企业用电检测方法、装置、计算机设备和存储介质与流程

本技术涉及人工智能和电力，特别是涉及一种企业用电检测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、随着大数据、人工智能、物联网等产业的兴起，人们的生产生活方式发生了极大的变化。人们可以依托数据建立模型，对某类事物进行预测、分类或者评价，从而精准的刻画出该类事物的变化规律，以便解决特定问题。

2、针对危化企业的用电安全分析，主要是从电力负荷、用电设备的类型和功率需求等方面进行分析，同时，考虑危险化学品的特性和工艺要求，确定特殊的电气安全要求。

3、目前，对于危险化学企业的用电安全分析，主要包括使用电气系统仿真软件，对危化企业的电气系统进行建模和仿真分析，通过仿真软件可以模拟电力系统的运行情况，包括电流、电压、功率等参数的计算和分析，以评估系统的稳定性、负载能力以及潜在的安全隐患。

4、然而，上述用电安全分析的方案仍然存在分析结果不够准确的问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种提高用电安全分析准确度的企业用电检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种企业用电检测方法。所述方法包括：

3、获取目标企业的实时用电数据、实时环境数据和用电波动因素；

4、对实时用电数据、实时环境数据和用电波动因素进行数据预处理，得到目标用电数据和目标环境数据；

5、从目标用电数据提取出用电特征数据，以及从目标环境数据提取出环境特征数据；

6、以用电特征数据、环境特征数据以及目标用电波动因素为输入，调用已训练的企业用电检测模型进行用电异常检测，得到企业用电检测结果；

7、其中，企业用电检测模型基于目标企业在历史时间段内的历史用电数据、历史环境数据和历史用电波动因素，对分类预测模型进行训练得到。

8、在其中一个实施例中，用电特征数据包括用电负荷数据、用电量以及用电时间；

9、企业用电检测模型被调用时执行以下步骤：

10、通过窗口统计方法，统计用电负荷数据的变化规律，得到用电负荷变化数据；

11、基于已有的历史用电数据，分析用电量和用电时间的变化规律，得到用电量变化数据；

12、根据预设的异常用电判断规则，对用电负荷变化数据、用电量变化数据以及环境特征数据进行用电异常检测，得到企业用电检测结果。

13、在其中一个实施例中，以用电特征数据为输入，调用已训练的企业用电检测模型进行用电安全检测之前，方法还包括：

14、获取目标企业在历史时间段内的历史用电数据、历史环境数据和历史用电波动因素；

15、对历史用电数据、历史环境数据以及历史用电波动因素进行数据预处理，得到目标历史用电数据、目标历史环境数据和目标历史用电波动因素；

16、提取目标历史用电数据中的历史用电特征数据，以及目标历史环境数据中的历史环境特征数据；

17、基于历史用电特征数据、历史环境特征数据和目标历史用电波动因素，构建模型训练集；

18、基于模型训练集，通过梯度下降方法，训练初始企业用电检测模型，确定初始企业用电检测模型的模型参数，得到训练后的企业用电检测模型；

19、其中，初始企业用电检测模型基于逻辑回归分析算法所构建。

20、在其中一个实施例中，得到训练后的企业用电检测模型之后，方法还包括：

21、对训练后的企业用电检测模型进行交叉验证，计算每一次交叉验证后的模型性能指标，得到多个模型性能指标；

22、根据多个模型性能指标，得到模型性能评估结果。

23、在其中一个实施例中，对实时用电数据、实时环境数据和用电波动因素进行数据预处理，得到目标用电数据、目标环境数据和目标用电波动因素包括：

24、对实时用电数据、实时环境数据和用电波动因素进行数据清洗、缺失值填充、异常值处理以及归一化处理中的至少一种，得到目标用电数据、目标环境数据和目标用电波动因素。

25、在其中一个实施例中，得到企业用电检测结果之后，方法还包括：

26、在企业用电检测结果表征目标企业存在异常用电行为的情况下，推送预警消息。

27、第二方面，本技术还提供了一种企业用电检测装置。所述装置包括：

28、数据获取模块，用于获取目标企业的实时用电数据、实时环境数据和用电波动因素；

29、数据预处理模块，用于对实时用电数据、实时环境数据和用电波动因素进行数据预处理，得到目标用电数据和目标环境数据；

30、数据提取模块，用于从目标用电数据提取出用电特征数据，以及从目标环境数据提取出环境特征数据；

31、数据检测模块，用于以用电特征数据、环境特征数据以及目标用电波动因素为输入，调用已训练的企业用电检测模型进行用电异常检测，得到企业用电检测结果；

32、其中，企业用电检测模型基于目标企业在历史时间段内的历史用电数据、历史环境数据和历史用电波动因素，对分类预测模型进行训练得到。

33、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

34、获取目标企业的实时用电数据、实时环境数据和用电波动因素；

35、对实时用电数据、实时环境数据和用电波动因素进行数据预处理，得到目标用电数据和目标环境数据；

36、从目标用电数据提取出用电特征数据，以及从目标环境数据提取出环境特征数据；

37、以用电特征数据、环境特征数据以及目标用电波动因素为输入，调用已训练的企业用电检测模型进行用电异常检测，得到企业用电检测结果；

38、其中，企业用电检测模型基于目标企业在历史时间段内的历史用电数据、历史环境数据和历史用电波动因素，对分类预测模型进行训练得到。

39、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

40、获取目标企业的实时用电数据、实时环境数据和用电波动因素；

41、对实时用电数据、实时环境数据和用电波动因素进行数据预处理，得到目标用电数据和目标环境数据；

42、从目标用电数据提取出用电特征数据，以及从目标环境数据提取出环境特征数据；

43、以用电特征数据、环境特征数据以及目标用电波动因素为输入，调用已训练的企业用电检测模型进行用电异常检测，得到企业用电检测结果；

44、其中，企业用电检测模型基于目标企业在历史时间段内的历史用电数据、历史环境数据和历史用电波动因素，对分类预测模型进行训练得到。

45、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

46、获取目标企业的实时用电数据、实时环境数据和用电波动因素；

47、对实时用电数据、实时环境数据和用电波动因素进行数据预处理，得到目标用电数据和目标环境数据；

48、从目标用电数据提取出用电特征数据，以及从目标环境数据提取出环境特征数据；

49、以用电特征数据、环境特征数据以及目标用电波动因素为输入，调用已训练的企业用电检测模型进行用电异常检测，得到企业用电检测结果；

50、其中，企业用电检测模型基于目标企业在历史时间段内的历史用电数据、历史环境数据和历史用电波动因素，对分类预测模型进行训练得到。

51、上述企业用电检测方法、装置、计算机设备、存储介质和计算机程序产品，预先通过历史用电数据、历史环境数据和历史用电波动因素训练企业用电检测模型，捕捉用电行为和环境因素之间的关系，能够提高模型在用电异常检测任务上的准确性和泛化能力，在实际用电检测场景下，通过获取目标企业的实时用电数据、实时环境数据和用电波动因素，实时数据可以更准确地反映当前的用电行为和环境情况，从而增强用电异常检测的实时性和准确性，通过对实时用电数据、实时环境数据和用电波动因素进行预处理，使得到的目标用电数据、目标环境数据和目标用电波动因素更加规范，有助于提高后续特征提取和模型检测的效果，通过分别从目标用电数据和目标环境数据中提取出用电特征数据和环境特征数据，再以用电特征数据、环境特征数据以及目标用电波动因素为输入，调用已训练的企业用电检测模型，能够高效且准确地判断企业是否存在异常用电行为，得到准确的企业用电检测结果，提高了用电检测的准确性。进一步地，该方案能够很好地适用于危化企业的用电检测，从而提升危化企业用电安全管理水平。