[发明专利]一种判断违约用电与窃电的多维度智能分析经验算法和分类算法

权利要求书

1.一种判断违约用电与窃电的多维度智能分析经验算法和分类算法，其特征在于：包括如下步骤：

步骤1：建立基于多源数据融合的用户标签库；

步骤2：建立机器学习构建违约用电与窃电分析模型；

步骤3：通过查处结果与经验学习不断地训练、完善和提高。

2.根据权利要求1所述的一种判断违约用电与窃电的多维度智能分析经验算法和分类算法，其特征在于：所述步骤1建立基于多源数据融合的用户标签库，以用电信息采集、营销业务系统，构建违约用电与窃电分析数据源，对几千万用户进行多维度、全方位、深层次的分析，运用分布式存储与并行计算方法，对档案、负荷、电量和事件数据进行分析处理；根据不同用户类别的用电属性、异常状态、用电特性、负荷特征与变化趋势，建立用户的标签库，满足数据挖掘和机器学习的需求。

3.根据权利要求1所述的一种判断违约用电与窃电的多维度智能分析经验算法和分类算法，其特征在于：所述步骤2建立机器学习构建违约用电与窃电分析模型，针对专线、专变和低压工商业及居民的用电特征、违约用电与窃电行为方式及对负荷、电量的影响，结合营销系统违约用电与窃电查处流程、计量在线监测、国家企业征信信息和用户标签信息，运用决策树、逻辑回归和支持向量机多种经验学习算法，及分类器组装方法构建专线与专变违约用电分析模型、专变窃电分析模型、低压工商业与居民窃电分析模型，通过样本数据对各类模型进行训练、验证和完善，及压力测试优化模型的计算效率，从而提升模型分析的准确性、及时性和可靠性，满足在用电信息采集系统大数据平台上在线分析运行的要求。

4.根据权利要求1所述的一种判断违约用电与窃电的多维度智能分析经验算法和分类算法，其特征在于：所述步骤3通过查处结果与经验学习不断地训练、完善和提高，通过违约用电与窃电模型分析的疑似用户进入待办事项进行观察，如果在设定的一段时间内，相关异常现象没有消除，则直接异常处理流程，处理结束归档后，系统从两方面进行工作：一是监控异常实际处理情况，如果一周内疑似用户的异常现象再次发生，则重新进入异常监控与处理环节；二是针对处理结果优化分析模型，根据异常处理结果及重复发生处理结果，系统自动将分析不准确的用户重新纳入模型进行训练，训练后自动更新分析模型，实现机器自学习和模型自优化功能。