System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 亚洲中文字幕无码永久在线,高清无码中文字幕在线观看视频,无码中文字幕乱码一区 
  • 

  • 
<ul id="o6k0g"></ul>
    <ul id="o6k0g"></ul>
    

    

    
    
      
    
          
          
    
            
    
                
    
                    
    
                        
    
                            
    一種基于大數據的充電樁竊電行為監測方法技術
    
                            
    技術編號：41988259 閱讀：17 留言：0更新日期：2024-07-12 12:16
    
                        
    
                        
    
                            
                            本發明專利技術公開了一種基于大數據的充電樁竊電行為監測方法，屬于大數據技術以及竊電監測技術領域，通過獲取歷史大數據以及人工標簽，并對歷史大數據以及人工標簽進行學習，以形成可以進行智能檢測充電樁竊電行為的規則，最后通過智能檢測充電樁竊電行為的規則對實時數據進行識別，從而實現充電樁竊電行為的實時自動監測，提升了充電樁竊電監測效率以及識別準確率。
    
                            
                            
    


    
                            

                            
    【技術實現步驟摘要】
    
                                
    本專利技術屬于大數據技術以及竊電監測，具體涉及一種基于大數據的充電樁竊電行為監測方法。

    技術介紹
    1、電動汽車(electric?vehicle，簡稱ev)是一種以電力為主要動力來源的交通工具，它通過電動機驅動車輛運行，而不是傳統的內燃機。電動汽車的運行原理相對簡單，動力來源于電動機，電動機將電池儲存的電能轉化為機械能，推動汽車前進。電動汽車不需要燃油，因此在運行過程中不會排放尾氣，是實現綠色出行的有效方式。隨著電動汽車的廣泛應用，充電樁的需求不斷增加。然而，充電樁竊電現象時有發生，給充電樁運營企業和用戶帶來經濟損失。傳統的充電樁竊電監測方法主要依靠人工巡檢和實時報警系統，監測效率較低，難以實現對充電樁竊電行為的實時、準確識別。

    技術實現思路
    1、本專利技術提供一種基于大數據的充電樁竊電行為監測方法，用以解決傳統的充電樁竊電監測方法主要依靠人工巡檢和實時報警系統，監測效率較低，難以實現對充電樁竊電行為的實時、準確識別的問題。
    2、一種基于大數據的充電樁竊電行為監測方法，包括：
    3、獲取充電樁對應的歷史用電大數據以及歷史用電數據對應的人工標簽，并對歷史用電大數據以及歷史用電數據對應的人工標簽進行清洗，獲取清洗之后的歷史用電大數據以及歷史用電數據對應的人工標簽；
    4、采用深度學習模型構建充電樁竊電行為檢測模型，并采用清洗之后的歷史用電大數據以及歷史用電數據對應的人工標簽對充電樁竊電行為檢測模型進行優化，得到優化之后的充電樁竊電行為檢測模型；
    <p>5、將優化之后的充電樁竊電行為檢測模型部署于用電數據監測平臺上，并通過部署的充電樁竊電行為檢測模型對實時用電數據進行分析，確定充電樁竊電行為監測結果。
    6、進一步地，所述充電樁對應的歷史用電大數據包括用電類型數據以及充電樁電能表信息；
    7、所述歷史用電數據對應的人工標簽包括充電樁存在竊電或者充電樁不存在竊電；
    8、其中，用電類型數據包括充電樁日用電量的時序數據和臺區日線損量的時間序列數據；
    9、充電樁電能表信息包括電能表電流不平衡事件記錄、電能表過流事件記錄、電能表恒定磁場干擾事件記錄、電能表開表蓋事件記錄電能表欠壓事件記錄、電能表失流事件記錄、電能表失壓事件記錄以及電表倒走事件記錄。
    10、進一步地，對歷史用電大數據以及歷史用電數據對應的人工標簽進行清洗，獲取清洗之后的歷史用電大數據以及歷史用電數據對應的人工標簽，包括：
    11、將存在異常值和/或缺失值的歷史用電大數據以及歷史用電數據對應的人工標簽刪除，得到清洗之后的歷史用電大數據以及歷史用電數據對應的人工標簽。
    12、進一步地，采用深度學習模型構建充電樁竊電行為檢測模型，包括：采用卷積神經網絡構建充電樁竊電行為檢測模型。
    13、進一步地，采用清洗之后的歷史用電大數據以及歷史用電數據對應的人工標簽對充電樁竊電行為檢測模型進行優化，得到優化之后的充電樁竊電行為檢測模型，包括：
    14、采用混沌映射初始化方法對充電樁竊電行為檢測模型的超參數進行多次初始化，以獲取多個不同的超參數編碼；
    15、根據清洗之后的歷史用電大數據以及歷史用電數據對應的人工標簽，獲取每個超參數編碼的誤差函數值；
    16、根據每個超參數編碼的誤差函數值，確定最優超參數編碼；
    17、將所有的超參數編碼劃隨機分為兩個子種群；
    18、采用第一信息交互策略使兩個子種群中的超參數編碼進行初次信息交互，得到初次更新后的子種群；
    19、根據最優超參數編碼，采用第二信息交互策略使兩個子種群中的超參數編碼進行二次信息交互，得到二次更新后的子種群；
    20、根據最優超參數編碼，采用第三信息交互策略使兩個子種群中的超參數編碼進行三次信息交互，得到三次更新后的子種群；
    21、將三次更新后的兩個子種群合并為一個完整種群，并針對完整種群中每個超參數編碼進行擾動更新，得到更新后的完整種群；
    22、以更新后的完整種群為基礎，重新獲取最優超參數編碼，并判斷當前優化次數是否到達最大優化次數，若是，則將最優超參數編碼作為充電樁竊電行為檢測模型的最終超參數，得到優化之后的充電樁竊電行為檢測模型，否則返回獲取每個超參數編碼的誤差函數值的步驟。
    23、進一步地，根據清洗之后的歷史用電大數據以及歷史用電數據對應的人工標簽，獲取每個超參數編碼的誤差函數值，包括：
    24、將超參數編碼包含的超參數應用至充電樁竊電行為檢測模型中之后，以清洗之后的歷史用電大數據作為充電樁竊電行為檢測模型的實際輸入，以歷史用電數據對應的人工標簽作為充電樁竊電行為檢測模型的期望輸出，獲取充電樁竊電行為檢測模型對應的均方誤差或均方根誤差，得到超參數編碼的誤差函數值；
    25、遍歷所有超參數編碼，獲取每個超參數編碼的誤差函數值。
    26、進一步地，采用第一信息交互策略使兩個子種群中的超參數編碼進行初次信息交互，得到初次更新后的子種群，包括：
    27、將兩個子種群中的超參數編碼進行一一配對；
    28、針對任一對超參數編碼，確定誤差函數值較大的超參數編碼以及誤差函數值較小的超參數編碼超參數編碼為超參數編碼的配對個體；
    29、針對誤差函數值較小的超參數編碼直接將其作為更新后的超參數編碼；
    30、針對誤差函數值較大的超參數編碼將其與超參數編碼進行信息交互，得到更新后的超參數編碼為：
    31、
    32、
    33、其中，表示超參數編碼在第t+1優化過程中的更新量，表示更新后的超參數編碼表示超參數編碼在第t優化過程中的更新量，當第t優化過程中不存在更新量時，則為0；ω表示慣性權重，r1表示[0,1]內均勻分布的隨機數，r2表示[0,1]內均勻分布的隨機數，表示交互控制因子，表示超參數編碼所在子種群對應的平均編碼；
    34、遍歷每一對超參數編碼，得到初次更新后的子種群。
    35、進一步地，根據最優超參數編碼，采用第二信息交互策略使兩個子種群中的超參數編碼進行二次信息交互，得到二次更新后的子種群，包括：
    36、將兩個子種群中的超參數編碼進行一一配對；
    37、針對任一對超參數編碼，確定誤差函數值較大的超參數編碼以及誤差函數值較小的超參數編碼超參數編碼為超參數編碼的配對個體；
    38、針對誤差函數值較小的超參數編碼直接將其作為更新后的超參數編碼；
    39、針對誤差函數值較大的超參數編碼將其與超參數編碼進行信息交互，得到更新后的超參數編碼為：
    40、
    41、
    42、其中，表示超參數編碼在第t+1優化過程中的更新量，表示更新后的超參數編碼表示超參數編碼在第t優化過程中的更新量，當第t優化過程中不存在更新量時，則為0；ω表示慣性權重，r1表示[0,1]內均勻分布的隨機數，r2表示[0,1]內均勻分布的隨機數，表示交互控本文檔來自技高網...
                            
    
                            
    【技術保護點】
    
                                
    1.一種基于大數據的充電樁竊電行為監測方法，其特征在于，包括：
    2.根據權利要求1所述的基于大數據的充電樁竊電行為監測方法，其特征在于，所述充電樁對應的歷史用電大數據包括用電類型數據以及充電樁電能表信息；
    3.根據權利要求2所述的基于大數據的充電樁竊電行為監測方法，其特征在于，對歷史用電大數據以及歷史用電數據對應的人工標簽進行清洗，獲取清洗之后的歷史用電大數據以及歷史用電數據對應的人工標簽，包括：
    4.根據權利要求1所述的基于大數據的充電樁竊電行為監測方法，其特征在于，采用深度學習模型構建充電樁竊電行為檢測模型，包括：采用卷積神經網絡構建充電樁竊電行為檢測模型。
    5.根據權利要求1所述的基于大數據的充電樁竊電行為監測方法，其特征在于，采用清洗之后的歷史用電大數據以及歷史用電數據對應的人工標簽對充電樁竊電行為檢測模型進行優化，得到優化之后的充電樁竊電行為檢測模型，包括：
    6.根據權利要求5所述的基于大數據的充電樁竊電行為監測方法，其特征在于，根據清洗之后的歷史用電大數據以及歷史用電數據對應的人工標簽，獲取每個超參數編碼的誤差函數值，包括：
    7.根據權利要求6所述的基于大數據的充電樁竊電行為監測方法，其特征在于，采用第一信息交互策略使兩個子種群中的超參數編碼進行初次信息交互，得到初次更新后的子種群，包括：
    8.根據權利要求7所述的基于大數據的充電樁竊電行為監測方法，其特征在于，根據最優超參數編碼，采用第二信息交互策略使兩個子種群中的超參數編碼進行二次信息交互，得到二次更新后的子種群，包括：
    9.根據權利要求8所述的基于大數據的充電樁竊電行為監測方法，其特征在于，根據最優超參數編碼，采用第三信息交互策略使兩個子種群中的超參數編碼進行三次信息交互，得到三次更新后的子種群，包括：
    10.根據權利要求9所述的基于大數據的充電樁竊電行為監測方法，其特征在于，將三次更新后的兩個子種群合并為一個完整種群，并針對完整種群中每個超參數編碼進行擾動更新，得到更新后的完整種群，包括：
    ...
                            
    
                            
    【技術特征摘要】
    
                                
    1.一種基于大數據的充電樁竊電行為監測方法，其特征在于，包括：
    2.根據權利要求1所述的基于大數據的充電樁竊電行為監測方法，其特征在于，所述充電樁對應的歷史用電大數據包括用電類型數據以及充電樁電能表信息；
    3.根據權利要求2所述的基于大數據的充電樁竊電行為監測方法，其特征在于，對歷史用電大數據以及歷史用電數據對應的人工標簽進行清洗，獲取清洗之后的歷史用電大數據以及歷史用電數據對應的人工標簽，包括：
    4.根據權利要求1所述的基于大數據的充電樁竊電行為監測方法，其特征在于，采用深度學習模型構建充電樁竊電行為檢測模型，包括：采用卷積神經網絡構建充電樁竊電行為檢測模型。
    5.根據權利要求1所述的基于大數據的充電樁竊電行為監測方法，其特征在于，采用清洗之后的歷史用電大數據以及歷史用電數據對應的人工標簽對充電樁竊電行為檢測模型進行優化，得到優化之后的充電樁竊電行為檢測模型，包括：
    6.根據權利要求5所述的基于大數據的充電樁竊電行為監測方法...
                            
    
                            
    【專利技術屬性】
    
                                技術研發人員：周磊，
    
        申請(專利權)人：北京昊瑞昌科技有限公司，
    
        類型：發明
    
        國別省市：
    
                            
    
                            
                        
    
                    
    
                    
                    
                     
                
    
                
                
    
                    
    
                        網友詢問留言
                        已有0條評論
                    
    
                    
    
                        
    
                            
      
                                
    • 
                                
						

      還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。
      


                              
                            
    
                            
    
                                 1 

                            
    
                        
    
                        
                        
    
                            
    
                              
                            
    
                            
                        
    
                    
    
                
    
            
    
              
             
          
    
      
    
    
    

    
    
    




  


主站蜘蛛池模板：
永久无码精品三区在线4|
精品无码AV无码免费专区|
日韩毛片无码永久免费看|
亚洲真人无码永久在线|
亚洲中文无码a∨在线观看|
国产av永久精品无码|
色爱无码AV综合区|
国产成人无码精品久久久免费
|
无码国产午夜福利片在线观看|
99热门精品一区二区三区无码|
在线观看免费无码专区|
精品一区二区三区无码视频|
91精品国产综合久久四虎久久无码一级
|
中文字幕无码视频专区|
精品久久无码中文字幕|
亚洲综合av永久无码精品一区二区|
无码中文人妻在线一区|
AAA级久久久精品无码片|
久久久久久AV无码免费网站下载|
YY111111少妇无码理论片|
国外AV无码精品国产精品|
亚洲AV无码AV吞精久久|
亚洲色无码专区一区|
中文字幕av无码无卡免费|
无码人妻精品一区二区三18禁|
永久免费av无码网站yy|
国产台湾无码AV片在线观看|
超清无码一区二区三区|
精品无码人妻一区二区三区不卡|
亚洲av无码乱码在线观看野外|
国产免费av片在线无码免费看|
国产成人无码精品久久二区三区|
亚洲av无码片vr一区二区三区|
色综合无码AV网站|
国产在线拍揄自揄拍无码视频|
成人免费一区二区无码视频|
久久精品无码一区二区三区不卡|
无码少妇一区二区三区芒果|
无码午夜人妻一区二区不卡视频|
国产精品无码制服丝袜|
a级毛片无码免费真人久久
|