[发明专利]一种异常用电用户识别方法

说明书

本发明涉及一种异常用电用户识别方法，包括以下步骤：构建用户特征数据集，所述的用户特征数据集分为长周期特征数据和中短期特征数据；分别对长周期特征数据和中短期特征数据依次进行分箱操作、WOE编码以及变量筛选，对应获得长周期筛选特征集和中短期筛选特征集；将长周期筛选特征集输入长期异常用电模型，获得第一输出结果，将中短期筛选特征集输入短期异常用电模型，获得第二输出结果；将第一输出结果和第二输出结果输入评分模型，获得用户异常评分；根据用户异常评分排序输出异常用电用户。与现有技术相比，本发明效率高，节省人力物力成本，准确定位线损异常原因。

技术领域

本发明涉及电网控制技术领域，尤其是涉及一种异常用电用户识别方法。

背景技术

目前，大多数供电公司要求台区线损率在10％以内，在国网日益严格的线损管理要求下，异损排查和降损治理已成为各基层单位的长效工作，既要处理长期异常台区，又要对线损进行实时管控，处理波动的异常台区。由于受人员、设备、窃电等因素的影响，导致用电出现异常，从而使得台区线损率较高，需要进行排查和消缺，但目前缺乏有效的作业手段，基层线损排查工作仍以人工对比分析和现场排查为主，凭经验来确定电能计量异常用户，这些传统的方法时效性差、准确率低。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种异常用电用户识别方法，效率高，节省人力物力成本，准确定位线损异常原因。

本发明的目的可以通过以下技术方案来实现：

一种异常用电用户识别方法，包括以下步骤：

构建用户特征数据集，所述的用户特征数据集分为长周期特征数据和中短期特征数据；

分别对长周期特征数据和中短期特征数据依次进行分箱操作、WOE编码以及变量筛选，对应获得长周期筛选特征集和中短期筛选特征集；

将长周期筛选特征集输入长期异常用电模型，获得第一输出结果，将中短期筛选特征集输入短期异常用电模型，获得第二输出结果；

将第一输出结果和第二输出结果输入评分模型，获得用户异常评分；

根据用户异常评分排序输出异常用电用户。

进一步地，所述的长周期特征数据包括第一历史时间区间内的用户特征数据，所述的长周期特征数据包括第一历史时间区间内的用户特征数据，所述的中短期特征数据包括第二历史时间区间内的用户特征数据，所述的第一历史时间区间包含第二历史时间区间。

进一步地，所述的用户特征数据包括计数型数据、数值型数据、比值型数据和档案信息；

所述的计数型数据包括数据采集成功次数；

所述的数值型数据包括用户和台区的电量数据；

所述的比值型数据包括某用户电量占台区电量的比值；

所述的档案信息包括用户行业属性和表计类型。

进一步地，所述的分箱操作满足如下条件：

箱的个数不超过设定值；

每个箱内占比不低于设定占比；

每个箱中同时存在好样本和坏样本；

每个箱的WOE以及该箱的坏样本率单调递减。

进一步地，所述的分箱操作根据最优KS标准选择切分点，所述的KS的表达式为：

其中，Bad_k和Good_k分别为分数累积到第k个分位点的坏样本个数和好样本个数。

进一步地，所述的WOE编码的计算公式为：