[发明专利]一种电能计量方法、系统、设备及存储介质

说明书

本发明涉及一种电能计量方法、系统、设备和存储介质，其中方法括以下步骤：获取历史用户电能计量数据，得到基于时序的历史用电数据，利用S变换将基于时序的历史用电数据转换为历史用电数据的时频图谱，从时频图谱中提取特定图谱特征；构建U‑net神经网络模型，利用MTOA算法对U‑net神经网络模型进行优化；对提取出的特定图谱特征添加异常用电标签形成训练样本，将训练样本导入至优化好的U‑net神经网络模型进行迭代训练，得到异常用电判定模型；根据当前用户的电能计量数据获取当前用电数据的时频图谱，从当前用电数据的时频图谱中提取特定图谱特征，将提取的特定图谱特征输入至异常用电判定模型，输出异常用电判定结果。

技术领域

本发明涉及一种电能计量方法、系统、设备及存储介质，属于电能计量技术领域。

背景技术

电能是社会发展和人们日常生活不可缺少的能源随着市场经济的不断完善，电能商品化已经成为一种必然衡量用户用电情况最直观的方法就是电能计量，电能计量标准化的程度高低也能体现供电企业的管理水平。

电能计量标准是指公正计费和正确计算电力系统经济技术指标。加强电能计量装置的管理，保障电能量值的准确、统一和计量的安全可靠，是提高电能计量标准的有效途径。现有技术如专利号为“CN109840691A”的发明专利公开了一种基于深度神经网络的非侵入式分项电量估计方法，包括：获取总量用电数据序列与目标电器用电数据序列；获得目标电器的背景用电数据序列和工作曲线；合成仿真总量用电数据；构建与训练电量估计神经网络；将现场采集到的总量用电数据按需分段，输入到训练所得的深度神经网络，在线估计目标电器用电量。本发明仅通过分析用电场景的总量用电数据序列，便可单独估计场景内的目标电器用电量；对目标电器仅进行短期单独量测，便可获得充足训练数据样本，用以训练神经网络。本发明技术方案准确度更高、更易推广；通过扩展输入的方式，将目标电器的完整工作过程输入神经网络，充分利用工作过程中尽量多的特征，进一步提升了电量估计准确度。

上述电能计量方法，仅仅是提供计量服务，难以在电能计量过程中对用户的电能使用异常的情况进行判断。

发明内容

为了解决上述现有技术中存在的问题，本发明提出了一种电能计量方法、系统、设备及存储介质，能够判定用户是否存在异常用电的情况，并将异常用电的判定结果以及相应的电能计量数据发出，为用户的电能使用提供预警服务。

本发明的技术方案如下：

一方面，本发明提供一种电能计量方法，包括以下步骤：

获取历史用户电能计量数据；

根据历史用户电能计量数据得到基于时序的历史用电数据，利用S变换将基于时序的历史用电数据转换为历史用电数据的时频图谱，从历史用电数据的时频图谱中提取特定图谱特征，所述特定图谱特征包括时间信息；

构建U-net神经网络模型，利用MTOA算法对U-net神经网络模型进行优化；

对提取出的特定图谱特征添加异常用电标签形成训练样本，将训练样本导入至优化好的U-net神经网络模型进行迭代训练，得到训练好的异常用电判定模型；

获取当前用户的电能计量数据，根据当前用户的电能计量数据获取当前用电数据的时频图谱，从当前用电数据的时频图谱中提取特定图谱特征，将提取的特定图谱特征输入至异常用电判定模型，输出异常用电判定结果，同时，根据判定为异常用电的特定图谱特征中的时间信息获取对应的电能计量数据发出给用户。

作为优选实施方式，所述根据历史用户电能计量数据得到基于时序的历史用电数据，利用S变换将基于时序的历史用电数据转换为历史用电数据的时频图谱的方法具体为：

根据历史用户电能计量数据得到基于时序的功率数据、电流数据和电压数据；