[发明专利]一种基于电力大数据的企业排污预测方法

权利要求书

1.一种基于电力大数据的企业排污预测方法，其特征在于，包括以下步骤：

步骤1、基础信息获取：获取企业的历史用电数据和历史排污数据；

步骤2、数据预处理：根据历史排污数据对所述历史用电数据进行数据清洗；

步骤3、特征指标构建：对数据清洗后的历史用电数据提取多维的用电特征指标；

步骤4、构建用户排污预测模型：将所述用电特征指标作为自变量，并将所述历史排污数据作为因变量，将自变量作为输入，将因变量作为输出来训练逻辑回归模型，将训练好的逻辑回归模型作为企业排污预测模型。

2.根据权利要求1所述的基于电力大数据的企业排污预测方法，其特征在于，所述历史用电数据包括用户名称、用户编号、合同容量、计量点编号、采集时间点、尖电量、峰电量、谷电量、平电量、时点负荷、时点电流、时点电压、时点功率；所述历史排污数据包括企业名称、污水检测时间、检测结果。

3.根据权利要求1所述的基于电力大数据的企业排污预测方法，其特征在于，步骤2具体包括：根据历史排污数据中的污水检测时间和检测结果，确定有排污监测结果的时间段，提取历史用电数据中有排污监测结果的时间段对应的用电数据，删除该用电数据中的缺失数据，并采用箱线图剔除该用电数据中的异常值。

4.根据权利要求1所述的基于电力大数据的企业排污预测方法，其特征在于，步骤3具体包括：使用OSM模型，确定业务目标并制定行动策略，根据所述行动策略对数据清洗后的历史用电数据构建指标并评估，得到多维的用电特征指标。

5.根据权利要求4所述的基于电力大数据的企业排污预测方法，其特征在于，根据所述行动策略对数据清洗后的历史用电数据构建指标并评估的具体步骤包括：

对于第一类数据，绘制同一个周期内超标样本企业和未超标样本企业关于该数据的趋势图，观察所述趋势图，并根据观察结果，将第一类数据拆分为对应的指标；

对于第二类数据，根据专家经验，将该数据直接作为一类指标。

6.根据权利要求5所述的基于电力大数据的企业排污预测方法，其特征在于，所述第一类数据的数据量大于预设阈值。

7.根据权利要求1所述的基于电力大数据的企业排污预测方法，其特征在于，步骤4中所述自变量的用电特征指标与对应因变量的历史排污数据的时间错位，且所述用电特征指标的时间在对应的历史排污数据的时间之前。

8.根据权利要求1所述的基于电力大数据的企业排污预测方法，其特征在于，步骤4中所述逻辑回归模型的表达式如下：

上式中，P(ω,b)表示企业排污概率，x表示逻辑回归模型的输入样本的特征向量，ω表示每一个输入特征的权重值组成的权重向量，b表示回归模型的偏差。

9.根据权利要求1所述的基于电力大数据的企业排污预测方法，其特征在于，步骤4中训练逻辑回归模型包括：模型拟合过程中，通过调整分类权重优化模型，模型拟合完成后，在准确率相同的情况下接受召回率更大的模型。

10.根据权利要求1所述的基于电力大数据的企业排污预测方法，其特征在于，步骤4中训练逻辑回归模型包括：将自变量和因变量均按照3：1的比例划分训练集和测试集，设定训练参数中的分类方式为多项模式，设定训练参数中分类权重是0:0.25；1:0.75，其中0表示企业排污结果为未排污，1表示企业排污结果为排污，使用训练集训练逻辑回归模型。