基于时序与图像的散乱污用户精准捕获方法及系统技术方案

本发明专利技术属于用电数据处理领域，提供了一种基于时序与图像的散乱污用户精准捕获方法及系统。其中，该方法包括获取设定供电区域内所有用户的用电情况并进行分群；选择群中用户数量少于预设用户数量阈值，且群中用户的峰值电量与总电量比值小于预设比值阈值的群，所筛选的群内成员作为疑似散乱污用户；将疑似散乱污用户的用电时序数据映射成电量格拉姆角场二维图像，根据电量格拉姆角场二维图像与散乱污样本库中格拉姆角场的相似度来精准捕获散乱污用户。污用户。污用户。

【技术实现步骤摘要】
基于时序与图像的散乱污用户精准捕获方法及系统


[0001]本专利技术属于用电数据处理领域，尤其涉及一种基于时序与图像的散乱污用户精准捕获方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]散乱污用户具有月用电量大以及用户用电负荷与普通用户不一致的特点，而且散乱污用户存在量大及面广的问题，目前的散乱污用户捕获大多都是通过群众举报的方式，这样存在散乱污用户遗漏的问题。
[0004]而且现有的方法也有基于统计学的离群点检测方法捕获散乱污用户，然而基于近邻性的的离群点检测方法主要针对全局离群点或者局部离群点，对较为复杂的情况缺乏鲁棒性；基于聚类的解决方案考虑将具有不同特征的数据点划分到不同的区域，但是没有一个确定的指标来确定各个区域的离群程度，需要一定程度的人工干预才能完成离群检测，从而也造成散乱污用户捕获不准确且存在遗漏的问题。

技术实现思路

[0005]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种基于时序与图像的散乱污用户精准捕获方法及系统，其能够精准捕获散乱污用户，实现散乱污用户的智能诊断与定位。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术的第一个方面提供一种基于时序与图像的散乱污用户精准捕获方法，其包括：
[0008]获取设定供电区域内所有用户的用电情况并进行分群；
[0009]选择群中用户数量少于预设用户数量阈值，且群中用户的峰值电量与总电量比值小于预设比值阈值的群，所筛选的群内成员作为疑似散乱污用户；
[0010]将疑似散乱污用户的用电时序数据映射成电量格拉姆角场二维图像，根据电量格拉姆角场二维图像与散乱污样本库中格拉姆角场的相似度来精准捕获散乱污用户。
[0011]本专利技术的第二个方面提供一种基于时序与图像的散乱污用户精准捕获系统，其包括：
[0012]用户分群模块，其用于获取设定供电区域内所有用户的用电情况并进行分群；
[0013]疑似散乱污用户确定模块，其用于选择群中用户数量少于预设用户数量阈值，且群中用户的峰值电量与总电量比值小于预设比值阈值的群，所筛选的群内成员作为疑似散乱污用户；
[0014]散乱污用户捕获模块，其用于将疑似散乱污用户的用电时序数据映射成电量格拉姆角场二维图像，根据电量格拉姆角场二维图像与散乱污样本库中格拉姆角场的相似度来
精准捕获散乱污用户。
[0015]本专利技术的第三个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于时序与图像的散乱污用户精准捕获方法中的步骤。
[0016]本专利技术的第四个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的基于时序与图像的散乱污用户精准捕获方法中的步骤。
[0017]与现有技术相比，本专利技术的有益效果是：
[0018]本专利技术选择群中用户数量少于预设用户数量阈值，且群中用户的峰值电量与总电量比值小于预设比值阈值的群，所筛选的群内成员作为疑似散乱污用户，将疑似散乱污用户的用电时序数据映射成电量格拉姆角场二维图像，根据电量格拉姆角场二维图像与散乱污样本库中格拉姆角场的相似度，能够精准捕获散乱污用户，并输出散乱污用户的户表信息，用以支撑环保部门稽查。
[0019]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0020]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0021]图1是本专利技术实施例的基于时序与图像的散乱污用户精准捕获方法流程图；
[0022]图2是本专利技术实施例的基于时序与图像的散乱污用户精准捕获原理图；
[0023]图3(a)是本专利技术实施例的第一群用电量时序图；
[0024]图3(b)是本专利技术实施例的第一群格拉姆角场图；
[0025]图3(c)是本专利技术实施例的第二群中第一个用电量时序图；
[0026]图3(d)是本专利技术实施例的第二群中第一个格拉姆角场图；
[0027]图3(e)是本专利技术实施例的第二群中第二个用电量时序图；
[0028]图3(f)是本专利技术实施例的第二群中第二个格拉姆角场图；
[0029]图3(g)是本专利技术实施例的第三群中第一个用电量时序图；
[0030]图3(h)是本专利技术实施例的第三群中第一个格拉姆角场图；
[0031]图3(i)是本专利技术实施例的第三群中第二个用电量时序图；
[0032]图3(j)是本专利技术实施例的第三群中第二个格拉姆角场图；
[0033]图3(k)是本专利技术实施例的第三群中第三个用电量时序图；
[0034]图3(l)是本专利技术实施例的第三群中第三个格拉姆角场图；
[0035]图3(m)是本专利技术实施例的第四群中第一个用电量时序图；
[0036]图3(n)是本专利技术实施例的第四群中第一个格拉姆角场图；
[0037]图3(o)是本专利技术实施例的第四群中第二个用电量时序图；
[0038]图3(p)是本专利技术实施例的第四群中第二个格拉姆角场图；
[0039]图3(q)是本专利技术实施例的第四群中第三个用电量时序图；
[0040]图3(r)是本专利技术实施例的第四群中第三个格拉姆角场图；
[0041]图4(a)是本专利技术实施例的第三群中用户格拉姆角场256级灰度图像；
[0042]图4(b)是本专利技术实施例的散乱污特征库中的样本256级灰度图像；
[0043]图4(c)是本专利技术实施例的第三群中用户格拉姆角场缩放32*32图像；
[0044]图4(d)是本专利技术实施例的散乱污特征库中的样本缩放32*32图像；
[0045]图4(e)是本专利技术实施例的第三群中用户格拉姆角场哈希指纹图；
[0046]图4(f)是本专利技术实施例的散乱污特征库中的样本哈希指纹图。
具体实施方式
[0047]下面结合附图与实施例对本专利技术作进一步说明。
[0048]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0049]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0050]实施例一
[0051]如图1所示，本实施例提供了一种基于时序与图像的散乱污用户精准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时序与图像的散乱污用户精准捕获方法，其特征在于，包括：获取设定供电区域内所有用户的用电情况并进行分群；选择群中用户数量少于预设用户数量阈值，且群中用户的峰值电量与总电量比值小于预设比值阈值的群，所筛选的群内成员作为疑似散乱污用户；将疑似散乱污用户的用电时序数据映射成电量格拉姆角场二维图像，根据电量格拉姆角场二维图像与散乱污样本库中格拉姆角场的相似度来精准捕获散乱污用户。2.如权利要求1所述的基于时序与图像的散乱污用户精准捕获方法，其特征在于，当电量格拉姆角场二维图像与散乱污样本库中格拉姆角场的相似度超过设定相似度阈值时，则判断相应疑似散乱污用户为真实散乱污用户，则将真实散乱污用户的用电量格拉姆角场二维图像添加入到散乱污样本库中。3.如权利要求1所述的基于时序与图像的散乱污用户精准捕获方法，其特征在于，使用互信息算法或感知哈希算法，计算用电量格拉姆角场二维图像与散乱污样本库中格拉姆角场的相似度。4.如权利要求1所述的基于时序与图像的散乱污用户精准捕获方法，其特征在于，所述相似度采用汉明距离来表示。5.如权利要求1所述的基于时序与图像的散乱污用户精准捕获方法，其特征在于，基于K
‑
means聚类方法及用户的用电情况，对用户进行分群。6.如权利要求1所述的基于时序与图像的散乱污用户精准捕获方法，其特征在于，所述...

【专利技术属性】
技术研发人员：张永峰，张梦华，黄伟杰，陈月辉，钟民，孔一帆，张晓，
申请(专利权)人：济南大学，
类型：发明
国别省市：