[发明专利]一种应用AI智能诊断分析的新型反窃电系统及方法在审

专利信息
申请号: 202010562638.X 申请日: 2020-06-18
公开(公告)号: CN111798107A 公开(公告)日: 2020-10-20
发明(设计)人: 孙钊;周振广;范向一;周戈;李丹;胡贝贝;董子龙;刘书华;石迎男;李佳慧 申请(专利权)人: 国网河北省电力有限公司石家庄市栾城区供电分公司;国网河北省电力有限公司石家庄供电分公司;国家电网有限公司
主分类号: G06Q10/06 分类号: G06Q10/06;G06F16/21;G06F16/2458;G06Q50/06
代理公司: 石家庄新世纪专利商标事务所有限公司 13100 代理人: 徐瑞丰;董金国
地址: 050000 河北省石*** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 应用 ai 智能 诊断 分析 新型 反窃电 系统 方法
【权利要求书】:

1.一种应用AI智能诊断分析的新型反窃电系统,其特征在于,包括数据传入模块(1)、历史数据库模块(2)和决策树模块(3);所述数据传入模块(1)和历史数据库模块(2)均与决策树模块(3)连接,数据传入模块(1)用于监测接收低压户数据,并将数据传递给决策树模块(3),决策树模块(3)接收低压户数据和历史数据后,决策预判用户是否存在窃电情况;所述决策树模块(3)与窃电判断模块(4)连接,决策树模块(3)将预测结果发送给窃电判断模块(4),预测结果为存在窃电情况时,窃电判断模块(4)通过预警模块(5)进行窃电报警,预测结果不存在窃电情况,窃电判断模块(4)结束输出。

2.根据权利要求1所述的应用AI智能诊断分析的新型反窃电系统,其特征在于,所述低压户数据包括用户的单向电流、电压以及三相电流电压。

3.根据权利要求2所述的应用AI智能诊断分析的新型反窃电系统,其特征在于,所述预警模块(5)与历史数据库模块(2)连接,预警模块(5)进行窃电报警后,将窃电数据发送至历史数据库模块(2)进行存储。

4.根据权利要求3所述的应用AI智能诊断分析的新型反窃电系统,其特征在于,所述历史数据库模块(2)包括用户线损记录单元(201)、电压实时记录单元(202)、电流实时记录单元(203)和异常数据记录单元(204),用于分别记录存储用户用电的各项数据。

5.根据权利要求4所述的应用AI智能诊断分析的新型反窃电系统,其特征在于,还包括有用户识别模块(6)和数据存储模块(7),用户识别模块(6)与数据传入模块(1)连接,历史数据库模块(2)与数据存储模块(7)连接,所述用户识别模块(6)包括有用户名称记录单元和用户地址记录单元。

6.根据权利要求5所述的应用AI智能诊断分析的新型反窃电系统,其特征在于,所述窃电判断模块(4)和预警模块(5)之间还设置有现场判断模块(8)。

7.根据权利要求6所述的应用AI智能诊断分析的新型反窃电系统,其特征在于,窃电判断模块(4)的“Y”端与现场判断模块(8)连接,现场判断模块(8)的“Y”端与预警模块(5)连接,现场判断模块(8)的“N”端与历史数据库模块(2)连接,窃电判断模块(4)预判为窃电时,通过现场判断模块(8)对用户进行现场核查、取证和反馈,反馈结果为存在窃电情况时,预警模块(5)发出警报,反馈结果为不存在窃电情况时,将该数据传递给历史数据库模块(2)进行存储。

8.如权利要求1-7任一所述的应用AI智能诊断分析的新型反窃电方法,其特征在于,包括如下步骤:

S1、决策树模块(3)根据历史数据库(2)模块给定的历史数据,构造决策树;

S2、将数据传入模块(1)采集得到的低压户数据导入决策树模块(3),通过决策树模块(3)进行窃电预判;

S3、决策树模块(3)将预测结果发送给窃电判断模块(4),预测结果为存在窃电情况时,窃电判断模块(4)通过预警模块(5)进行窃电报警,预测结果不存在窃电情况,窃电判断模块(4)结束输出;

S4、预警模块(5)进行窃电报警后,将窃电数据发送至历史数据库模块(2)进行存储,完善并扩大历史数据库模块(2)。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网河北省电力有限公司石家庄市栾城区供电分公司;国网河北省电力有限公司石家庄供电分公司;国家电网有限公司,未经国网河北省电力有限公司石家庄市栾城区供电分公司;国网河北省电力有限公司石家庄供电分公司;国家电网有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010562638.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top