一种基于小样本学习的用电异常诊断方法和系统

    公开(公告)号:CN116186633A

    公开(公告)日:2023-05-30

    申请号:CN202310205139.9

    申请日:2023-03-06

    摘要: 一种基于小样本学习的用电异常诊断方法和系统,包括:对包含小样本异常的用电数据进行预处理;对预处理后的用电数据进行电力特征的转化,构建电力数据图片样本,作为待测样本;结合支撑集对待测样本进行特征嵌入提取,得到支撑集中不同异常类别的样本原型和待测样本的特征向量拼接而成的样本对;对支撑集中不同异常类别的样本原型和待测样本的特征向量拼接而成的样本对进行异常类型判定,完成小样本学习的样本分类,其中异常类型分为未知异常类型和已知异常类型;选择不同网络进行未知异常类型诊断或者已知异常类型的进一步异常诊断,输出异常诊断结果。解决了用电异常类型样本分布极度不均衡和缺少对未知异常类型的诊断能力的限制问题。

    一种基于D-S证据理论的电力异构知识融合的方法

    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

    IPC分类号: G06F16/36 G06N5/02 G06Q50/06

    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。

    基于多模态的电力营销热点挖掘方法

    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

    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。

    一种基于线损多维度相关性分析的窃电识别方法及系统

    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

    IPC分类号: G06Q10/06 G06Q50/06 G01R22/06

    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。