[发明专利]一种电费回收预测模型的构建方法

权利要求书

1.一种电费回收预测模型的构建方法，其特征在于，包括：

确定第一预测模型的指标体系；

根据确定的第一预测模型的指标体系，获取已欠费用户数据作为第一预测模型的训练测试集，其中，所述训练测试集包括：训练集和测试集；

根据所述第一预测模型的训练集对第一预测模型进行训练；

根据训练后的第一预测模型预测已欠费用户的下次欠费时间。

2.根据权利要求1所述的电费回收预测模型的构建方法，其特征在于，所述第一预测模型的指标体系包括：上级单位、供电单位、行业类别、用电类别、电压等级、负荷重要等级、合同容量、运行容量、检查周期、停电标志、立户时长、送电时长、计量点个数、受电点个数、电源点个数、是否三方协议、停电次数、年用电量、年变损电量、年无功用电率、年线损率、年欠费总次数、年均欠费用电间隔、年最小欠费用电间隔、最近一次欠费用电距今间隔、年欠费用电占比、月均欠费电费、2.5年欠费总次数中的一种或多种。

3.根据权利要求1所述的电费回收预测模型的构建方法，其特征在于，所述根据所述第一预测模型的训练集对第一预测模型进行训练包括：

根据所述第一预测模型的训练集，利用SVM算法对第一预测模型进行训练。

4.根据权利要求1所述的电费回收预测模型的构建方法，其特征在于，所述方法还包括：

确定第二预测模型的指标体系；

根据确定的第二预测模型的指标体系，获取已欠费用户数据作为第二预测模型的训练测试集，其中，所述训练测试集包括：训练集和测试集；

根据所述第二预测模型的训练集对第二预测模型进行训练；

根据训练后的第二预测模型预测已欠费用户的下次欠费金额。

5.根据权利要求4所述的电费回收预测模型的构建方法，其特征在于，所述第二预测模型的指标体系包括：最近一年平均月欠费用电电量、最近一年平均月欠费用电次数、年均欠费用电间隔、最近一年最小欠费用电间隔、平均年欠费用电间隔、最近一个欠费用电距今间隔、欠费用电占比、平均欠费用电电费、第一次欠费用电距离开户日期的时长、第一次欠费用电金额、最近一年欠费用电电费、最近三个月欠费用电电费、最近2年欠费用电电费、最近6个月欠费用电电费、年欠费用电电费增长率、月欠费用电电费增长率环比、季欠费用电电费增长率、年最大欠费用电电费、年最小欠费用电电费、年最大欠费用电电费的月份、年最小欠费用电电费的月份、用户分类、是否三方协议、是否分次划拨、安全隐患间隔、月用电量、季用电量、年用电量、立户时长、送电时长、合同容量、用电分类、高耗能行业类别、计量点数目、电源数目、月线损增长率、年平均线损率、平均月无功利用率、当前月有功利用率、当前无功与有功占比率、当月月峰/谷/平电比例、年峰/谷/平电比例、年预收电费金额、停电次数、停电间隔、平均停电间隔、年停电频度、今年上次欠费电费、今年上次欠费电费环比增长率、本次欠费电费中的一种或多种。

6.根据权利要求1或4所述的电费回收预测模型的构建方法，其特征在于，所述方法还包括：

确定第三预测模型的指标体系；

根据确定的第三预测模型的指标体系，获取所有用户数据作为第三预测模型的训练测试集，其中，所述训练测试集包括：训练集和测试集；

根据所述第三预测模型的训练集对第三预测模型进行训练；

根据训练后的第三预测模型预测用户下月是否欠费。

7.根据权利要求6所述的电费回收预测模型的构建方法，其特征在于，所述第三预测模型的指标体系包括：行业类别、所在地区、用户分类、是否三方协议、是否分次划拨、安全隐患次数、年用电量、立户时长、送电时长、合同容量、用电分类、高耗能行业类别、计量点数目、电源数目、月线损增长率、年平均线损次数、平均月无功利用率、当前月有功利用率、无功与有功占比率、月峰/谷/平电比例、年峰/谷/平电比例、年预收电费金额、停电次数、停电间隔、平均停电间隔、年停电频度、是否欠费过中的一种或多种。

8.根据权利要求6所述的电费回收预测模型的构建方法，其特征在于，生成训练测试集之前，所述方法还包括：

对获取的已欠费用户数据或所有用户数据进行数据清洗、数据变换及数据归一化处理。

9.根据权利要求8所述的电费回收预测模型的构建方法，其特征在于，所述方法还包括：

根据归一化处理后的数据，根据本次欠费电费/最近一次欠费用电距今间隔/是否欠费过分层取样，生成第一预测模型、第二预测模型、第三预测模型的训练测试集。