[發(fā)明專利]基于多分枝殘差注意力網(wǎng)絡(luò)的智能稽查建模方法

有效

• 申請?zhí)枺?/td>: 202011498663.2
• 申請日: 2020-12-18
• 公開（公告）號(hào): CN112508625B
• 公開（公告）日: 2022-10-21
• 發(fā)明（設(shè)計(jì)）人: 張琳娟;武宏波;李翼銘;許長清;邱超;李奇;周楠;張平;盧丹;郭璞;鄭征;陳婧華;韓軍偉
• 申請（專利權(quán)）人: 國網(wǎng)河南省電力公司經(jīng)濟(jì)技術(shù)研究院;國家電網(wǎng)有限公司
• 主分類號(hào): G06Q30/02
• 分類號(hào): G06Q30/02;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 鄭州優(yōu)盾知識(shí)產(chǎn)權(quán)代理有限公司 41125
• 代理人: 張真真

本發(fā)明提出了一種基于多分枝殘差注意力網(wǎng)絡(luò)的智能稽查建模方法，其步驟為：首先，獲取稽查數(shù)據(jù)字段，并對(duì)稽查數(shù)據(jù)字段進(jìn)行預(yù)處理得到訓(xùn)練數(shù)據(jù)；其次，構(gòu)建多分枝殘差注意力網(wǎng)絡(luò)，并利用訓(xùn)練數(shù)據(jù)對(duì)多分枝殘差注意力網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到多分枝殘差注意力網(wǎng)絡(luò)模型；最后，將稽查數(shù)據(jù)輸入多分枝殘差注意力網(wǎng)絡(luò)模型中，輸出稽查結(jié)果，完成對(duì)電力營銷業(yè)務(wù)中的異常問題的識(shí)別分類與自動(dòng)排查。本發(fā)明通過多次卷積操作，捕獲更多數(shù)據(jù)，解決長時(shí)序數(shù)據(jù)較難學(xué)習(xí)的問題，同時(shí)該網(wǎng)絡(luò)采用高效注意力機(jī)制，在稽查數(shù)據(jù)變化較大的時(shí)刻點(diǎn)投入更多的注意力，從而提高了模型訓(xùn)練和預(yù)測的準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及智能稽查建模技術(shù)領(lǐng)域，特別是指一種基于多分枝殘差注意力網(wǎng)絡(luò)的智能稽查建模方法。

背景技術(shù)

電力稽查是電力營銷中不可或缺的一個(gè)職能，在電力營銷市場化過程中扮演越來越重要的角色。如何平衡稽查與被稽查者之間的利益，在有限的稽查中發(fā)現(xiàn)和預(yù)測電力營銷中更多的錯(cuò)誤，已經(jīng)成為電力公司和科研人員關(guān)注的新課題。建立智能稽查模型，深入洞察電力營銷業(yè)務(wù)中存在的問題，支撐異常問題整改，實(shí)現(xiàn)數(shù)字化稽查是提高電力營銷稽查效率的必要手段。目前，電力營銷稽查建模方法主要有以下幾種：

(1)基于稽查結(jié)果的營銷工作質(zhì)量評(píng)價(jià)定性分析模型

該方法運(yùn)用專家調(diào)查法進(jìn)行風(fēng)險(xiǎn)程度和管控強(qiáng)度測評(píng)，基于評(píng)價(jià)得分和具體差錯(cuò)類型，應(yīng)用專業(yè)統(tǒng)計(jì)分析建模技術(shù)，建立稽查結(jié)果統(tǒng)計(jì)分析模型，實(shí)現(xiàn)營銷差錯(cuò)的主因分析確定、成因分析、責(zé)任崗位分析、營銷業(yè)務(wù)短板分析、風(fēng)險(xiǎn)性分析，但是這種方法稽查方式單一。

(2)基于數(shù)據(jù)挖掘技術(shù)的電價(jià)執(zhí)行在線稽查模型

該方法以計(jì)量、營銷等海量用電數(shù)據(jù)為研究對(duì)象，利用K-Means聚類算法識(shí)別客戶的典型用電模式，利用馬氏距離判別算法識(shí)別電價(jià)異常用戶。利用計(jì)量自動(dòng)化、營銷系統(tǒng)海量用電數(shù)據(jù)，基于自適應(yīng)模糊神經(jīng)推理和決策樹C5.0算法構(gòu)建電價(jià)執(zhí)行智能稽查模型，但是這種方法準(zhǔn)確率不高。

(3)基于數(shù)據(jù)挖掘的用電數(shù)據(jù)異常的分析與研究

該方法首先利用孤立森林算法構(gòu)建異常檢測模型，識(shí)別大部分異常用戶。其次通過建立基于聚類分析、局部離群因子算法的異常檢測模型并進(jìn)行比較。再次利用決策樹算法建立用電數(shù)據(jù)異常識(shí)別模型，但是此方法效率低下，排查范圍有限。

(4)基于廣義規(guī)則歸納算法的電力稽查關(guān)聯(lián)問題分析模型

該模型從建模角度出發(fā)，對(duì)稽查樣本問題庫進(jìn)行編碼整理，再對(duì)問題字段進(jìn)行bool變換，將文本規(guī)范化為符號(hào)變量，解決了文本難以分類和噪聲過大的問題，然后利用數(shù)據(jù)挖掘中的GRI關(guān)聯(lián)算法對(duì)已有的稽查樣本數(shù)據(jù)庫進(jìn)行問題關(guān)聯(lián)分析，得出問題間的隱含關(guān)系，但是此方法排查深度不夠，誤差率高。

發(fā)明內(nèi)容

針對(duì)目前深度學(xué)習(xí)算法在稽查建模方法中存在特征提取不充分，淺層的網(wǎng)絡(luò)容易出現(xiàn)梯度消失，較難有效學(xué)習(xí)長時(shí)序數(shù)據(jù)間的映射關(guān)系等問題，本發(fā)明提供了一種基于多分枝殘差注意力網(wǎng)絡(luò)的智能稽查建模方法，克服了傳統(tǒng)方法人工篩選效率低、應(yīng)用場景單一、模型精度差的缺陷。

本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種基于多分枝殘差注意力網(wǎng)絡(luò)的智能稽查建模方法，其步驟如下：

步驟一：獲取稽查數(shù)據(jù)字段，并對(duì)稽查數(shù)據(jù)字段進(jìn)行預(yù)處理得到訓(xùn)練數(shù)據(jù)；

步驟二：構(gòu)建多分枝殘差注意力網(wǎng)絡(luò)，并利用訓(xùn)練數(shù)據(jù)對(duì)多分枝殘差注意力網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到多分枝殘差注意力網(wǎng)絡(luò)模型；

步驟三：將稽查數(shù)據(jù)輸入多分枝殘差注意力網(wǎng)絡(luò)模型中，輸出稽查結(jié)果，完成對(duì)電力營銷業(yè)務(wù)中的異常問題的識(shí)別分類與自動(dòng)排查。

所述稽查數(shù)據(jù)字段包括:日期、線路或臺(tái)區(qū)ID、供電量、售電量、線路用戶電量、電流、電壓和功率因素。