一种用电数据的智能校准方法及系统与流程

1.本技术涉及数据处理技术领域，尤其涉及一种用电数据的智能校准方法及系统。


背景技术：

2.随着经济的飞速发展，有效地促进了科学技术的创新，也促进了智能化电力系统的建设，实现用电信息采集系统“全覆盖、全采集、全费控”的目标。因此，电力系统中运行的采集终端数量大幅度的增长，得到的电力系统数据量也是成倍增长，研究如何对众多数据进行科学处理，对于促进我国的电力行业发展有着十分重要的意义。
3.目前，通过用电采集系统将电力能源运输过程中产生的数据进行采集分析，自动化的对用户电量进行采集，上传至终端提供基础分析数据。主要通过电能计量装置对用户的用电量进行统计，将得到的统计信息逐级向上汇总，最终到达平台中。
4.然而，在用电量统计的过程中，由于电表工作负荷的温度影响，以及电表的使用年限较长，常会出现计量表、互感器、接线盒老化或异常等情况，导致采集的用电数据不准确，不准确的用电数据输入平台会导致分析建立在错误的分析数据上，从而得到错误的分析结论，影响用电核算管理失准。现有技术中存在用电数据采集存在误差，且校准智能化程度低，校准准确性差的技术问题。


技术实现要素：

5.本技术的目的是提供一种用电数据的智能校准方法及系统，用以解决现有技术中存在用电数据校准智能化程度低，校准准确性差的技术问题。
6.鉴于上述问题，本技术提供了一种用电数据的智能校准方法及系统。
7.第一方面，本技术提供了一种用电数据的智能校准方法，其中，所述方法包括：获得电表运行所处的多种运行参数，获得不同的多种运行参数集合；在所述多种运行参数集合下，分别采用多个电表采集目标用电单位在同一预设时间范围内的用电量数据，获得不同的多个用电量数据；对所述多个用电量数据进行异常用电量数据识别，获得多个异常用电量数据，将所述多个异常用电量数据舍弃，获得多个正常用电数据；对所述多个正常用电量数据进行归一化处理，获得多个归一化用电量数据；构建用电数据校准分析模型；将所述多个归一化用电量数据输入所述用电数据校准分析模型内，获得不同的多个用电数据校准参数；采用所述多个用电数据校准参数，在所述不同的多个运行参数集合下，对目标电表采集的用电量数据进行校准。
8.另一方面，本技术还提供了一种用电数据的智能校准系统，其中，所述系统包括：运行参数获得模块，所述运行参数获得模块用于获得电表运行所处的多种运行参数，获得不同的多种运行参数集合；用电量数据获得模块，所述用电量数据获得模块用于在所述多种运行参数集合下，分别采用多个电表采集目标用电单位在同一预设时间范围内的用电量数据，获得不同的多个用电量数据；正常用电数据获得模块，所述正常用电数据获得模块用于对所述多个用电量数据进行异常用电量数据识别，获得多个异常用电量数据，将所述多
个异常用电量数据舍弃，获得多个正常用电数据；归一化处理模块，所述归一化处理模块用于对所述多个正常用电量数据进行归一化处理，获得多个归一化用电量数据；分析模型构建模块，所述分析模型构建模块用于构建用电数据校准分析模型；校准参数获得模块，所述校准参数获得模块用于将所述多个归一化用电量数据输入所述用电数据校准分析模型内，获得不同的多个用电数据校准参数；数据校准模块，所述数据校准模块用于采用所述多个用电数据校准参数，在所述不同的多个运行参数集合下，对目标电表采集的用电量数据进行校准。
9.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：本技术通过对电表运行时的多种运行参数进行采集，得到不同的多种运行参数集合，进而对在多种运行参数集合的运行参数下的多个电表采集目标用电单位在同一预设时间范围内的用电量数据进行采集，从而得到多个用电量数据，然后对多个用电量数据中的异常用电量数据进行识别，得到多个异常用电量数据，剔除后得到多个正常用电数据，然后进行归一化处理，得到多个归一化用电量数据，在构建用电数据校准分析模型后，将多个归一化用电量数据作为输入数据，输入用电数据校准分析模型中，得到不同的多个用电数据校准参数，在多个不同的运行参数集合下，对目标电表采集的用电量数据进行校准。本技术通过对用电数据进行异常识别和归一化处理，能够提升对用电数据进行处理的准确性，避免电表采集的异常用电数据对数据处理产生影响，并可对异常用电数据的电表进行检修，归一化处理能够有效提升数据处理效率，获得准确的用电数据校准参数，达到了提高用电数据校准的智能化程度，提高校准的效率和准确度的技术效果。
附图说明
10.为了更清楚地说明本技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
11.图1为本技术实施例提供的一种用电数据的智能校准方法的流程示意图；图2为本技术实施例提供的一种用电数据的智能校准方法中构建异常用电量数据识别模型的流程示意图；图3为本技术实施例提供的一种用电数据的智能校准方法中构建用电数据校准分析模型的流程示意图；图4为本技术一种用电数据的智能校准系统的结构示意图。
12.附图标记说明：运行参数获得模块11，用电量数据获得模块12，正常用电数据获得模块13，归一化处理模块14，分析模型构建模块15，校准参数获得模块16，数据校准模块17。
具体实施方式
13.本技术通过提供一种用电数据的智能校准方法及系统，解决了现有技术中存在用电数据校准智能化程度低，校准准确性差的技术问题。达到了对用电数据进行智能校准，提高数据质量的技术效果。
14.本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关
规定。
15.下面，将参考附图对本技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。基于本技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部。
16.实施例一如图1所示，本技术提供了一种用电数据的智能校准方法，其中，所述方法包括：步骤s100：获得电表运行所处的多种运行参数，获得不同的多种运行参数集合；进一步的，所述获得电表运行所处的多种运行参数，本技术实施例步骤s100还包括：步骤s110：采集所述电表不同的运行温度，获得不同的多个运行温度参数；步骤s120：采集所述电表不同的运行时间，获得不同的多个运行时间参数；步骤s130：根据所述多个运行温度参数和所述多个运行时间参数进行组合，获得所述多种运行参数集合。
17.具体而言，用电数据的准确性与采集的时间点和温度有关，由于温度的影响导致计量采集装置在采集数据时出现误差。为了能够对用电数据进行精细化分析，需要从运行温度和运行时间两个维度对数据进行采集分析。所述运行温度是电表在运行过程中的实时温度，与用电量负荷量和环境温度有关。通过对电表的不同运行温度进行采集，得到多个运行温度参数。所述运行时间是电表的使用时间，随着电表的使用时间增长，由于电表元件老化等原因会导致电表计量不准确。通过对电表不同的使用时间进行采集，得到多个运行时间参数。其中，可通过在电表上设置温度传感器，例如在电表的主板附近设置温度传感器，进行运行温度的采集，获得运行温度参数。以及，可根据电表出厂的日期或根据电表安装时的时间记录信息，结合当前电表运行时的时间，计算电表的运行时间参数，获得上述的多个运行参数。
18.基于采集的多个运行温度参数和多个运行时间参数，随机选择一运行温度参数和一运行时间参数，进行组合，获得一随机的运行参数集合，如此，通过将获得多个运行温度参数和多个运行时间参数进行随机选择和组合，获得多个运行参数集合。其中，所述多种运行参数集合是整合电表的运行状态的参数集合。由此，实现了为后续智能校准提供多种应用场景的目标，达到了提高校准的应用广泛性和校准的准确性的技术效果。
19.步骤s200：在所述多种运行参数集合下，分别采用多个电表采集目标用电单位在同一预设时间范围内的用电量数据，获得不同的多个用电量数据；具体而言，通过根据多种运行参数集合，通过符合在多种运行参数集合中的运行温度和运行时间下运行的多个电表采集目标用电单位，在同一预设时间段内的用电量数据。其中，所述目标用电单位是指需要进行用电量统计的电量使用单位，所述预设时间范围是指预先设置的电力使用时间段。示例性地，目标用电单位可为家庭或企事业单位，预设时间范围可为一天或一周。通过采集同一目标用电单位在同一预设时间范围内的用电量数据可以保证在对用电数据进行采集的过程中，用电情况是保持一致的，从而可以控制对用电数据有影响的变量，保证得到的用电量数据的变化只与运行温度和运行时间有关。所述多
个用电量数据是在不同运行参数下的电表采集目标用电单位在预设时间范围内的用电量。由此，达到了控制用电量采集条件，从而提供可靠的分析数据的技术效果。
20.步骤s300：对所述多个用电量数据进行异常用电量数据识别，获得多个异常用电量数据，将所述多个异常用电量数据舍弃，获得多个正常用电数据；进一步的，对所述多个用电量数据进行异常用电量数据识别，本技术实施例步骤s300还包括：步骤s310：构建异常用电量数据识别模型；步骤s320：将所述多个用电量数据输入所述异常用电量数据识别模型，获得所述多个异常用电量数据。
21.进一步的，如图2所示，所述构建异常用电量数据识别模型，本技术实施例步骤s310还包括：步骤s311：采集所述目标用电单位在任意预设时间范围内的用电量数据，获得多个样本用电量数据；步骤s312：在所述多个样本用电量数据内随机选择一样本用电量数据，构建所述异常用电量数据识别模型的一级划分节点，所述一级划分节点对输入的用电量数据进行二分类，获得第一分类结果；步骤s313：再次在所述多个样本用电量数据内随机选择一样本用电量数据，构建所述异常用电量数据识别模型的二级划分节点，所述二级划分节点对所述第一分类结果进行二分类，获得第二分类结果；步骤s314：继续构建所述异常用电量数据识别模型的多级划分节点；步骤s315：根据所述多级划分节点，设置异常用电量数据输出节点，其中，所述异常用电量数据输出节点及以下的划分节点划分获得的单个用电量数据为异常用电量数据；步骤s316：根据所述多级划分节点和所述异常用电量数据输出节点，获得所述异常用电量数据识别模型。
22.具体而言，在获得多个用电量数据后需要对其中的异常数据进行识别剔除，从而提高数据的准确性，为后续的校准分析提供无异常值的数据。所述异常用电量数据识别模型是用于对用电量数据中的异常数据进行识别的功能模型，通过将多个用电量数据作为输入数据，输入所述异常用电量数据识别模型中，可以输出得到多个异常用电量数据。本技术实施例中，异常用电量数据识别模型基于孤立森林算法的思想构建。在构建异常用电量数据识别模型时，通过分析异常用电量数据的特性，即与正常的用电量数据相比，异常用电量数据的量是小于或大于正常用电量数据的量，可能为电表出现异常状态而检测获得的用电量数据，也可能为目标用电单位用电量陡增或减少产生的用电量数据，为准确分析运行参数集合对用电量数据检测采集的影响情况，进行用电数据的校准，通过构建异常用电量数据识别模型，对多个用电量数据进行多级分类，异常的用电量数据与正常的用电量数据差别较大，形成孤立的数据点，能够较少次数的划分中划分为单个数据，而正常用电量数据之间的差别较小，形成密集的数据簇，在较多次数的划分中难以划分为单个数据，基于此，进行异常用电量数据的识别。
23.具体的，在获取构建异常用电量数据识别模型的构建样本时，通过采集目标用电单位在任意预设时间范围内的用电量数据，可以得到广泛分布的样本用电量数据。其中，所
述多个样本用电量数据是用来对异常用电量数据识别模型进行构建的数据。将所述多个样本用电量数据作为分类对象，从中任意选取一样本用电量数据，作为样本划分的一级划分节点，将多个样本用电量数据划分为用电量低于一级划分节点的样本和用电量高于一级划分节点的样本，实现对输入的用电量数据进行二分类的目标，得到所述第一分类结果。其中，所述第一分类结果是对多个样本用电量数据进行一次二分类得到的。
24.具体的，再次随机选择一样本用电量数据，优选的，该样本用电量数据与一级划分节点的样本用电量数据不一致。进而，将该样本用电量数据赋值于二级划分节点，对所述第一分类结果进行二分类，将第一分类结果中用电量低于二级划分节点的样本用电量数据的样本划分为一类，及将用电量高于二级划分节点的样本用电量数据的样本划分为一类。分类的类别和对应的样本用电量数据为所述第二分类结果，示例性地，第二分类结果内包括四个分类结果。进而，通过多次选择一样本用电量数据赋值于相应的分级划分节点，逐级进行二分类，从而构建所述异常用电量数据识别模型的多级划分节点。根据所述多级划分节点，可根据多个样本用电量数据的分布情况进行异常用电量数据输出节点，以使该异常用电量数据输出节点及以下的节点划分获得的单个用电量数据形成单个孤立的用电量数据，作为异常用电量数据。所述多级划分节点的级数由工作人员根据校准精度自行设置，在此不做限制，示例性地，预设分支节点数量设置为128级。可选的，也可将多级划分节点中位的节点作为该异常用电量数据输出节点，即将64级的划分节点作为异常用电量数据输出节点，较为准确，其下划分节点划分获得的单个用电量数据与其他用电量数据差异较大，容易划分为单个数据，因此为异常的用电量数据。通过将所述异常用电量数据输出节点及以下的划分节点得到的单个用电量数据作为异常用电量数据。进而，根据所述多级划分节点来构建所述异常用电量数据识别模型的模型架构，将所述异常用电量数据输出节点作为异常数据识别的节点，输出异常数据，从而得到所述异常用电量数据识别模型。
25.基于构建完成的异常用电量数据识别模型，将当前的多个用电量数据输入该异常用电量数据识别模型，经多级划分节点的划分，将异常用电量数据输出节点及以下的划分节点划分获得的单个用电量数据作为异常用电量数据，这部分异常用电量数据与其他的用电量数据的差距较大，形成单个数据点，而其他的正常的用电量数据形成密集的数据簇，由此，实现了基于数据特征无监督地异常用电量数据识别，达到了提高异常数据识别的智能化程度，提高识别精度的技术效果。
26.步骤s400：对所述多个正常用电量数据进行归一化处理，获得多个归一化用电量数据；进一步的，对所述多个正常用电量数据进行归一化处理，本技术实施例步骤s400还包括：步骤s410：对所述多个正常用电量数据进行归一化计算，获得所述多个归一化用电量数据，所述归一化计算通过下式计算：其中，为第i个正常用电量数据的归一化用电量数据，为第i个正常用电量数据，为所述多个正常用电数据内的最大值，为多个正常用电数据内的最小值。
27.步骤s500：构建用电数据校准分析模型；进一步的，所述构建用电数据校准分析模型，本技术实施例步骤s500还包括：步骤s510：获取多个样本归一化用电量数据；步骤s520：获取标准归一化用电量数据；步骤s530：根据所述标准归一化用电量数据和所述多个样本归一化用电量数据，计算获得对应的多个样本用电数据校准参数；步骤s540：采用所述多个样本归一化用电量数据和所述多个样本用电数据校准参数，构建所述用电数据校准分析模型。
28.具体而言，在得到多个用电量数据后，进行归一化处理，处理后的归一化用电量数据分布在[-1,1]区间内，由此，可以加快数据处理的效率，进而达到提高数据校准的效率的技术效果。在对用电数据进行校准的过程中，通过构建用电数据校准分析模型，实现提高校准的智能化程度和校准效率的目标。其中，所述样本归一化用电量数据是对样本用电量数据进行归一化处理后得到的，通过将数据分布在[-1,1]之间，可以提升数据处理效率。所述标准归一化用电量数据是通过在电表的标准温度下工作的刚投入使用的合格电表，采集目标用电单位在预设时间范围内的用电量，进行归一化处理后得到的。通过以所述标准归一化用电量数据为基准，计算多个样本归一化用电量数据与标准归一化用电量数据之间的差值与标准归一化用电量数据的比值，得到对应的百分比，以获得的百分比值作为所述多个样本用电量数据校准参数，基于该多个样本用电数据校准参数对对应的样本用电量数据进行校准，即可获得准确的用电量数据。其中，所述多个样本用电数据校准参数反映了用电量数据与标准数据之间的差距情况。
[0029]
进一步的，如图3所示，采用所述多个样本归一化用电量数据和所述多个样本用电数据校准参数，构建所述用电数据校准分析模型，本技术实施例步骤s540还包括：步骤s541：在所述多个样本归一化用电量数据内随机选择一样本归一化用电量数据，作为第一划分阈值，所述第一划分阈值对输入的归一化用电量数据进行二分类；步骤s542：再次在所述多个样本归一化用电量数据内随机选择一样本归一化用电量数据，作为第二划分阈值，所述第一划分阈值对所述第一划分阈值的划分结果进行二分类；步骤s543：继续构建所述用电数据校准分析模型的多个划分阈值；步骤s544：根据所述多个划分阈值，获得多个最终分类结果；步骤s545：采用所述多个样本用电数据校准参数，对所述多个最终分类结果进行标记，获得构建完成的所述用电数据校准分析模型。
[0030]
具体而言，在获得多个样本归一化用电量数据和多个样本用电数据校准参数后，通过对多个样本归一化用电量数据进行分类，再根据多个样本用电量数据校准参数对分类结果进行标记，基于决策树算法思想，构建得到对应的所述用电数据校准分析模型。通过将所述多个样本归一化用电量数据作为总分类样本，从中任意选择一样本归一化用电量数据作为第一划分阈值。其中，所述第一划分阈值是用来对输入的归一化用电量数据划分的数值，样本归一化用电量数据满足所述第一划分阈值的归为一类，不满足所述第一划分阈值的归为一类，从而实现二分类。进而，从多个样本归一化用电量数据中随机选取以样本归一化用电量数据，优选的，选取与作为第一划分阈值的用电量数据不同的样本归一化用电量
数据。以此为第二划分阈值，对第一划分阈值的划分结果进行再次分类。按照同样的方法，多次选取不同的样本归一化用电量数据作为多个划分阈值，逐级对上一划分阈值的划分结果进行二分类，从而得到多个最终分类结果。其中，所述多个最终分类结果是根据多个划分阈值对多个样本归一化用电量数据进行划分得到的分类结果。进而根据分类结果中的样本归一化用电量数据与样本用电数据校准参数之间的对应关系，对所述多个最终分类结果进行标记，从而得到所述用电数据校准分析模型。由此，达到了提高校准的效率和准确度的技术效果。
[0031]
步骤s600：将所述多个归一化用电量数据输入所述用电数据校准分析模型内，获得不同的多个用电数据校准参数；进一步的，将所述多个归一化用电量数据输入所述用电数据校准分析模型内，获得不同的多个用电数据校准参数，本技术实施例步骤s600还包括：步骤s610：将所述多个归一化用电量数据输入所述用电数据校准分析模型内，经所述多个划分阈值的多次二分类，获得多个实际分类结果；步骤s620：获得所述多个实际分类结果对应的多个样本用电数据校准参数，作为所述多个用电数据校准参数。
[0032]
具体而言，所述多个归一化用电量数据是对剔除了异常数据的多个正常用电量数据进行归一化处理后得到的。通过将多个归一化用电量数据输入用电数据校准分析模型中，按照校准分析模型中的多个划分阈值，对数据进行多次二分类，从而得到多个实际分类结果。每个实际分类结果是用电量相近的归一化用电量数据的集合。进而，根据用电数据校准分析模型中每个分类结果的标记，找到对应的多个样本用电数据校准参数，将此设定为用电数据的校准参数。由此，达到了精细化的确定校准参数的技术效果。
[0033]
步骤s700：采用所述多个用电数据校准参数，在所述不同的多个运行参数集合下，对目标电表采集的用电量数据进行校准。
[0034]
具体而言，在获得多个用电数据校准参数后，对不同运行参数集合下运行的电表采集的用电量数据按照用电数据校准参数的百分比值，对用电量数据进行校准计算，得到校准后的用电量数据。可选的，计算方式可以是得到用电量数据与百分比乘积后加上用电量数据，达到了对不同运行参数的目标电表进行准确校准，提高校准效率的技术效果。
[0035]
综上所述，本技术所提供的一种用电数据的智能校准方法具有如下技术效果：1.本技术实施例通过对电表在不同运用状态下的运行参数进行采集，得到多种运行参数集合，从而对相应运行参数集合下的多个电表采集目标用电单位在同一预设时间范围内的用电量数据进行采集，实现了对不同运行状态的用电量数据进行采集的目标，然后通过对多个用电量数据中的异常用电量数据识别并舍弃，获得多个正常用电数据，实现了提高数据的纯净度，保证基础数据的准确性的目标，然后通过归一化处理，提高数据处理的效率，通过将多个归一化用电量数据输入构建完成的用电数据校准分析模型内，得到不同的多个用电数据校准参数，然后通过多个用电数据校准参数可以对不同运行状态下得到的用电量数据进行校准。达到了提高校准的适用性，提高校准的效率和准确性的技术效果。
[0036]
2.本技术实施例通过获取多个样本归一化用电量数据，以及作为数据基准的标准归一化用电量数据，按照计算方法，得到不同的样本归一化用电量数据符合标准归一化用电量数据时的校准参数，从而得到构建用电数据校准分析模型的基础数据。由此，达到了智
能化进行用电数据校准的技术效果。
[0037]
实施例二基于与前述实施例中一种用电数据的智能校准方法同样的发明构思，如图4所示，本技术还提供了一种用电数据的智能校准系统，其中，所述系统包括：运行参数获得模块11，所述运行参数获得模块11用于获得电表运行所处的多种运行参数，获得不同的多种运行参数集合；用电量数据获得模块12，所述用电量数据获得模块12用于在所述多种运行参数集合下，分别采用多个电表采集目标用电单位在同一预设时间范围内的用电量数据，获得不同的多个用电量数据；正常用电数据获得模块13，所述正常用电数据获得模块13用于对所述多个用电量数据进行异常用电量数据识别，获得多个异常用电量数据，将所述多个异常用电量数据舍弃，获得多个正常用电数据；归一化处理模块14，所述归一化处理模块14用于对所述多个正常用电量数据进行归一化处理，获得多个归一化用电量数据；分析模型构建模块15，所述分析模型构建模块15用于构建用电数据校准分析模型；校准参数获得模块16，所述校准参数获得模块16用于将所述多个归一化用电量数据输入所述用电数据校准分析模型内，获得不同的多个用电数据校准参数；数据校准模块17，所述数据校准模块17用于采用所述多个用电数据校准参数，在所述不同的多个运行参数集合下，对目标电表采集的用电量数据进行校准。
[0038]
进一步的，所述系统还包括：运行温度参数获得单元，所述运行温度参数获得单元用于采集所述电表不同的运行温度，获得不同的多个运行温度参数；运行时间参数获得单元，所述运行时间参数获得单元用于采集所述电表不同的运行时间，获得不同的多个运行时间参数；运行参数集合获得单元，所述运行参数集合获得单元用于根据所述多个运行温度参数和所述多个运行时间参数进行组合，获得所述多种运行参数集合。
[0039]
进一步的，所述系统还包括：数据识别模型构建单元，所述数据识别模型构建单元用于构建异常用电量数据识别模型；用电量数据输入单元，所述用电量数据输入单元用于将所述多个用电量数据输入所述异常用电量数据识别模型，获得所述多个异常用电量数据。
[0040]
进一步的，所述系统还包括：样本用电量数据获得单元，所述样本用电量数据获得单元用于采集所述目标用电单位在任意预设时间范围内的用电量数据，获得多个样本用电量数据；第一分类结果获得单元，所述第一分类结果获得单元用于在所述多个样本用电量数据内随机选择一样本用电量数据，构建所述异常用电量数据识别模型的一级划分节点，所述一级划分节点对输入的用电量数据进行二分类，获得第一分类结果；第二分类结果获得单元，所述第二分类结果获得单元用于再次在所述多个样本用
电量数据内随机选择一样本用电量数据，构建所述异常用电量数据识别模型的二级划分节点，所述二级划分节点对所述第一分类结果进行二分类，获得第二分类结果；多级划分节点构建单元，所述多级划分节点构建单元用于继续构建所述异常用电量数据识别模型的多级划分节点；异常输出节点设置单元，所述异常输出节点设置单元用于根据所述多级划分节点，设置异常用电量数据输出节点，其中，所述异常用电量数据输出节点及以下的划分节点划分获得的单个用电量数据为异常用电量数据；异常识别模型构建单元，所述异常识别模型构建单元用于根据所述多级划分节点和所述异常用电量数据输出节点，获得所述异常用电量数据识别模型。
[0041]
进一步的，所述系统还包括：归一化计算单元，所述归一化计算单元用于对所述多个正常用电量数据进行归一化计算，获得所述多个归一化用电量数据，所述归一化计算通过下式计算：其中，为第i个正常用电量数据的归一化用电量数据，为第i个正常用电量数据，为所述多个正常用电数据内的最大值，为多个正常用电数据内的最小值。
[0042]
进一步的，所述系统还包括：归一化数据获取单元，所述归一化数据获取单元用于获取多个样本归一化用电量数据；标准数据获取单元，所述标准数据获取单元用于获取标准归一化用电量数据；校准参数获得单元，所述校准参数获得单元用于根据所述标准归一化用电量数据和所述多个样本归一化用电量数据，计算获得对应的多个样本用电数据校准参数；校准分析模型，所述校准分析模型用于采用所述多个样本归一化用电量数据和所述多个样本用电数据校准参数，构建所述用电数据校准分析模型。
[0043]
进一步的，所述系统还包括：第一划分阈值设定单元，所述第一划分阈值设定单元用于在所述多个样本归一化用电量数据内随机选择一样本归一化用电量数据，作为第一划分阈值，所述第一划分阈值对输入的归一化用电量数据进行二分类；第二划分阈值设定单元，所述第二划分阈值设定单元用于再次在所述多个样本归一化用电量数据内随机选择一样本归一化用电量数据，作为第二划分阈值，所述第一划分阈值对所述第一划分阈值的划分结果进行二分类；多个划分阈值构建单元，所述多个划分阈值构建单元用于继续构建所述用电数据校准分析模型的多个划分阈值；最终分类结果获得单元，所述最终分类结果获得单元用于根据所述多个划分阈值，获得多个最终分类结果；分类结果标记单元，所述用于采用所述多个样本用电数据校准参数，对所述多个最终分类结果进行标记，获得构建完成的所述用电数据校准分析模型。
[0044]
进一步的，所述系统还包括：
实际分类结果获得单元，所述实际分类结果获得单元用于将所述多个归一化用电量数据输入所述用电数据校准分析模型内，经所述多个划分阈值的多次二分类，获得多个实际分类结果；用电数据校准参数获得单元，所述用电数据校准参数获得单元用于获得所述多个实际分类结果对应的多个样本用电数据校准参数，作为所述多个用电数据校准参数。
[0045]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种用电数据的智能校准方法和具体实例同样适用于本实施例的一种用电数据的智能校准系统，通过前述对一种用电数据的智能校准方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种用电数据的智能校准系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0046]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。