的信号特征，并确定验证后的用电训练模型中正常用电子模型的信号特征及异常用电子模型的信号特征；使用验证后的所述供电训练模型对所述实时供电信号集合进行验证，将符合所述正常供电子模型信号特征的供电信号标记为安全供电信号，将符合异常供电子模型信号特征的供电信号标记为异常供电信号；使用验证后的所述用电训练模型对所述实时用电信号集合进行验证，将符合正常用电子模型信号特征的用电信号标记为安全用电信号，将符合异常用电子模型信号特征的用电信号标记为异常用电信号。2.根据权利要求1所述的基于人工智能的用电安全管理方法，其特征在于，该方法还包括：确定所述供电设备的所在位置及所述用电设备的所在位置；获取与所述供电设备所在位置对应的环境数据；获取与所述用电设备所在位置对应的环境数据；根据所述环境数据对所述历史供电信号集合进行标注，确定所述安全供电子集和异常供电子集分别对应的环境数据；根据所述环境数据对所述历史用电信号集合进行标注，确定所述安全用电子集和异常用电子集分别对应的环境数据；确定所述供电训练集合中的各历史供电信号对应的环境数据；确定所述用电训练集合中的各历史用电集合对应的环境数据。3.根据权利要求1所述的基于人工智能的用电安全管理方法，其特征在于，依据所述供电训练集和用电训练集，使用预设算法训练得到预设数量的供电训练模型和用电训练模型的步骤包括：以不同的预设比例从所述供电训练集中抽取符合预设条件的样本作为清洗后的供电训练模型；对所述供电信号集合的特征进行采样，得到所述供电信号集合的所有信号特征；将所述供电信号集合所有的信号特征中的至少一部分作为每个所述供电训练模型的对应信号特征。4.根据权利要求1所述的基于人工智能的用电安全管理方法，其特征在于，该方法还包括：预先根据所述供电信号集合对应的供电企业标识对所述供电信号集合进行分类；及预先根据所述用电信号集合对应的用户标识对所述用电信号集合进行分类。5.根据权利要求1所述的基于人工智能的用电安全管理方法，其特征在于，该方法还包括：从所述历史供电信号集合中划分预设比例的数据组成供电信号测试集合；使用所述供电信号测试集合对所述供电训练集合进行测试，以确定所述供电训练集合是否可以对所述供电信号测试集合进行判断；从所述历史用电信号集合中划分预设比例的数据组成用电信号测试集合；使用所述用电信号测试集合对所述用电训练集合进行测试，以确定所述用电训练集合是否可以对所述用电信号测试集合进行判断。6.一种基于人工智能的用电安全管理装置，其特征在于，包括：第一接收模块，用于接收所述供电设备的供电线路的...

【专利技术属性】
技术研发人员：马健，马骥，
申请(专利权)人：中领世能天津科技有限公司，
类型：发明
国别省市：天津,12