买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉陕西中恒电气有限公司申请的专利基于边缘计算的计量箱异常用电行为诊断方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121167513B 。

龙图腾网通过国家知识产权局官网在2026-04-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511651514.8，技术领域涉及：G06F18/243；该发明授权基于边缘计算的计量箱异常用电行为诊断方法及系统是由刘梅;王相;任晓栋设计研发完成，并于2025-11-12向国家知识产权局提交的专利申请。

本基于边缘计算的计量箱异常用电行为诊断方法及系统在说明书摘要公布了：本发明公开了基于边缘计算的计量箱异常用电行为诊断方法及系统，属于电力监测技术领域，包括：通过边缘端实时采集计量箱的电压、电流及时标数据，同步获取箱门状态等物理状态信息，经电参量时空耦合分析方法生成时空特征矩阵，并输入电参量特征掩码剪枝算法得到优化特征集，监测到电流异常时触发边缘‑传感休眠唤醒联动装置，采集磁场数据；边缘端计算总‑分电能差值，结合磁场数据与箱门状态，通过计量误差‑窃电行为耦合诊断方法构建用电异常分类判定树，区分窃电行为；采用间歇性异常轨迹拼接算法处理碎片化异常数据生成窃电轨迹，并反馈至电参量时空耦合分析方法以动态更新时空特征权重；本发明提升了异常诊断精度与实时性，降低了能耗。

本发明授权基于边缘计算的计量箱异常用电行为诊断方法及系统在权利要求书中公布了：1.基于边缘计算的计量箱异常用电行为诊断方法，其特征在于，包括： 边缘端实时采集计量箱的电压、电流及时标数据，同时获取计量箱的物理状态信息，并通过电参量时空耦合分析方法生成时空特征矩阵； 将时空特征矩阵输入电参量特征掩码剪枝算法，得到优化特征集，并对优化特征集进行监测，当检测到电流异常时，触发边缘-传感休眠唤醒联动装置； 边缘-传感休眠唤醒联动装置向磁场传感器发送低功耗脉冲信号，唤醒磁场传感器，由唤醒后的磁场传感器进行磁场数据采集； 边缘端计算计量箱的总-分电能差值，结合采集的磁场数据、预先获取的箱门状态，采用计量误差-窃电行为耦合诊断方法构建用电异常分类判定树，通过用电异常分类判定树区分计量箱故障、无意窃电和故意窃电三类窃电行为； 针对诊断出的窃电行为，边缘端采用间歇性异常轨迹拼接算法将诊断过程中产生的碎片化异常数据处理为窃电轨迹； 将窃电轨迹反馈至电参量时空耦合分析方法，动态更新时空特征权重； 所述采用计量误差-窃电行为耦合诊断方法构建用电异常分类判定树，通过用电异常分类判定树区分计量箱故障、无意窃电和故意窃电三类窃电行为，包括： 以总-分电能差值、磁场数据中的磁场畸变率、箱门状态作为用电异常分类判定树的输入特征；所述总-分电能差值，即边缘端计算的计量箱总电能计量值与各分支回路电能计量值之和的差值；所述磁场数据中的磁场畸变率为实际磁场强度与正常磁场强度的差值，再比上正常磁场强度所得到的百分比；所述箱门状态是由霍尔传感器采集的箱门开关信息，0表示闭合，1表示开启； 基于历史记录的计量箱故障案例、无意窃电案例和故意窃电案例数据，整理形成训练数据集；所述训练数据集中每个样本包含总-分电能差值、磁场畸变率、箱门状态三个特征的具体数值以及对应的样本标签；所述样本标签分为计量装置故障、无意窃电、故意窃电三类； 以信息增益最大化为特征选择准则，先以总-分电能差值是否为0作为根节点，对于总-分电能差值不等于0的分支，再以磁场畸变率是否为0作为下一级子节点，对于磁场畸变率不等于0的分支，再以箱门状态是否为1作为下一级子节点，通过三级节点逐步划分样本空间，形成初步的用电异常分类判定树； 采用预剪枝策略，当初步的用电异常分类判定树节点样本数小于5个时停止分裂，保留当前节点作为叶节点，形成用电异常分类判定树； 将边缘端计算的总-分电能差值、磁场传感器采集的磁场数据转化的磁场畸变率、霍尔传感器采集的箱门状态输入用电异常分类判定树，通过遍历用电异常分类判定树中节点的判定规则，输出诊断结果；所述诊断结果包括计量装置故障、无意窃电和故意窃电； 所述针对诊断出的窃电行为，边缘端采用间歇性异常轨迹拼接算法将诊断过程中产生的碎片化异常数据处理为窃电轨迹，包括： 收集在诊断窃电行为过程中产生的碎片化异常数据；所述碎片化异常数据包括诊断过程中产生的异常电流片段、异常磁场数据片段、异常总-分电能差值片段及对应时间戳数据； 边缘端通过数据采集接口将碎片化异常数据实时传输至间歇性异常轨迹拼接算法的处理模块； 设置滑动窗口的窗口长度和滑动步长，将实时接收的碎片化异常数据按时间戳顺序存入滑动窗口，当窗口内数据存储时间超过窗口长度时，窗口自动向前滑动一个步长，丢弃超出窗口长度的历史数据，保留最新窗口时长内的碎片化异常数据； 定义隐马尔可夫模型的状态集合，基于历史窃电行为的完整数据，训练隐马尔可夫模型的状态转移矩阵、观测概率矩阵和初始状态概率向量，得到训练完成的隐马尔可夫模型；所述状态集合包括电流异常初始态、电流异常持续态、磁场异常态、电能差值异常态、异常终止态5个状态； 将滑动窗口缓存的碎片化异常数据作为观测序列，输入训练完成的隐马尔可夫模型，采用前向-后向算法计算观测序列对应的各时刻的状态概率； 基于状态概率计算任意两个相邻碎片化数据片段对应的状态转移概率，得到状态转移概率矩阵；所述碎片化数据片段是指任一窗口时长内的碎片化异常数据； 设定状态转移概率阈值，从滑动窗口缓存的碎片化异常数据中选取时间戳最早的异常碎片化数据片段作为起始片段，计算该起始片段与各碎片化数据片段的状态转移概率； 当任一碎片化数据片段与起始片段的状态转移概率大于状态转移概率阈值时，判定两者存在时序关联，将该碎片化数据片段与起始片段按时间戳顺序拼接，形成已拼接数据序列； 依次计算已拼接数据序列与剩余各碎片化数据片段的状态转移概率，筛选出满足状态转移概率阈值要求的碎片化数据片段； 当滑动窗口内所有碎片化数据片段处理完成后，形成包含异常起始时间、异常类型演变、异常持续时长的完整窃电轨迹；所述窃电轨迹以时序数据链表形式存储。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人陕西中恒电气有限公司，其通讯地址为：710000 陕西省西安市高新区锦业二路西段里花南路信凯工业园信凯大厦3F；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。