[發明專利]基于XGBoost模型的用戶異常用電行為檢測方法及裝置

在審

• 申請號: 202110951916.5
• 申請日: 2021-08-19
• 公開（公告）號: CN113409166A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 戶艷琴;張吳敏;劉念;李承霖;傅皆愷;黃天翔;張延;石德文;李柯舟;胡志強;范志夫;李海明;史佳琪
• 申請（專利權）人: 國網江西綜合能源服務有限公司;國家電網有限公司;華北電力大學
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06N3/12
• 代理公司: 南昌賢達專利代理事務所(普通合伙) 36136
• 代理人: 金一嫻

1.一種基于XGBoost模型的用戶異常用電行為檢測方法，其特征在于，包括：

響應于獲取的用戶原始數據，基于邊緣計算節點對所述用戶原始數據進行數據預處理，使得到優化用電數據，其中，所述用戶原始數據包括用戶歷史用電數據以及終端設備異常用電記錄；

響應于獲取的所述優化用電數據，對訓練模型進行訓練并生成XGBoost檢測模型；

基于改進的遺傳算法對所述XGBoost檢測模型進行參數優化，使確定所述XGBoost檢測模型的最佳超參數組合，其中，所述改進的遺傳算法中包含指數衰減的交叉概率和變異概率，所述指數衰減的交叉概率的表達式為：

，

式中，為交叉概率，為種群的適應度平均值，為兩個交叉個體適應度較大者的適應度，、均為常數，且，為衰減系數，為當前的遺傳迭代次數；

所述指數衰減的變異概率的表達式為：

，

式中，為變異概率， 為變異個體的適應度，、均為常數，且；

所述改進的遺傳算法中的步驟包括構建適應度函數，所述適應度函數的表達式為：

，

式中，為適應度函數，為權重系數，為精確率，為召回率，為超參數的個數；

將待檢測數據輸入所述XGBoost檢測模型中，基于所述最佳超參數組合進行判斷某一優化用電數據是否異常。

2.根據權利要求1所述的一種基于XGBoost模型的用戶異常用電行為檢測方法，其特征在于，所述數據預處理包括數據清洗、缺失值處理以及數據降維。

3.根據權利要求1所述的一種基于XGBoost模型的用戶異常用電行為檢測方法，其特征在于，其中，計算精確率的表達式為：

，

式中，為異常用電用戶被正確檢測的數目，為非異常用電用戶被正確檢測的數目。

4.根據權利要求1所述的一種基于XGBoost模型的用戶異常用電行為檢測方法，其特征在于，其中，計算召回率的表達式為：

，

式中，為異常用電用戶被正確檢測的數目，為非異常用電用戶被錯誤檢測的數目。

5.一種基于XGBoost模型的用戶異常用電行為檢測裝置，其特征在于，包括：

處理模塊，配置為響應于獲取的用戶原始數據，基于邊緣計算節點對所述用戶原始數據進行數據預處理，使得到優化用電數據，其中，所述用戶原始數據包括用戶歷史用電數據以及終端設備異常用電記錄；

訓練模塊，配置為響應于獲取的所述優化用電數據，對訓練模型進行訓練并生成XGBoost檢測模型；

優化模塊，配置為基于改進的遺傳算法對所述XGBoost檢測模型進行參數優化，使確定所述XGBoost檢測模型的最佳超參數組合，其中，所述改進的遺傳算法中包含指數衰減的交叉概率和變異概率，所述指數衰減的交叉概率的表達式為：

，

式中，為交叉概率，為種群的適應度平均值，為兩個交叉個體適應度較大者的適應度，、均為常數，且，為衰減系數，為當前的遺傳迭代次數；

所述指數衰減的變異概率的表達式為：

，

式中，為變異概率，為變異個體的適應度，、均為常數，且；

所述改進的遺傳算法中的步驟包括構建適應度函數，所述適應度函數的表達式為：

，

式中，為適應度函數，為權重系數，為精確率，為召回率，為超參數的個數；

判斷模塊，配置為將待檢測數據輸入所述XGBoost檢測模型中，基于所述最佳超參數組合進行判斷某一優化用電數據是否異常。

6.一種電子設備，其特征在于，包括：至少一個處理器，以及與所述至少一個處理器通信連接的存儲器，其中，所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行權利要求1至4任一項所述的方法。

7.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現權利要求1至4任一項所述的方法。