异常用电行为监测系统的监测方法技术方案

本申请关于一种异常用电行为监测系统的监测方法

【技术实现步骤摘要】
异常用电行为监测系统的监测方法、设备及可读存储介质


[0001]本申请涉及用电监测
，特别涉及一种异常用电行为监测系统的监测方法
、
设备及可读存储介质
。

技术介绍

[0002]目前智能电表已经普及，但其将用电数据直接传送到供电公司，且只有小部分大容量和大电量的用户可以被现场检查智能电表装置，对于大部分工商业用户和居民用户来说，即不能得到现场检查也不能对用电数据及时掌握，这就造成人为因素和窃电等情况很难发现，造成经济损失和能源的浪费
。
[0003]相关技术中，公开号
CN114330583B
的专利文件公开了一种异常用电识别方法和异常用电识别系统，所述方法包括如下步骤：采集历史用电数据；对所述历史用电数据进行数据压缩处理，得到压缩后的用电数据；根据所述压缩后的用电数据，利用基于密度的聚类算法，对所述历史用电数据中的异常用电进行识别，得到识别结果
。
[0004]然而，上述相关技术只是将异常用电识别的结果传输至云端，无法实现将异常用电行为的结果进行可视化展示，出现问题时需要人工现场排查异常用电行为，排查效率低，无法实现异常用电行为的精准管控
。

技术实现思路

[0005]本申请的目的是提供一种异常用电行为监测系统的监测方法
、
设备及可读存储介质，以解决上述现有技术存在的问题
。
[0006]为实现上述目的，本申请采用的技术方案为：
[0007]第一方面，本申请提供了一种异常用电行为监测系统的监测方法，所述异常用电行为监测系统包括用电数据采集终端
、
数据存储模块
、
数据处理模块
、
报警信息模块
、Web
端以及云服务器，所述用电数据采集终端
、
所述数据存储模块
、
所述数据处理模块
、
所述报警信息模块以及所述
Web
端均与所述云服务器之间建立通信连接；
[0008]所述方法包括：
[0009]S1、
通过用电数据采集终端采集实时用电数据，所述实时用电数据包括三相电实时用电数据和单相电实时用电数据；
[0010]S2、
将所述实时用电数据传输至云服务器，所述云服务器将所述实时用电数据保存至数据存储模块；
[0011]S3、
通过数据处理模块读取所述数据存储模块内保存的实时用电数据，并基于所述实时用电数据构建用电行为学习算法模型；
[0012]S4、
基于所述用电行为学习算法模型以及所述数据存储模块内保存的实时用电数据，得到预定时间段内的预测用电数据，并将所述预测用电数据保存至所述数据存储模块；
[0013]S5、
通过
Web
端将所述数据存储模块内保存的实时用电数据和预测用电数据进行数据管理以及可视化；
[0014]S6、
响应于所述实时用电数据与所述预测用电数据的偏差大于设定阈值，通过报警信息模块向管理员发出异常报警信息
。
[0015]在一种可能的实现方式中，所述用电数据采集终端安装于待监测区域的总开关处，所述用电数据采集终端包括
MCU
最小系统
、
电源模块
、
电压互感器
、
电流互感器
、
三相计量芯片以及
NB
‑
IoT
无线通信模块，所述电源模块用于给所述
MCU
最小系统
、
所述三相计量芯片以及所述
NB
‑
IoT
无线通信模块供电，所述电压互感器和所述电流互感器与所述三相计量芯片电连接，所述三相计量芯片与所述
MCU
最小系统通信连接，所述
MCU
最小系统与所述
NB
‑
IoT
无线通信模块通信连接；
[0016]所述步骤
S1
中，所述通过用电数据采集终端采集实时用电数据，包括：
[0017]响应于所述用电数据采集终端上电后，所述三相计量芯片初始化配置，所述三相计量芯片通过所述电压互感器和所述电流互感器采集实时用电数据；
[0018]响应于所述
NB
‑
IoT
无线通信模块注网成功后，所述
MCU
最小系统通过
SPI
方式读取所述三相计量芯片采集的实时用电数据；
[0019]通过
NB
‑
IoT
无钱通信模块将采集的所述实时用电数据以
JSON
格式上传至云服务器；
[0020]其中，采集的实时用电数据至少包括各相的电压
、
电流
、
功率和总功率，所述
MCU
最小系统与所述
NB
‑
IoT
无钱通信模块采用串口方式通信
。
[0021]在一种可能的实现方式中，所述步骤
S2
中：
[0022]所述数据存储模块包括本地数据库和云数据库，所述云服务器将所述实时用电数据同时保存至所述本地数据库和所述云数据库，所述云数据库具有访问控制策略
、
设置访问白名单
、
提供数据加密的功能，以保证数据的安全性
。
[0023]在一种可能的实现方式中，所述步骤
S3
中：
[0024]所述用电行为学习算法模型为
DBO
‑
CNN
‑
LSTM
‑
AT
算法模型，所述
DBO
‑
CNN
‑
LSTM
‑
AT
算法模型基于所述数据存储模块内保存的实时用电数据进行离线训练，并将最优结果的模型保存至所述数据存储模块内
。
[0025]在一种可能的实现方式中，所述步骤
S4
中，所述基于所述用电行为学习算法模型以及所述数据存储模块内保存的实时用电数据，得到预定时间段内的预测用电数据，包括：
[0026]通过所述
DBO
‑
CNN
‑
LSTM
‑
AT
算法模型对所述实时用电数据进行预处理，
CNN
对处理后的用电数据进行特征提取，用作
LSTM
的输入，以分析时间序列，注意力机制提取
LSTM
隐藏状态的重要特征，忽略无用特征，逐步提高预测精度，利用
DBO
算法优化模型的超参数，以提高模型性能，找出最优的参数，得到预定时间段内的预测用电数据
。
[0027]在一种可能的实现方式中，所述步骤
S5
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种异常用电行为监测系统的监测方法，其特征在于，所述异常用电行为监测系统包括用电数据采集终端
、
数据存储模块
、
数据处理模块
、
报警信息模块
、Web
端以及云服务器，所述用电数据采集终端
、
所述数据存储模块
、
所述数据处理模块
、
所述报警信息模块以及所述
Web
端均与所述云服务器之间建立通信连接；所述方法包括：
S1、
通过用电数据采集终端采集实时用电数据，所述实时用电数据包括三相电实时用电数据和单相电实时用电数据；
S2、
将所述实时用电数据传输至云服务器，所述云服务器将所述实时用电数据保存至数据存储模块；
S3、
通过数据处理模块读取所述数据存储模块内保存的实时用电数据，并基于所述实时用电数据构建用电行为学习算法模型；
S4、
基于所述用电行为学习算法模型以及所述数据存储模块内保存的实时用电数据，得到预定时间段内的预测用电数据，并将所述预测用电数据保存至所述数据存储模块；
S5、
通过
Web
端将所述数据存储模块内保存的实时用电数据和预测用电数据进行数据管理以及可视化；
S6、
响应于所述实时用电数据与所述预测用电数据的偏差大于设定阈值，通过报警信息模块向管理员发出异常报警信息
。2.
根据权利要求1所述的异常用电行为监测系统的监测方法，其特征在于，所述步骤
S1
中，所述通过用电数据采集终端采集实时用电数据，包括：响应于所述用电数据采集终端上电后，所述三相计量芯片初始化配置，所述三相计量芯片通过所述电压互感器和所述电流互感器采集实时用电数据；响应于所述
NB
‑
IoT
无线通信模块注网成功后，所述
MCU
最小系统通过
SPI
方式读取所述三相计量芯片采集的实时用电数据；通过
NB
‑
IoT
无钱通信模块将采集的所述实时用电数据以
JSON
格式上传至云服务器；其中，采集的实时用电数据至少包括各相的电压
、
电流
、
功率和总功率，所述
MCU
最小系统与所述
NB
‑
IoT
无钱通信模块采用串口方式通信
。3.
根据权利要求1所述的异常用电行为监测系统的监测方法，其特征在于，所述步骤
S2
中：所述数据存储模块包括本地数据库和云数据库，所述云服务器将所述实时用电数据同时保存至所述本地数据库和所述云数据库，所述云数据库具有访问控制策略
、
设置访问白名单
、
提供数据加密的功能，以保证数据的安全性
。4.
根据权利要求1所述的异常用电行为监测系统的监测方法，其特征在于，所述步骤
S3
中：所述用电行为学习算法模型为
DBO
‑
CNN
‑
LSTM

【专利技术属性】
技术研发人员：于多，钱承山，沈宇扬，陆荣，陈浩云，
申请(专利权)人：无锡职业技术学院，
类型：发明
国别省市：