一种台区用电设备监控和分析的系统、方法、装置和介质

技术领域

本发明涉及配电技术领域，尤其涉及一种台区用电设备监控和分析的系统、方法、装置和介质。

背景技术

配电网是以台区为基本单位进行管理和运维，包括线损计算和窃电监测等，其中台区是指一个配电变压器的供电覆盖区域。用电设备监控是指利用电力定量器分别对用户进行用电指标的控制。电力定量器可根据分配给用户的计划用电指标，控制一个或几个高峰用电时段内的用电负荷。但是用电设备的一些运行状态导致电网系统运行不稳定，在出现故障时难以快速定位设备。

针对用电设备监控的问题，CN104167815B提出一种用电设备现场监控装置，包括相互连接的现场数据采集和控制单元、现场网络控制终端、远程监控系统和供电电源模块；现场数据采集和控制单元包括主控模块、现场信息显示单元、脱扣继电器、电力状态信息检测模块和电力环境信息检测模块，且主控模块与电力状态信息检测模块和电力环境信息检测模块之间连接有A/D转换模块；现场网络控制终端包括数据处理器、数据显示器和D/A转换模块，数据处理器上布置安装有通讯接口；远程监控系统包括中央处理器、存储器、触摸式显示屏和报警装置。但是仅涉及到用电设备运行状态的监控，没有实现基于电网系统负荷进行相应用电设备的动态调控。

因此，希望提供一种台区用电设备监控和分析的系统、方法、装置和介质，可以对多个用电设备运行状态进行多维度监控，基于电网系统负荷实现用电设备的动态调控，提高监控效率，并对故障设备的位置进行定位。

发明内容

发明内容包括一种台区用电设备监控和分析的系统，所述系统包括通信模块及与所述通信模块通信连接的用电设备采集模块、监控模块、定时模块、数据传输模块、定位模块和处理器；所述用电设备采集模块，用于采集用电设备的数量以及位置，并确定所述用电设备的用电数据；所述监控模块，用于对所述用电设备进行监控，并将监控数据通过所述数据传输模块传输至所述用电设备采集模块；所述定时模块，用于使所述监控模块对所述用电设备进行定时监控；所述定位模块，用于对目标用电设备的位置进行定位；所述处理器用于：基于预设时间段内所述用电设备的所述用电数据，对台区电网的运行负荷进行调整；基于所述预设时间段内所述用电设备的所述用电数据进行故障排查，确定所述目标用电设备，并向工作人员发出检测指令。

发明内容包括一种台区用电设备监控和分析的方法，所述方法由台区用电设备监控和分析的系统的处理器执行，所述方法包括：基于预设时间段内用电设备的用电数据，对台区电网的运行负荷进行调整；基于所述预设时间段内所述用电设备的所述用电数据进行故障排查，确定目标用电设备，并向工作人员发出检测指令。

发明内容包括一种台区用电设备监控和分析的装置，所述装置包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现台区用电设备监控和分析的方法。

发明内容包括一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行台区用电设备监控和分析的方法。

有益效果：通过基于用电设备的监控，并根据电网系统中的用电数据，从运行负荷调整并进行故障排查，确定目标用电设备，可以对台区电网多个用电设备运行状态进行多维度监控，基于电网系统负荷实现用电设备的动态调控，保证台区电网各用电设备的高效运行，提高监控效率；可以及时发现目标用电设备的故障，从而及时进行维修和保养，减少用电事故的发生，保障用电设备的安全稳定运行。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的台区用电设备监控和分析的系统的示例性示意图；

图2是根据本说明书一些实施例所示的生成目标调整方案的示例性流程图；

图3是根据本说明书一些实施例所示的故障模型的示例性示意图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

用电设备监控是利用电能监控装置监测用电指标、进行计划用电管理的技术，对保证电力系统的正常运行起着重要作用。台区用电设备数量众多，功率较大，容易导致电网系统负荷过高、压力过大，尤其是在用电设备开机运行、高峰运行时更为明显。此外，由于用电设备分布广泛，难以进行集中监控，监控效率低，一旦出现故障也难以快速定位设备。

鉴于此，本说明书一些实施例中，期望提供一种台区用电设备监控和分析的系统和方法，通过基于各用电设备进行电量监控，对多个用电设备运行状态进行多维度监控，基于电网系统负荷进行相应用电设备的动态调控，对故障设备位置进行定位，并对故障原因以及对电网影响进行分析。

图1是根据本说明书一些实施例所示的台区用电设备监控和分析的系统的示例性示意图。如图1所示，台区用电设备监控和分析的系统100可以包括通信模块110、用电设备采集模块120、监控模块130、定时模块140、数据传输模块150、定位模块160和处理器170。

在一些实施例中，通信模块110可以用于模块与模块之间、模块与处理器之间的通信。例如，通信模块110可以连接用电设备采集模块120、监控模块130、定时模块140、数据传输模块150、定位模块160和处理器170。

在一些实施例中，用电设备采集模块120可以用于采集用电设备的数量以及位置，并确定用电设备的用电数据。

在一些实施例中，监控模块130可以用于对用电设备进行监控，并将监控数据通过数据传输模块150传输至用电设备采集模块120。

在一些实施例中，监控模块130可以实现相应用电设备的开机、待机、满负荷运行和常态运行状态下的监控，并将监控数据通过数据传输模块150进行传输。

在一些实施例中，定时模块140可以用于使监控模块130对用电设备进行定时监控。

在一些实施例中，定时模块140可以用于进行定时监控，对用电设备不同运行状态下进行数据检测，并进行传输。

在一些实施例中，数据传输模块150可以用于数据的传输。

在一些实施例中，数据传输模块150可以将监控数据传输至用电设备采集模块120。

在一些实施例中，定位模块160可以用于对目标用电设备的位置进行定位。例如，定位模块160可以通过GPS定位法等定位目标用电设备的位置。

在一些实施例中，处理器170可以处理与台区用电设备监控和分析的系统相关的数据和/或信息。

在一些实施例中，处理器170可以用于基于预设时间段内用电设备的用电数据，对台区电网的运行负荷进行调整；

在一些实施例中，处理器170可以用于基于预设时间段内用电设备的用电数据进行故障排查，确定目标用电设备，并向工作人员发出监测指令。

在一些实施例中，处理器170可以进一步用于基于台区电网中至少一个预设电压检测点的电压，确定台区电网的运行状态；响应于台区电网的运行状态满足预设运行条件，基于用电数据通过预设算法确定目标的调整方案。

在一些实施例中，处理器170可以进一步用于生成多个候选调整方案；基于多个候选调整方案通过评估模型将满足预设条件的候选调整方案确定为目标调整方案。

在一些实施例中，处理器170可以进一步用于基于用电数据，通过故障模型确定故障概率；基于故障概率，确定目标用电设备。

在一些实施例中，处理器170可以包括存储设备等，处理器170可以从存储设备中获取预先存储的与处理与台区用电设备监控和分析的系统相关的数据和/或信息。在一些实施例中，处理与台区用电设备监控和分析的系统100可以包括网络和/或其他连接系统与外部资源的组成部分。处理器可以通过网络获取与处理与台区用电设备监控和分析的系统相关的数据和/或信息。

在一些实施例中，台区用电设备监控和分析的系统100还可以包括用户终端。用户终端是指与台区用电设备监控和分析的系统100相关的用户(如工作人员)所使用的设备和/或软件。在一些实施例中，工作人员可以通过用户终端接收检测指令，处理器可以通过用户终端发出检测指令。

关于处理器170的更多说明可以参见图1的下述实施例以及图2、图3的相关描述。

需要注意的是，以上对于台区用电设备监控和分析的系统100及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的多个模块可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。诸如此类的变形，均在本说明书的保护范围之内。

在一些实施例中，台区用电设备监控和分析的方法可以由台区用电设备监控和分析的系统的处理器执行。处理器可以基于预设时间段内用电设备的用电数据，对台区电网的运行负荷进行调整；基于预设时间段内用电设备的用电数据进行故障排查，确定目标用电设备，并向工作人员发出检测指令。

预设时间段是指预先设置的历史时间段。在一些实施例中，预设时间段可以通过人工设置获取。

用电设备是指使用电能作为动力源的各种设备。关于用电设备如何获取的更多说明，参见图1及其相关描述。

用电数据是指记录用电设备运行状态的相关信息。用电数据包括但不限于用电设备的电压、电流和功率等。用电设备的用电数据可以通过用电设备采集模块获取。关于用电数据如何获取的更多说明，参见图1及其相关描述。

台区是指一台变压器的供电范围或区域。台区电网是指由变电站向周边配电网供电的电力网络。

台区电网的运行负荷是指台区电网中所有用电设备消耗总功率的总和。台区电网的运行负荷可以通过用电设备采集模块获取的所有用电设备的功率加和确定。

处理器可以通过多种方式调整运行负荷。在一些实施例中，当运行负荷过大或超过运行负荷阈值时，处理器可以通过切断一些用电设备，减少台区电网中所有用电设备的功率的总和，降低运行负荷。运行负荷阈值可以根据实际需求提前预设。在一些实施例中，处理器可以通过预设算法确定目标调整方案，基于目标调整方案切断对应的用电设备，以调整运行负荷。关于目标调整方案的更多说明参见图2及其相关描述。

处理器可以通过多种方式进行故障排查。在一些实施例中，处理器可以基于预设时间段内用电设备的用电数据进行故障排查。例如，处理器可以将用电数据出现不符合用户行为习惯的异常用电数据的用电设备作为目标用电设备。用户行为习惯可以通过用电设备的历史用电数据分析获得。

目标用电设备是指可能发生故障的用电设备。

在一些实施例中，处理器可以将用电数据波动较大的用电设备确定为目标用电设备。

在一些实施例中，处理器可以基于用电数据，通过故障模型确定故障概率，故障模型可以为机器学习模型；基于故障概率，确定目标用电设备。

故障概率是指用电设备发生故障的概率。

故障模型是指用于确定用电设备的故障概率的模型。

在一些实施例中，故障模型的输入可以为用电设备的用电数据，输出可以包括用电设备的故障概率。

在一些实施例中，故障模型可以包括多层结构。关于故障模型的更多说明，参见图3及其相关内容。

在一些实施例中，处理器可以将故障概率高于概率阈值的用电设备确定为目标用电设备，并使用定位模块对目标用电设备的位置进行快速定位。关于定位模块的更多说明，参见图1及其相关内容。

本说明书一些实施例，通过故障模型对用电设备的用电数据进行处理，可以利用机器学习模型的自学习能力，从大量用电数据中找到规律，获取到故障概率与用电数据之间的关联关系，提高确定故障概率的准确度和效率，进而提高确定的目标用电设备的准确性，有利于后续针对目标用电设备及时进行分析和处理。

检测指令是指对目标用电设备进行检测的命令。

处理器可以通过多种方式发出检测指令。在一些实施例中，处理器可以通过网络向工作人员的用户终端发出检测指令。关于用户终端可以参见上述图1的相关描述。

本说明书一些实施例，通过基于用电设备的监控，并根据电网系统中的用电数据，从运行负荷调整并进行故障排查，确定目标用电设备，可以对台区电网多个用电设备运行状态进行多维度监控，基于电网系统负荷实现用电设备的动态调控，保证台区电网各用电设备的高效运行，提高监控效率；可以及时发现目标用电设备的故障，从而及时进行维修和保养，减少用电事故的发生，保障用电设备的安全稳定运行。

图2是根据本说明书一些实施例所示的生成目标调整方案的示例性流程图。在一些实施例中，流程200可以由处理器执行。如图2所示，流程200包括下述步骤：

步骤210，基于台区电网中至少一个预设电压检测点的电压，确定台区电网的运行状态。

预设电压检测点是指预先设置的电压检测点。预设电压检测点可以通过多种方式获取。在一些实施例中，预设电压检测点可以通过人工设置获取。

预设电压检测点的电压可以通过监控模块采集获取。

台区电网的运行状态可以包括正常状态和超负荷状态。

处理器可以通过多种方式确定台区电网的运行状态。在一些实施例中，处理器可以基于预设电压检测点的电压，通过向量数据库确定台区电网的运行状态。

在一些实施例中，可以对目标对象(即预设电压检测点的电压)提取特征，确定目标特征向量。在一些实施例中，可以基于目标特征向量，通过向量数据库确定关联特征向量。向量数据库是指用于存储、索引和查询向量的数据库。通过向量数据库，可以面对大量向量快速进行相似性查询和其他向量管理。在一些实施例中，向量数据库中的向量可以包括电压对象对应的运行状态向量，电压对象包括预设电压检测点的电压，运行状态向量包括台区电网的运行状态。在一些实施例中，向量数据库中的运行状态向量可以基于历史经验数据确定。

在一些实施例中，可以基于目标特征向量，通过向量数据库确定符合向量预设条件的向量，将符合向量预设条件的向量确定为关联特征向量。向量预设条件是指筛选关联特征向量的条件。在一些实施例中，向量预设条件可以包括目标特征向量相似度大于阈值。

在一些实施例中，可以将关联特征向量对应的运行状态向量中台区电网的运行状态作为匹配结果。

步骤220，响应于台区电网的运行状态满足预设运行条件，基于用电数据通过预设算法确定目标调整方案。

预设运行条件是指预先设置的运行状态条件。在一些实施例中，预设运行条件可以为运行状态为超负荷状态。在一些实施例中，预设运行条件可以基于人工设置获取。

处理器可以通过多种方式确定台区电网的运行状态是否满足预设运行条件。在一些实施例中，可以通过直接比对的方式，确定台区电网的运行状态是否满足预设运行条件。

在一些实施例中，处理器可以响应于至少一个预设电压检测点的电压中的任意一个低于对应的台区电压阈值，确定台区电网的运行状态满足预设运行条件，反之则不满足预设运行条件。每个预设电压检测点对应的台区电压阈值可以相同或者不同。台区电压阈值是指设定的预设电压检测点的可接受的电压最小值。在一些实施例中，台区电压阈值相关于电网允许的电压波动范围、台区电网规模和环境数据等。

处理器可以通过多种方式获取台区电压阈值。在一些实施例中，可以通过人工基于经验预先设置台区电压阈值。

在一些实施例中，处理器可以基于电压波动范围、台区电网规模、环境数据，通过台区电压阈值模型确定台区电压阈值，台区电压阈值模型为机器学习模型。

台区电压阈值模型为确定台区电压阈值的模型。在一些实施例中，台区电压阈值模型可以为下文中自定义结构的机器学习模型。台区电压阈值模型还可以是其他结构的机器学习模型，例如神经网络模型等。

在一些实施例中，台区电压阈值模型的输入可以包括电压波动范围、台区电网规模和环境数据，输出可以是台区电压阈值序列。台区电压阈值序列中包括每个预设电压检测点对应的台区电压阈值。

电压波动范围可以指电网允许的电压波动的范围。处理器可以基于电网相关规定设置电压波动范围。

台区电网规模是指一个台区电网所供应的电力容量大小。台区电网规模可以通过线路和/或配电设备的数量反映。例如，线路和/或配电设备的数量越多，台区电网规模越大。台区电网规模越大，相应的台区电压阈值就需要小一些。

环境数据可以包括温度和湿度等。高温情况下，电网更容易出现故障，相应的台区电压阈值需要小一些。

在一些实施例中，台区电压阈值模型可以通过多个带有第二标签的第二训练样本训练得到。

第二训练样本的每组训练样本可以包括台区电网对应的样本电压波动范围、样本台区电网规模、样本环境数据。第二标签可以为该组训练样本对应的台区电网对应的样本实际台区电压阈值序列，在一些实施例中，多组第二训练样本可以通过大数据分析获取，例如，可以通过多个台区电网的信息等中获取大量数据进行统计分析等处理后得到多组第二训练样本，第二标签可以基于多个台区电网中实际设置的台区电压阈值通过人工标注获取。

本说明书一些实施例，通过台区电压阈值模型自动确定至少一个预设电压检测点的台区电压阈值，可以避免由技术人员经验不同，造成的对台区电网运行状态的误判，也使得对台区电网运行状态的评估更加合理。

处理器可以通过多种方式确定预设电压检测点的电压是否低于台区电压阈值。在一些实施例中，处理器可以通过直接比对预设电压检测点的电压和台区电压阈值的方式，确定预设电压检测点的电压是否低于台区电压阈值。低于台区电压阈值时，台区电网的运行状态(超负荷状态)满足预设运行条件，反之台区电网的运行状态(正常状态)不满足预设运行条件。

本说明书一些实施例，通过响应于预设电压检测点的电压是否低于台区电压阈值确定台区电网的运行状态，可以及时自动判断台区电网的运行状态，减少人为干预，提高管理效率，有利于后续进行用电设备的动态调控，保证电网系统高效稳定运行。

预设算法是指预先设置的用于确定目标调整方案的算法。在一些实施例中，预设算法可以为先随机生成多个候选调整方案，然后将满足要求的候选调整方案确定为目标调整方案。

目标调整方案是指如何对用电设备的用电进行调整的方案。在一些实施例中，目标调整方案可以包括需要切断用电的用电设备的切断设备数量和需要切断用电的切断设备序列。切断设备数量是指需要切断用电的用电设备的数量。切断设备序列是指需要切断的用电设备的编号或序号。

在一些实施例中，为了减小电网压力，降低电网故障风险，处理器可以基于目标调整方案，向相关用户发出预警，可以由用户切断部分用电设备。

处理器可以通过多种方式确定目标调整方案。在一些实施例中，目标调整方案可以为将所有异常用电设备作为需要切断的用电设备。

本说明书一些实施例，通过响应于台区电网运行状态满足预设运行条件，基于用电数据通过预设算法确定目标调整方案，可以实现台区电网的智能化调整和优化，避免出现过载和失衡现象，提高台区电网的稳定性和可靠性。

在一些实施例中，处理器可以基于下述步骤221和步骤222确定目标调整方案。

步骤221，生成多个候选调整方案。

候选调整方案可以为待确定为目标调整方案的调整方案。

处理器可以通过多种方式生成多个候选调整方案。在一些实施例中，处理器可以随机生成多个候选调整方案。例如，处理器可以随机生成多个候选调整方案中的待切断的用电设备的候选切断设备数量和待切断的用电设备的候选切断设备序列。

在一些实施例中，生成多个候选调整方案相关于目标用电设备的故障概率和用电设备的重要程度。

关于故障概率的更多说明，参见图1之后的相关描述。

用电设备的重要程度可以指用电设备对电力系统运行和负荷的影响程度，可以通过重要程度等级进行表示。处理器可以根据设备类型将用电设备分为多个不同的重要程度等级。

在一些实施例中，故障概率越大的目标用电设备，越容易被处理器选作为待切断的用电设备。重要程度越大的用电设备，被选作待切断的用电设备的概率越小。例如，处理器可以通过以下操作生成多个候选调整方案中的一个候选调整方案：首先随机确定候选切断设备数量，然后从所有目标用电设备中选出故障概率高于故障阈值的多个目标用电设备作为待切断的用电设备，如果高于故障阈值的多个目标用电设备的数量小于候选切断设备数量，则从剩余的用电设备中，根据用电设备的重要程度从低到高选取剩余的用电设备。处理器通过重复上述操作，生成多个候选调整方案。

本说明书一些实施例，通过将候选调整方案相关于目标用电设备的故障概率和用电设备的重要程度，切断易故障的用电设备并保证重要用电设备的运行，提高候选调整方案的可靠性和有效性，进而提高系统的稳定性和安全性。

步骤222，基于多个候选调整方案，通过评估模型将满足预设条件的候选调整方案确定为目标调整方案，评估模型为机器学习模型。

评估模型为确定至少一个预设电压检测点的调整后的电压的模型。在一些实施例中，评估模型可以为下文中自定义结构的机器学习模型。评估模型还可以是其他结构的机器学习模型，例如神经网络模型等。

在一些实施例中，评估模型的输入可以包括候选调整方案、至少一个当前预设电压检测点的电压、候选调整方案中用电设备的功率之和，输出可以为至少一个电压检测点的调整后的电压。

候选调整方案中用电设备的功率之和可以通过用电设备采集模块获取的候选调整方案中用电设备的功率加和确定。关于用电设备采集模块的更多说明参见图1及其相关描述。候选调整方案可以参见图2上述的相关描述。

当前预设电压检测点的电压可以指距离当前时间点最近一次获取的预设电压检测点的电压。关于预设电压检测点的电压及如何获取的相关说明，参见步骤210及其相关内容。

调整后的电压可以指基于候选调整方案等确定的预设电压检测点的电压。

本说明书一些实施例，通过评估模型基于候选调整方案、至少一个当前预设电压检测点的电压、候选调整方案中用电设备的功率之和确定至少一个电压检测点的调整后的电压，可以利用机器学习模型的自学习能力，从大量预设电压检测点电压数据中找到规律，获取到预设电压检测点的调整后的电压与候选调整方案之间的关联关系，提高确定预设电压检测点的调整后的电压的准确度和效率，有利于后续基于电网系统负荷进行相应用电设备的动态调控，在满足用电设备常态运行的情况下将冗余电量进行宏观调整。

在一些实施例中，评估模型可以通过带有第三标签的第三训练样本训练得到。关于评估模型训练过程的更多说明参见台区电压阈值模型的训练过程，在此不做赘述。

在一些实施例中，第三训练样本的每组训练样本可以包括样本实际调整方案、样本至少一个当前实际电压检测点的电压、样本候选调整方案中用电设备的功率之和，第三标签可以为第三训练样本的每组训练样本对应的基于样本实际调整方案确定的至少一个实际电压检测点的电压。在一些实施例中，第三训练样本和第三标签可以通过大数据获取。例如，可以通过多个台区的历史调整方案和实际电压检测点信息等中获取大量数据进行统计分析等处理后得到。

预设条件可以为预先设置的筛选候选调整方案的条件。在一些实施例中，预设条件可以为预设电压检测点的调整后的电压全部高于对应的台区电压阈值。在一些实施例中，预设条件可以通过人工设置获取。

处理器可以通过多种方式确定目标调整方案。在一些实施例中，处理器可以将电压检测点的调整后的电压全部高于台区电压阈值的候选调整方案，作为目标调整方案，如果存在多个满足条件的候选调整方案，则随机选择一个作为目标调整方案。

在一些实施例中，目标调整方案相关于台区电网中最小电路分支的危险程度。

最小电路分支是指可以统一控制断电/供电的最小的电路分支。例如，最小电路分支可以为一个小区某栋/某几栋用户对应的电路。最小电路分支可以通过人工标注获取。

最小电路分支的危险程度用于反映最小电路分支出现故障的危险。处理器可以通过多种方式获取最小电路分支的危险程度。

在一些实施例中，最小分支的危险程度相关于该分支上目标用电设备数量占比和目标用电设备故障概率均值。其中，目标用电设备数量占比为该分支目标用电设备数量与该分支用电设备数量总和之比。该分支目标用电设备数量可以通过故障模型获取。关于故障模型的更多说明参见图3及其相关描述。该分支用电设备数量总和可以通过用电设备采集模块获取。关于用电设备采集模块的更多说明参见图1及其相关内容。目标用电设备故障概率均值为该分支目标用电设备故障概率之和比该分支目标用电设备数量。关于如何确定目标用电设备故障概率的更多说明参见图3及其相关内容。

例如，最小电路分支的危险程度可以通过公式(1)计算得到：

C＝ax+by#(1)

其中，C为最小电路分支的危险程度，a、b为预设权重，x为该分支上目标用电设备数量占比，y为该分支目标用电设备故障概率均值。

在一些实施例中，响应于危险程度超过预设阈值，为了电网安全需要切断整个最小电路分支的供电，处理器可以将该最小电路分支中包括的用电设备均确定为目标调整方案中的需要切断用电的用电设备。

当某最小电路分支上，目标用电设备数量越多，目标用电设备故障概率越高，则一旦该分支上某一个/多个异常用电设备，真实发生故障时对该分支的电压、电流带来波动，这些波动容易给该分支上其他目标用电设备带来连锁反应，也不利于该分支电网线路的安全。本说明书一些实施例，通过考虑最小电路分支的危险程度，避免设备故障对电网线路的连锁反应，在保障电网安全的情况下将损失控制在最小程度。

本说明书一些实施例，通过生成多个候选调整方案，并通过评估模型选择最优方案，从而使确定的目标调整方案更加全面和准确，实现更精准的电力调整和优化。

应当注意的是，上述有关流程的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图3是根据本说明书一些实施例所示的故障模型的示例性示意图。

在一些实施例中，如图3所示，故障模型可以为多层结构，包括设备用电特征提取层310、设备检修特征提取层320、电网负荷特征提取层330和故障预测层340。

在一些实施例中，设备用电特征提取层310可以用于提取用电设备的用电数据的特征。设备用电特征提取层310的输入为预设时间段内用电设备的用电数据311，输出为设备用电特征向量312。

设备用电特征向量312可以综合反映用电设备(特别是异常用电设备)的自身用电情况。关于预设时间段内用电设备的用电数据的更多内容可以参见图1的相关描述。

在一些实施例中，设备检修特征提取层320可以用于提取异常用电设备的检修特征。设备检修特征提取层320的输入可以为异常用电设备历史检修数据321，输出可以为设备检修特征向量322。设备检修特征向量322可以综合反映异常用电设备的历史维修情况、设备性能。

在一些实施例中，异常用电设备历史检修数据321可以指异常用电设备历史时间内的相关检修信息。例如，异常用电设备历史检修数据可以包括检修时间、检修类型(常规检修、异常大修等)、更换部件信息等多种信息。异常用电设备历史检修数据321可以通过存储设备获得。存储设备可以存储异常用电设备历史检修数据。

在一些实施例中，电网负荷特征提取层330可以用于提取电网负荷特征。电网负荷特征提取层330的输入可以为预设时间段内至少一个预设电压检测点的电压331，输出是电网负荷特征向量332。电网负荷特征向量332可以综合反映电网整体负荷。关于至少一个预设电压检测点的电压的更多内容可以参见图2的相关描述。

在一些实施例中，故障预测层340的输入可以为设备用电特征向量312、设备检修特征向量322、电网负荷特征向量332，输出为用电设备的故障概率350。关于用电设备的故障概率的更多内容可以参见图1的相关描述。

在一些实施例中，设备用电特征提取层310、设备检修特征提取层320、电网负荷特征提取层330的输出可以为故障预测层340的输入。设备用电特征提取层310、设备检修特征提取层320、电网负荷特征提取层330和故障预测层340可以通过联合训练得到。

在一些实施例中，联合训练的第四样本数据包括样本历史时间段内用电设备的用电数据、样本异常用电设备历史检修数据、样本历史时间段内至少一个实际电压检测点的电压。第四标签为样本用电设备的故障概率。样本用电设备的故障概率可以通过0和1进行表示。0可以表示用电设备为无故障，1可以表示用户设备实际发生故障。在一些实施例中，第四训练样本可以通过大数据获取，例如，可以通过多个台区的历史用电数据、历史检修数据和实际电压检测点的电压等中获取大量数据进行统计分析等处理后得到。第四训练样本的第四标签可以根据用户设备是否实际发生故障进行人工标注。

将样本预设时间段内用电设备的用电数据输入设备用电特征提取层，输出设备用电特征向量；将样本异常用电设备历史检修数据输入设备检修特征提取层，输出设备检修特征向量；将样本预设时间段内至少一个预设电压检测点的电压输入电压负荷特征提取层，输出电网负荷特征向量；将设备用电特征向量、设备检修特征向量、电网负荷特征向量作为训练样本输入故障预测层，输出用电设备的故障概率。基于第四标签和故障预测层输出的用电设备的故障概率构建损失函数，同步更新设备用电特征提取层、设备检修特征提取层、电网负荷特征提取层和故障预测层的参数。通过参数更新，得到训练好的用电特征提取层、设备检修特征提取层、电网负荷特征提取层和故障预测层。

在一些实施例中，通过上述设备用电特征提取层、设备检修特征提取层、电网负荷特征提取层和故障预测层联合训练方式，可以获得模型输出的更准确的故障概率，可以进一步提高确定的目标用电设备的准确性。通过联合训练，在一些情况下有利于解决单独训练模型时难以获得标签的问题。

本说明书一些实施例提供了一种台区用电设备监控和分析的装置，装置包括至少一个处理器以及至少一个存储器；至少一个存储器用于存储计算机指令；至少一个处理器用于执行计算机指令中的至少部分指令以实现台区用电设备监控和分析的方法。

本说明书一些实施例提供了一种计算机可读存储介质，存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行台区用电设备监控和分析的方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。