元の名称記録: 国网福建省电力有限公司营销服务中心; 国网福建省电力有限公司

本申请涉及电力系统数据分析技术领域，具体公开了一种基于用电特征定位的用户级异动事件分析系统，旨在解决多源用电数据融合与动态行为标签构建的难题。该系统包括用电特征采集模块、动态标签构建模块、异动关联分析模块、容忍裕量计算模块及事件判定与预警模块，通过动态标签与历史异动事件的关联分析，自适应生成用户级容忍阈值，实现对用电异动的高精度识别与预警，有效提升分析适应性与准确性。

本发明涉及一种电力计量智慧实验室的试验环境监测方法及设备，属于电力管理技术领域，包括以下步骤：获取实验室的电力数据与环境数据并预处理，通过电力数据得到电流、电压频域序列，并确定总谐波畸变率，进而算出视在功率与功率因数。依据环境数据和功率因数得出计量误差与环境敏感度，同时获取环境质量指数和计量可靠性指数。基于计量误差、环境敏感度、环境质量指数和计量可靠性指数得到温度、湿度及电源净化参数，将其作为多层感知机输入，生成控制决策向量。根据该向量生成温度、湿度和电源净化控制信号，对实验室进行调控。本发明实现端到端的自动化控制模式，无需人工干预，可实现复杂环境的动态平衡。

本发明涉及一种电力计量多源异构检测数据的融合方法与系统，其中方法包括：获取多源异构检测数据包括非结构化数据和时序数据；构建多源异构数据融合模型包括输入层、数据处理层、特征提取层、数据融合层和输出层；利用数据处理层进行数据处理，得到结构化特征数据；利用特征提取层进行特征关联，输出时空关联特征；利用数据融合层构建局部异构图生成本地模型参数；聚合所有本地模型参数生成全局模型参数并进行迭代优化，直至收敛，得到训练完的多源异构数据融合模型；获取待融合的多源异构检测数据，输入训练完的多源异构数据融合模型，得到融合后的多源异构检测数据实现多源异构数据的统一整合，本发明实现了多源异构数据的统一整合，提升了数据提取的精度。

本发明涉及一种基于电碳计量器具的电碳检测方法与系统，其中方法包括：基于电碳计量器具获取电碳运行数据并进行标准化处理；构建电碳计量器具检测全仿真模型并进行序列化处理，得到电碳仿真检测序列；利用时变动态回归增强预测算法分析电碳仿真检测序列的变化趋势，生成预测的电碳排放趋势序列；将预测的电碳排放趋势序列输入多层感知机模型进行非线性映射，得到修正后的电碳排放趋势序列；计算修正后的电碳排放趋势序列与电碳仿真数据之间的误差，得到系统误差；基于系统误差进行参数更新，得到最优参数；基于设置有最优参数的电碳计量器具检测全仿真模型中，得到最终电碳排放趋势序列。

本发明涉及一种电力计量智慧实验室的设备管理方法、设备及介质，属于电力管理技术领域，包括以下步骤：预设电力计量智慧实验室允许接入设备列表，明确各允许接入设备对待接入设备属性的权重、理想值与容忍偏差。获取待接入的设备属性，将所述设备属性和允许接入设备列表输入设备接入验证算法，得出是否允许接入的结果。对于允许接入的设备，获取其运行数据，用设备状态分析算法得出状态得分。设置状态区间，若状态得分不在区间内，采用设备异常检测算法计算运行数据的异常指数。基于状态得分和异常指数算出允许接入设备的运行状态指数，并依据该指数对设备的运行模式进行相应调整，以保障设备合理运行。

本发明涉及一种电力作业人员异常行为识别方法及系统，其中方法包括以下步骤：通过图像采集设备获取电力作业现场的图像数据并进行预处理，获取监测信息，包括人体姿态信息、人员装配信息和人‑物位置信息；通过特征提取模型分别对三类监测信息分别进行特征提取，获取三类特征数据；对提取的三类特征数据进行特征融合，获取融合特征；通过融合特征对预构建的机器学习模型进行训练，并通过训练好的机器学习模型进行电力作业现场的异常行为的判定；其中，在进行特征融合时，根据每类监测信息对异常行为判断结果的重要性反馈调节对应类型特征数据的训练参与度。

本发明为一种直流电压互感器的误差状态预测方法与系统，涉及电力计量在线监测技术领域，其中方法包括：获取目标直流电压互感器的误差数据；利用两阶滑动窗口对误差数据进行切分；利用快速傅里叶变换对时间序列矩阵进行特征提取，得到时变特征和时不变特征；利用多层感知机对时变特征和时不变特征进行融合，得到融合特征；将时变特征、时不变特征和融合特征输入基于深度学习构建的误差预测模型，得到目标直流电压互感器的误差预测状态。本发明通过自适应窗口、特征提取与融合、滑动值修正的协同作用，提升了直流电压互感器误差预测的适应性、精准度与稳定性，为电力系统的在线监测与异常预警提供了更可靠的技术支撑。

本发明提出了一种基于群体关联的电压互感器在线监测装置校准方法，属于电力计量在线监测及运维技术领域，获取待校准的电压互感器群体的历史数据，包括历史环境影响因素和历史二次侧电压数据，构建群体关联特征，包括相间不平衡参量、相间相位差参量、组间幅值比参量和组间相位差参量；构建多级层融合的CNN‑MLP网络，将标准功率源输出的标准电压信号、历史环境影响因素和群体关联特征作为输入，历史二次侧电压数据为输出，训练数字互感器模型；在误差计算阶段，将数字互感器模型的输出作为标准信号，与待校准的电压互感器在线监测装置的输出进行比对，计算比值差值和相位差值，获得矫正系数，实现对电压互感器各通道幅值和相位的精确校准。