[發明專利]一種用電行為分析方法

有效

• 申請號: 201910822271.8
• 申請日: 2019-09-02
• 公開（公告）號: CN110674636B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 張忠東;唐國亮;謝輝;石少青;陳超;吳石松
• 申請（專利權）人: 中國南方電網有限責任公司;南方電網數字電網研究院有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F16/2458;G06F16/28;G06N3/084;G06Q50/06
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 黃晶晶

1.一種用電行為分析方法，其特征在于，所述方法包括：

獲取用電地址數據；

對所述用電地址數據進行數據特征提取及數據增強處理，并將處理后的用電地址數據輸入至已訓練的地址預處理模型，得到所述用電地址的分詞和實體信息，所述已訓練的地址預處理模型基于歷史用電地址數據和分詞和命名實體識別模型構建；

根據已訓練的地址歸一模型，對所述用電地址的分詞和實體信息進行結構化處理和相似度計算，得出標準結構化地址；其中，所述已訓練的地址歸一模型的構建方式為：采集歷史用電地址數據；對所述用電地址數據進行自然語言處理，得到層級地址信息；根據預設的層級地址結構化處理規則對所述層級地址信息進行處理；計算處理過的層級地址信息與預設基準地址的相似度，將相似權重最高的地址標記為歸一地址，構建地址歸一模型；

根據所述標準結構化地址，構建地址特征數據庫；

根據預設的指標因素，計算所述地址特征數據庫中各地址特征的權重；

根據所述權重，篩選出優選特征集；

基于所述優選特征集，采用聚類算法進行聚類分析，得到用電地址分類結果；

基于所述優選特征集和所述用電地址分類結果，采用關聯分析算法進行挖掘分析，得出用電行為分析結果。

2.根據權利要求1所述的用電行為分析方法，其特征在于，所述將所述用電地址數據輸入至已訓練的地址預處理模型之前，還包括：

獲取歷史用電地址數據；

根據所述歷史用電地址數據，構建訓練集；

基于BERT預訓練模型，對分詞和命名實體識別模型進行參數優化，構建初始地址預處理模型；

基于所述訓練集，采用Keras深度學習框架訓練所述初始地址預處理模型，得到所述已訓練的地址預處理模型。

3.根據權利要求2所述的用電行為分析方法，其特征在于，所述根據所述用電地址數據，構建訓練集包括：

對所述用電地址數據進行可處理特征提取及分類，得到原始樣本；

將所述原始樣本中樣本數較少的地址數據，按照預設的地址級別進行組合，構建樣本庫；

采用序列標注方法，對所述樣本庫中的數據進行分詞和實體命名識別標注，構建訓練集。

4.根據權利要求2所述的用電行為分析方法，其特征在于，所述基于所述訓練集，采用Keras深度學習框架訓練所述初始地址預處理模型包括：

將所述訓練集輸入所述初始地址預處理模型；

通過所述初始地址預處理模型的正向傳播，計算所述訓練集中各數據的得分；

將所述得分輸入誤差函數，計算所述得分與得分期望值的誤差；

利用所述初始地址預處理模型進行反向傳播，確定梯度向量；

根據所述梯度向量，更新所述初始地址預處理模型；

將所述訓練集再次輸入更新后的所述初始地址預處理模型，返回所述通過所述初始地址預處理模型的正向傳播，計算所述訓練集中各數據的得分的步驟，直至所述得分與得分期望值的誤差達到最小，訓練結束。

5.根據權利要求1所述的用電行為分析方法，其特征在于，所述用電地址數據主要包括電力用戶的用戶信息以及具體地址信息。

6.根據權利要求5所述的用電行為分析方法，其特征在于，所述用戶信息包括用戶類別，所述用戶類別為居民、企業或公共設施。