申请/专利权人：国网浙江省电力有限公司杭州供电公司;国网浙江省电力有限公司;上海电力大学

申请日：2020-09-28

公开（公告）日：2024-04-26

公开（公告）号：CN112396087B

主分类号：G06F18/24

分类号：G06F18/24;G06F18/25;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2021.03.12#实质审查的生效;2021.02.23#公开

摘要：本发明提出了一种基于智能电表的独居老人用电数据分析方法及装置，包括：通过智能电表采集住宅小区中所有用户的用电数据；根据预设的指标特征，从用电数据中提取出特征数据；将特征数据输入包含若干个机器学习分类器的融合分类模型，根据融合分类模型的分类结果判断特征数据对应的用户是否为独居老人；若判断是独居老人，对独居老人的特征数据进行用电异常分析，根据分析结果决定是否发出异常用电行为告警。与传统人工排查相比，本发明通过智能电表获取用电数据，并基于特征提取算法对用户的智能电表数据进行数据挖掘，再通过结合多种机器学习分类器的分类结果，提高识别独居老人的准确性，大大降低了人工排查成本。

主权项：1.基于智能电表的独居老人用电数据分析方法，其特征在于，所述独居老人用电数据分析方法包括：通过智能电表采集住宅小区中所有用户的用电数据；根据预设的指标特征，从用电数据中提取出特征数据；将特征数据输入包含若干个机器学习分类器的融合分类模型，根据融合分类模型的分类结果判断特征数据对应的用户是否为独居老人；若判断是独居老人，对独居老人的特征数据进行用电异常分析，根据分析结果决定是否发出异常用电行为告警；所述根据预设的指标特征，从用电数据中提取出特征数据，包括：基于采集到的用电数据，通过特征提取公式计算每个用户的指标特征对应的特征数据，所述指标特征包括日用电量均值、日用电量方差以及瞬时有功功率小波能量熵；所述特征提取公式包括计算日用电量均值DP的公式一、计算日用电量方差σ2的公式二以及计算瞬时有功功率小波能量熵WEE的公式三： 其中，n为采样天数，xi,j表示第i个用户在第j天零点时采样到的总用电量，xi,j-1表示第i个用户在第j-1天零点时采样到的总用电量，μi为用户所有日用电量的均值；pm表示第m个尺度上小波能谱占总小波能谱的比值，Em为用户i的瞬时有功功率在第m个尺度上小波能谱，E为瞬时有功功率的总小波能谱；n、i、j、m的取值范围为正整数，DP、σ2、xi,j、xi,j-1、μi的取值范围为正数，WEE、Em、E、pm的取值范围为实数；所述将特征数据输入包含若干个机器学习分类器的融合分类模型，根据融合分类模型的分类结果判断特征数据对应的用户是否为独居老人，包括：将特征数据分别输入融合分类模型中的各个机器学习分类器；获取各个机器学习分类器的分类结果，若判断是独居老人的机器学习分类器的个数超过预设阈值，则判定输入的特征数据对应的用户为独居老人。

全文数据：

权利要求：

百度查询： 国网浙江省电力有限公司杭州供电公司;国网浙江省电力有限公司;上海电力大学 基于智能电表的独居老人用电数据分析方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD