[發明專利]基于邏輯回歸概率分析優化模型的反竊電分析預警方法

在審

• 申請號: 201710237430.9
• 申請日: 2017-04-12
• 公開（公告）號: CN107145966A
• 公開（公告）日: 2017-09-08
• 發明（設計）人: 史玉良;榮以平;朱偉義;劉智勇;甄帥;呂梁;呂曉雯
• 申請（專利權）人: 山大地緯軟件股份有限公司;國網山東省電力公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 濟南圣達知識產權代理有限公司37221
• 代理人: 張勇

1.一種基于邏輯回歸概率分析優化模型的反竊電分析預警方法，其特征是：采集用電數據，提取用電數據的竊電數據，構建專家樣本庫，基于專家樣本庫數據，通過不同維度對關聯數據進行分析，建立基于竊電行為的特征數據庫，進而利用邏輯回歸算法構建用戶竊電概率分析模型，得到各個用戶的竊電概率，確定具有竊電嫌疑的用戶。

2.如權利要求1所述的一種基于邏輯回歸概率分析優化模型的反竊電分析預警方法，其特征是：還包括采集具有竊電嫌疑的用戶的歷史用電行為軌跡庫，并基于離散弗雷歇距離算法構建用戶行為趨勢分析模型，將目前用電數據曲線與用戶歷史用電軌跡對比，以優化確定的有竊電嫌疑的用戶的結果。

3.如權利要求1所述的一種基于邏輯回歸概率分析優化模型的反竊電分析預警方法，其特征是：還包括基于用戶用電數據，建立典型類別用電行為特征庫，基于層次聚類分析算法構建高價低用判別模型，通過用戶用電軌跡與典型類別用電行為對比，確定高價低壓違約竊電用電用戶。

4.如權利要求1所述的一種基于邏輯回歸概率分析優化模型的反竊電分析預警方法，其特征是：還包括根據確定的竊電嫌疑用戶，進行排查，將排查結果反饋至專家樣本庫，對模型不斷優化修正。

5.如權利要求1所述的一種基于邏輯回歸概率分析優化模型的反竊電分析預警方法，其特征是：通過不同維度對關聯數據進行分析，包括但不限于用戶基本信息、用戶電價、計量點、電能表、收費信息、信用信息、各類竊電因素、計量裝置事件或違約用電因素。

6.如權利要求1所述的一種基于邏輯回歸概率分析優化模型的反竊電分析預警方法，其特征是：同時建立用戶竊電概率分析模型、用戶行為趨勢分析模型和高價低用判別模型，以保證竊電用戶結果的正確性和完整性。

7.如權利要求1所述的一種基于邏輯回歸概率分析優化模型的反竊電分析預警方法，其特征是：構建用戶竊電概率分析模型的具體過程包括：

(1)基于用戶用電數據選取等比例竊電樣本數據與正常用電樣本數據作為模型樣本集，從模型樣本集內分別隨機抽取相應比例的數據構成訓練集數據及測試集數據；

(2)定義訓練集數據的參數，采用擬牛頓法對目標函數進行最優求解，不斷迭代，直到滿足迭代條件；

(3)根據計算所得的最優化目標函數構成用戶竊電概率分析模型，對用戶竊電概率分析模型模型進行樣本測試，比較概率，概率與類別比例相比較獲取對應類標號，進行測試樣本分類；

(4)計算測試集數據的測試參數，判斷是否滿足用戶竊電概率分析初始模型要求，若不滿足，則返回步驟(2)重新定義參數，若滿足，則構建完成用戶竊電概率分析模型，并輸出本次更新模型。

8.如權利要求7所述的一種基于邏輯回歸概率分析優化模型的反竊電分析預警方法，其特征是：所述步驟(2)中，參數具體包括用戶數據向量、特征權重向量、目標函數、類別集合、初始化迭代次數和允許誤差，且用戶數據向量定義X＝(x₁,x₂,x₃,…)，特征權重向量為θ＝(θ₁,θ₂,θ₃,…)，則目標函數f(θ)＝θ^T*X，類別集合C＝{C₁,C₂}，初始化迭代次數k＝0，允許誤差ε＞0，基于一定范圍對θ隨機賦值。

9.如權利要求2所述的一種基于邏輯回歸概率分析優化模型的反竊電分析預警方法，其特征是：構建用戶行為趨勢分析模型的過程包括：

(a)接收監控池內的竊電嫌疑用戶的相關數據，包含近期用電數據及歷史用電數據；

(b)判斷用戶是否屬于專變用戶，若是，則基于用戶的歷史用電數據信息生成用戶用電典型行為趨勢曲線，若否則進入下一步；

(c)判定用戶屬于公變用戶，對公變臺區內所有用戶分別建立用戶用電量典型行為趨勢曲線；

(d)基于離散弗雷歇距離判別算法，將用戶近期用電趨勢曲線與典型行為趨勢曲線離散化后，取二者之間的距離最大值作為曲線相似度；

(e)基于不同類別用戶設定不同的相似度閾值，曲線相似度超出閾值范圍，則輸出竊電嫌疑用戶。

10.如權利要求3所述的一種基于邏輯回歸概率分析優化模型的反竊電分析預警方法，其特征是：基于層次聚類分析算法構建高價低用判別模型的過程包括：

(i)接收用戶數據及用戶用電數據，并通過對用戶用電歷史數據進行層次聚類，將用戶分入其所屬的行業類別；

(ii)基于層次聚類法獲取各用電類型的典型類用電范圍趨勢曲線，并建立典型類用電行為特征庫；

(iii)采用弗雷歇距離判別算法，計算用戶用電軌跡曲線與其所在類的典型類用電范圍趨勢曲線的相似度；

(iv)基于不同類別用戶設定不同的相似度閾值，曲線相似度超出閾值范圍，則輸出高價低用違約竊電嫌疑用戶。