[發明專利]一種三階段多視角特征融合的竊電分類預測方法

有效

• 申請號: 201710036718.X
• 申請日: 2017-01-18
• 公開（公告）號: CN106909933B
• 公開（公告）日: 2018-05-18
• 發明（設計）人: 歐陽志友;岳東;薛禹勝;竇春霞
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01R22/06;G06Q50/06
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 劉傳玉

本發明公開了一種三階段多視角特征融合的用電行為分類預測方法，首先對待分析的客戶用電數據，將其作為測試集，并對日用電量、當日電表讀數、前一日電表讀數中的缺失數據分別用“?1”和“0”進行填充，形成兩份預處理數據；其次，對每份預處理數據，從不同視角來提取特征，對所有視角提取的特征進行合并，使用多個不同的分類預測的機器學習算法進行處理，得出訓練集和測試集中的客戶的竊電概率；最后，分別用線性模型和樹模型對第二個階段的輸出進行預測，然后求均值，獲得最終要預測的竊電概率。本發明在現有堆模型的集成學習方法的基礎上，增加了數據的多樣性、模型的多樣性和過擬合處理，從而可以實現對客戶竊電概率更加準確的預測。

技術領域

本發明涉及客戶用電行為分類預測的機器學習方法，尤其涉及一種三階段多視角特征融合的竊電分類預測方法。

背景技術

社會經濟的發展使得社會用電量逐年增加，受利益驅使,客戶異常用電即竊電的現象也日益嚴重。客戶竊電行為不僅給供電企業造成了重大經濟損失，也嚴重影響了正常的供用電秩序。根據國家電網公司統計，近年因客戶竊電導致的損失達上千萬元。近年來，客戶竊電方式也由野蠻竊電發展到設備智能化、手段專業化、行為隱蔽化、實施規模化的高科技竊電，給反竊電工作進一步增加了很大的難度。隨著電力系統升級，智能電力設備的普及，電網公司可以實時收集海量的客戶用電行為數據、電力設備監測數據，為通過大數據分析技術來開展客戶的竊電行為預測提供了基礎。通過大數據分析技術實現對客戶竊電概率的預測，可以科學的開展防竊電監測分析，提高反竊電工作效率，降低竊電行為分析的時間及成本。

在對大量客戶的用電行為進行分析時，由于客戶量巨大，歷史用電數據缺失較為嚴重，現有的機器學習方法在處理時面臨著缺失值處理、特征提取、特征選擇和模型融合等多個方面的挑戰，不僅對計算資源要求高，而且需要花費大量的時間對數百維、上千維的特征進行組合和選擇。同時，單個分類算法還難以獲得較好的客戶竊電概率的預測結果，因此，研究可以更好適應數據缺失，減少特征選擇過程和提高預測精度的方法具有很強的社會需求和很大的經濟價值。

發明內容

本發明所要解決的技術問題是針對背景技術中所涉及到的缺陷，提供一種三階段多視角特征融合的竊電分類預測方法。

本發明為解決上述技術問題采用以下技術方案：

一種三階段多視角特征融合的竊電分類預測方法，包括如下步驟：

步驟1），對待分析的客戶用電數據，將其作為測試集，并對日用電量、當日電表讀數、前一日電表讀數中的缺失數據分別用“-1”和“0”進行填充，形成兩份預處理數據；

步驟2），對每份預處理數據：

步驟2.1），從時間窗口統計、異常突變值統計和時間序列分析這三個視角中選擇至少兩個視角來提取特征，每個視角提取的特征值的集合作為一個單獨的特征簇，然后把提取到的單獨的特征簇合并為一個特征簇，并把該各個單獨的特征簇以及合并后的特征簇形成的集合作為該預處理數據的特征簇集合；

步驟2.2），對特征簇集合中的每一個特征簇，采用至少一種二分類的分類算法使用該特征簇分別對預設的客戶用電數據的訓練集、測試集中的每一個客戶進行竊電概率預測；

步驟3），對于訓練集和測試集中的每一個客戶，將其在兩份預處理數據中預測得到的各個預測竊電概率組成其預測竊電概率集合；

步驟4），將訓練集和測試集中所有客戶的預測竊電概率集合作為特征、分別用樹分類模型和線性分類模型對測試集進行預測，，得到待分析的客戶用電數據中各個客戶的最終預測竊電概率；

步驟5），將待分析的客戶用電數據中各個客戶的最終預測竊電概率分別和預設的竊電概率閾值進行比較，將最終預測竊電概率大于預設的竊電概率閾值的客戶劃分為竊電客戶，將最終預測竊電概率小于等于預設的竊電概率閾值的客戶劃分為正常客戶。