[发明专利]核算异常特征提取方法

说明书

本申请公开了一种核算异常特征提取方法，包括：对异常数据进行整合和标准化处理；构建核算异常典型库；提取异常维度和异常指标因子，构建异常特征关联图；将异常特征关联图与数据融合，得到异常信息关联分析模型；训练异常信息关联分析模型，并通过实际的核算业务场景匹配异常实体，验证异常实体与业务场景的关系。本发明可以从核算异常中，通过分析用户不同的业务场景，提取核算异常特征，从多维度围绕多个业务指标，大幅减少核算过程中产生的异常情况，减少人员检查判别的工作量，提升工作效率。

技术领域

本发明属于电力行业信息感知与识别技术领域，涉及一种核算异常特征提取方法。

背景技术

核算是营销系统的核心业务，它主要的内容是准确的统计出各个用户的电费以及其所用电量。通过相关的收取标准来进行统计计算，并作出账务处理，记录管理资料。

随着社会建设的迅速发展，对于电力能源的需求日益提升，导致了电力能源的消耗日渐庞大。在这种情况下，为保证电力企业的经济效益得到有效提升，对电力企业管理中的核算提出了更高要求，不仅要保证核算数据的准确性、真实性和完整性，也要根据各网省差异和政策情况，灵活支撑各地计费差异，并支持动态和静态的业务规则扩展。

大量的算法程序、规则改动、电价调整，对核算的稳定性、准确性、实时性提出了更高的要求，如何在做出快速响应的同时，保障核心业务的稳定，对每一次变更调整都能够进行具有科学依据的快速检测，使其具备投产的能力以及应对突发情况的应急处置能力，是目前迫切需要解决的问题。

发明内容

为解决现有技术中的不足，本申请提供一种核算异常特征提取方法，综合考虑电力行业数字化与智慧化转型需求，针对核算中产生的异常数据，通过多维度多指标分析建模，形成异常库，以支撑不同的业务场景核算功能，减少因业务变更导致核算过程中出现的异常情况。

为了实现上述目标，本发明采用如下技术方案：

一种核算异常特征提取方法，包括以下步骤：

步骤1：依据核算业务场景，提炼用户的异常数据信息，并对异常数据进行整合和标准化处理；

步骤2：对异常数据进行整合和标准化处理后，构建核算异常典型库；

步骤3：依据核算异常典型库，多维度多指标分析异常影响因数，提取异常维度和异常指标因子，构建异常特征关联图；

步骤4：将异常特征关联图与数据融合，从异常特征关联图中求解特征之间的关联关系，对多视图下的特征数据进行融合形成完整的关联图结构，通过分析异常特征要素之间的关系推导异常实体之间的关联关系，得到异常信息关联分析模型；

步骤5：训练异常信息关联分析模型，并通过实际的核算业务场景匹配异常实体，验证异常实体与业务场景的关系。

本发明进一步包括以下优选方案：

优选地，步骤1的具体步骤为：

步骤1.1：梳理异常数据来源并获取异常数据信息；

步骤1.2：对异常数据信息进行整合；

步骤1.3：数据标准化处理：包括指标一致化处理和无量纲化处理。

优选地，步骤1.1中，所述数据来源包括核算规则、量费退补流程、业务稽查，对应的异常数据信息具体为：

依据核算规则产生的异常数据，经分析研判成明确异常数据的信息；

依据量费退补流程产生的数据，结合退补原因和客户档案信息，经分析为明确异常数据的信息；

依据日常业务稽查工作梳理总结的数据，经分析为明确异常数据的信息。