-
公开(公告)号：CN114117078A
公开(公告)日：2022-03-01
申请号：CN202111463105.7
申请日：2021-12-02
申请人： 国网江苏省电力有限公司营销服务中心
摘要： 本申请公开了一种基于D‑S证据理论的电力异构知识融合的方法，包括：获取电力智能知识中心多种类型知识，包括本体知识、三元组知识以及事件知识；对单个输入知识K，利用BM25分别从本体知识、三元组知识、以及事件知识中检索出最优的M个知识候选集；分别计算知识候选集中每个知识的置信度；基于置信度，利用D‑S证据理论融合计算出候选集中每一知识的融合置信度；对融合置信度进行排序，筛选得到与查询语句K最相关的知识。本发明基于检索及文本表征，利用D‑S证据理论，对异构知识置信度结果进行融合排序，实现异构知识的融合，提升了知识融合的效率及效果。
-
公开(公告)号：CN114116981A
公开(公告)日：2022-03-01
申请号：CN202111435180.2
申请日：2021-11-29
申请人： 国网江苏省电力有限公司营销服务中心
IPC分类号： G06F16/33 , G06Q50/06 , G06N3/04 , G06F40/216
摘要： 本申请公开了基于多模态的电力营销热点挖掘方法，包括：采集电力营销中包括客户互动数据，将其汇总构成电力营销多模态热点挖掘数据集；对热点挖掘数据集中的文本描述进行预处理；分别进行图像模态特征抽取和文本模态特征抽取，获取图像模态与文本模态的特征向量；将图像模态特征和文本模态特征融合得到多模态融合特征，并基于多模态融合特征从文本描述中抽取候选热点词；对每个候选热点词计算原始热度值和热度增速；结合原始热度值与热度增速，从候选热点词中筛选最终的热点词。本发明打破了传统热点挖掘方法只关注文本数据的局限性，结合图像信息对热点挖掘任务进行增强。
-
公开(公告)号：CN116702071A
公开(公告)日：2023-09-05
申请号：CN202310510955.0
申请日：2023-05-08
申请人： 国网江苏省电力有限公司营销服务中心
IPC分类号： G06F18/2433 , G06F18/214 , G06Q30/0202 , G06Q50/06
摘要： 一种基于时间序列的电力营销稽查场景异常检测方法，建立费用错漏收稽查模型，多用户用电数据和用电档案数据输入模型后输出多用户用电预测数据，以机器学习决策树对多用户用电预测数据进行检测生成异常分数；当异常分数大于异常阈值时用交叉熵函数计算多用户用电预测数据与用电档案数据之间的差异；差异和异常分数的加权求和值小于异常阈值则判定电力营销稽查场景中无异常；否则从多用户用电预测数据中提取单用户用电预测数据输入数据优化子模型，以机器学习决策树对单用户用电预测数据进行检测，检测到异常时模型输出异常用户对应电力营销稽查场景。解决不同电力营销稽查场景核查难题，自动更新以及预测电力营销数据且反馈电力数据异常。
-
公开(公告)号：CN114841268B
公开(公告)日：2023-04-18
申请号：CN202210485657.6
申请日：2022-05-06
申请人： 国网江苏省电力有限公司营销服务中心
IPC分类号： G06F18/23213 , G06F18/2433 , G06F18/15 , G06F18/214 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/084 , G06Q50/06
摘要： 本发明公开了一种基于Transformer和LSTM融合算法的异常电力客户识别方法，基于业务规则对客户用电采集信息进行数据清洗及数据规约处理；利用基于信息熵的混合数据属性加权聚类算法对电力客户进行类型划分；建立各类型客户的统计特征和频域特征；利用Transformer算法建立各类型客户深度特征；基于客户统计特征、频域特征以及深度特征，通过LSTM算法识别各类型异常电力客户；基于客户用电量、电流、电压以及功率等数据维度，利用LSTM算法分别计算各数据维度下的异常电力用户，并以各维度加权结果作为依据，输出最终疑似异常电力客户。本发明可以实现低压用户异常用电行为智能分析，提高反窃电工作的效率和精准度。
-
公开(公告)号：CN114841268A
公开(公告)日：2022-08-02
申请号：CN202210485657.6
申请日：2022-05-06
申请人： 国网江苏省电力有限公司营销服务中心
摘要： 本发明公开了一种基于Transformer和LSTM融合算法的异常电力客户识别方法，基于业务规则对客户用电采集信息进行数据清洗及数据规约处理；利用基于信息熵的混合数据属性加权聚类算法对电力客户进行类型划分；建立各类型客户的统计特征和频域特征；利用Transformer算法建立各类型客户深度特征；基于客户统计特征、频域特征以及深度特征，通过LSTM算法识别各类型异常电力客户；基于客户用电量、电流、电压以及功率等数据维度，利用LSTM算法分别计算各数据维度下的异常电力用户，并以各维度加权结果作为依据，输出最终疑似异常电力客户。本发明可以实现低压用户异常用电行为智能分析，提高反窃电工作的效率和精准度。
-
公开(公告)号：CN114742405A
公开(公告)日：2022-07-12
申请号：CN202210374342.4
申请日：2022-04-11
申请人： 国网江苏省电力有限公司营销服务中心
摘要： 本发明提出一种基于线损多维度相关性分析的窃电识别方法及系统，以线损异常线路为分析对象，在线路线损异常时期内，按固定时间维度，运用皮尔逊相关系数计算线路下高压专变用户日用电量与线路损失电量波动相关性大小，通过相关性系数大小、窃电量比例波动大小、电量同步波动次数筛选出该时间段的异常用户。本发明从用户用电量与所在线路损失电量波动关联性分析入手，利用不同窃电类型与线损的关系，提出一种窃电线索识别准确度高、范围广的智能预警模型，提升反窃电线索识别水平。与常规窃电识别方法相比，本发明识别范围广，连续性和间歇性窃电均能识别，尤其为识别隐蔽性窃电方式(常规电压、电流无明显异常)提供了突破口。
-
公开(公告)号：CN116204860A
公开(公告)日：2023-06-02
申请号：CN202310059350.4
申请日：2023-01-13
申请人： 国网江苏省电力有限公司营销服务中心
摘要： 一种电力营业厅语音智能分析系统的权限控制方法及装置，所述方法包括：智能拾音设备接入营业厅柜台计算机，智能拾音设备安装驱动程序，营业厅智能语音分析系统分配智能拾音设备驱动登录的授权码，营业厅智能语音分析系统对授权码进行校验，授权码校验通过后完成驱动登录；客户临厅办理业务，驱动程序发起websocket链接请求，同步传输智能拾音设备参数到营业厅智能语音分析系统进行校验；智能拾音设备对柜台工作人员信息进行人员身份校验。通过该方法可避免第三方应用违规连接从而保证电力信息网络安全，同时通过并发策略中通道、队列、请求等参数综合即时吞吐量从而平衡语音质检分析并发需求。
-
公开(公告)号：CN116089405A
公开(公告)日：2023-05-09
申请号：CN202211223795.3
申请日：2022-10-09
申请人： 国网江苏省电力有限公司营销服务中心
IPC分类号： G06F16/215 , G06F16/2458 , G06F16/2455 , G06F18/2433 , G06F18/232 , G06N20/00 , G06Q50/06
摘要： 本发明公开了一种基于DBSCAN和KNN算法的用电数据离群点检测与清洗方法，包括：对用电数据的空缺值进行预填充；预填充之后的用电数据分别进行单维数据的离群点检测以及基于改进的DBSCAN聚类算法的多维数据离群点检测，以确定异常离群数值，同时将异常离群数值按置空处理；然后利用数理统计和数据挖掘规则，对上述用电数据进行再清洗；基于改进的KNN近邻填补算法对空缺值填补：对排除离群点修正后的数据，采用主成分分析将特征属性影响并入到KNN的计算过程中，得到最终估算数值；最后再利用均方根误差对清洗后的数据进行评定。本发明实现了对用户用电数据离群点检测和清洗，提升了低压用户用电数据质量，保障后续针对低压用户异常用电行为研究结果的可靠性。
-
公开(公告)号：CN115641228A
公开(公告)日：2023-01-24
申请号：CN202211223811.9
申请日：2022-10-09
申请人： 国网江苏省电力有限公司营销服务中心
IPC分类号： G06Q50/06 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于图像识别的低压用户异常用电行为识别方法，包括：异常数据检测与清洗，提升数据质量；数据信息图像转换，依据模型输入要求做数据转换；图像识别训练，搭建神经网络模型，训练图像数据；预测用电异常用户，对用户用电行为进行模型预测，输出疑似窃电概率。本发明实现了对低压用户用电异常的识别，解决了当下海量数据的分析异常困难的问题，降低了以往人工核查的成本，有助于稽查业务的数字化转型。
-
公开(公告)号：CN115081551A
公开(公告)日：2022-09-20
申请号：CN202210893168.4
申请日：2022-07-27
申请人： 国网江苏省电力有限公司营销服务中心
摘要： 基于K‑Means聚类和优化RVM线损模型建立方法，包括：采集配变台区的供电指标和历史线损数据；使用降噪自编码器构建供电指标处理模型获取与线损相关的供电指标；利用与线损相关的供电指标计算不同网架结构配变台区的线损评价指标并将配变台区分为K组，以各组的中心作为K‑Means聚类算法的初始聚类中心；采集配变台区的历史线损原因并进行预分类，基于优化RVM算法构建线损模型，并将聚类结果输入至线损模型中进行训练以获得不同网架结构配变台区的历史线损原因的分类结果；实时采集供电指标利用线损模型进行线损异常和线损原因的检测。本发明无需依赖理论线损的计算结果，实现根据配变台区供电指标对线损异常的分析和预测。
-
-
-
-
-
-
-
-
-
搜索结果
45 条记录 (耗时 0.068 秒)
