一种日清电量异常的自动识别方法及系统技术方案

本公开属于电力营销技术领域，具体涉及一种日清电量异常的自动识别方法及系统，包括：获取电能表的表码计量数据；对所获取的表码计量数据进行分析校验，完成电量异常的自动识别；其中，在分析校验的过程中，基于配置审核规则核查所获取的表码计量数据，得到初步识别筛查数据；根据所得到的初步识别筛查数据和异常校验模型，识别核查后表码计量数据中的异常数据，实现日清电量异常的自动识别。实现日清电量异常的自动识别。实现日清电量异常的自动识别。

【技术实现步骤摘要】
一种日清电量异常的自动识别方法及系统


[0001]本公开属于电力营销
，具体涉及一种日清电量异常的自动识别方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着电网公司业务的发展和电力体制改革的进一步深入，电力营销部门所承担的核算业务越来越复杂化、多元化，涵盖了用电客户、市场化客户，分布式电源用户、统调电厂、非统调电厂等发用两侧多种类型客户的电量结算；随着市场化现货交易和购售同期的推进，使得计算周期变短，频率增高、结算时间更集中。
[0004]随着抄核自动化、智能化、精益化要求的提升，对电量审核的精准性、高效性提出了更高的要求，现有的电量审核主要存在以下问题：
[0005](1)电量抄表数据的质量低，存在着采集失败，表码倒走、不平等现象；
[0006](2)电量数据的审核精准度不高，需要核算员人工介入电量异常的处理，同时存在漏拦截的现象。
[0007](3)缺乏未形成审核共享能力，档案及采集数据问题是造成电量结清通过率低的主要原因，目前抄表数据复核及电量电费审核不具备对外输出共享审核服务。
[0008](4)缺乏基于历史数据的审核规则有效性、阈值合理性、命中率等指标综合分析，审核规则改进缺乏数据支撑。

技术实现思路

[0009]为了解决上述问题，本公开提出了一种日清电量异常的自动识别方法及系统，通过对用户的用电量进行每日清算，及时筛选出日清电量异常的数据，保障市场化交易的电量结算精准无误。
[0010]根据一些实施例，本公开的第一方案提供了一种日清电量异常的自动识别方法，采用如下技术方案：
[0011]一种日清电量异常的自动识别方法，包括：
[0012]获取电能表的表码计量数据；
[0013]对所获取的表码计量数据进行分析校验，完成电量异常的自动识别；
[0014]其中，在分析校验的过程中，基于配置审核规则核查所获取的表码计量数据，得到初步识别筛查数据；根据所得到的初步识别筛查数据和异常校验模型，识别核查后表码计量数据中的异常数据，实现日清电量异常的自动识别。
[0015]作为进一步的技术限定，根据电能表的所处场景，选择合适的配置审核规则，对所获取的电能表表码计量数据进行核查，初步筛查异常的表码计量数据，识别出明显异常数据，得到初步识别筛查数据，完成日清电量异常的初步识别筛查。
[0016]作为进一步的技术限定，所述配置审核规则至少包括电量突增、电量突减、抄表数据错误和表码示数前后不一致。
[0017]作为进一步的技术限定，根据所得到的初步识别筛查数据的数据特征和电能表的所处场景，选择相应的异常校验模型，根据所选择的异常校验模型和初步识别筛查数据，自动识别异常数据，完成日清电量异常的自动识别。
[0018]作为进一步的技术限定，所述异常校验模型采用3sigma异常校验模型，假设初步识别筛查数据中仅包含随机误差，对初步识别筛查数据进行计算处理得到标准偏差，通过判断所得到的标准偏差与设定的标准偏差阈值之间的关系，判断电量数据是否存在异常，实现日清电量异常的自动识别。
[0019]作为进一步的技术限定，所述异常校验模型采用BoxPlot异常校验模型，通过判断数据的离散程度和偏向程度识别数据的异常，判断初步识别筛查数据中是否存在异常数据，实现日清电量异常的自动识别。
[0020]作为进一步的技术限定，所述异常校验模型采用基于Manhattan的OPTICS聚类分析异常校验模型，对有限个相邻的初步识别筛查数据中的电量数据进行聚类，得到不同领域参数下的聚类结果，根据设定的Manhattan距离进行聚类分析，判断初步识别筛查数据中是否存在异常数据，实现日清电量异常的自动识别。
[0021]根据一些实施例，本公开的第二方案提供了一种日清电量异常的自动识别系统，采用如下技术方案：
[0022]一种日清电量异常的自动识别系统，包括：
[0023]获取模块，其被配置为获取电能表的表码计量数据；
[0024]识别模块，其被配置为对所获取的表码计量数据进行分析校验，完成电量异常的自动识别；
[0025]其中，在分析校验的过程中，基于配置审核规则核查所获取的表码计量数据，得到初步识别筛查数据；根据所得到的初步识别筛查数据和异常校验模型，识别核查后表码计量数据中的异常数据，实现日清电量异常的自动识别。
[0026]根据一些实施例，本公开的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
[0027]一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的日清电量异常的自动识别方法中的步骤。
[0028]根据一些实施例，本公开的第四方案提供了一种电子设备，采用如下技术方案：
[0029]一种电子设备，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程序，所述处理器执行所述程序时实现如本公开第一方面所述的日清电量异常的自动识别方法中的步骤。
[0030]与现有技术相比，本公开的有益效果为：
[0031]本公开基于校验规则和机器学习方法，针对不同情况的数据进行异常校核，避免电量异常数据影响电费结清效率，实现电量电费结清向自动化和高效化转变，大大降低了人力验收核算成本，减少电费结算时间，提升企业服务水平；基于机器学习的数据智能异常识别方法能够极大程度的提高数据准确度，提升员工核算效率，具有巨大的推广价值。
附图说明
[0032]构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
[0033]图1是本公开实施例一中的日清电量异常的自动识别方法的流程图；
[0034]图2是本公开实施例一中的3sigma异常校验模型的识别结果示意图；
[0035]图3是本公开实施例一中的BoxPlot异常校验模型的识别结果示意图；
[0036]图4是本公开实施例一中的基于Manhattan的OPTICS聚类分析异常校验模型的识别结果示意图；
[0037]图5是本公开实施例二中的日清电量异常的自动识别系统的结构示意图。
具体实施方式
[0038]下面结合附图与实施例对本公开作进一步说明。
[0039]应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。
[0040]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公开的示例性实施方式。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。
[0041本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种日清电量异常的自动识别方法，其特征在于，包括：获取电能表的表码计量数据；对所获取的表码计量数据进行分析校验，完成电量异常的自动识别；其中，在分析校验的过程中，基于配置审核规则核查所获取的表码计量数据，得到初步识别筛查数据；根据所得到的初步识别筛查数据和异常校验模型，识别核查后表码计量数据中的异常数据，实现日清电量异常的自动识别。2.如权利要求1中所述的一种日清电量异常的自动识别方法，其特征在于，根据电能表的所处场景，选择合适的配置审核规则，对所获取的电能表表码计量数据进行核查，初步筛查异常的表码计量数据，识别出明显异常数据，得到初步识别筛查数据，完成日清电量异常的初步识别筛查。3.如权利要求1中所述的一种日清电量异常的自动识别方法，其特征在于，所述配置审核规则至少包括电量突增、电量突减、抄表数据错误和表码示数前后不一致。4.如权利要求1中所述的一种日清电量异常的自动识别方法，其特征在于，根据所得到的初步识别筛查数据的数据特征和电能表的所处场景，选择相应的异常校验模型，根据所选择的异常校验模型和初步识别筛查数据，自动识别异常数据，完成日清电量异常的自动识别。5.如权利要求1中所述的一种日清电量异常的自动识别方法，其特征在于，所述异常校验模型采用3sigma异常校验模型，假设初步识别筛查数据中仅包含随机误差，对初步识别筛查数据进行计算处理得到标准偏差，通过判断所得到的标准偏差与设定的标准偏差阈值之间的关系，判断电量数据是否存在异常，实现日清电量异常的自动识别。6.如权利要求1中所述的一种日清电量异常的...

【专利技术属性】
技术研发人员：梁波，王所钺，李函奇，杨洋，杨琳琳，刘霄慧，孙小斌，郭珂，王孜旭，张嘉琪，宋夏炎，张慧，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：