本公開涉及計算機,尤其涉及一種電價執(zhí)行異常檢測方法、裝置、電子設(shè)備及存儲介質(zhì)。
背景技術(shù):
1、隨著經(jīng)濟發(fā)展和社會進步,人們對用電需求日益增加,用電市場也隨之?dāng)U大,電力公司每年因為非法電力用戶竊電而導(dǎo)致非技術(shù)性損失巨大。電價執(zhí)行異常包括部分低壓商業(yè)用戶未正確執(zhí)行商業(yè)電價,而是錯誤執(zhí)行農(nóng)業(yè)生產(chǎn)電價和稻田排灌、脫粒電價等,出現(xiàn)高價低接行為。
2、現(xiàn)有的營銷稽查方法主要依靠人工定期巡檢、隨機抽樣、用戶舉報等方法,通過對大量的稽查資料研究分析,工作量大而且營銷稽查線索不清晰;采取隨機抽查,并且依靠稽查人員的經(jīng)驗來判定電價執(zhí)行是否正常,但是這種情況下,往往因為稽查的范圍小而無法發(fā)現(xiàn)潛在異常用戶。
3、因此,在如今電力大數(shù)據(jù)時代下,如何提供一種電價執(zhí)行異常檢測方法來檢測竊電行為是當(dāng)前亟待解決的一大技術(shù)問題。
技術(shù)實現(xiàn)思路
1、有鑒于此,本公開的目的在于提出一種電價執(zhí)行異常檢測方法、裝置、電子設(shè)備及存儲介質(zhì)。
2、基于上述目的,本公開第一方面提供了一種電價執(zhí)行異常檢測方法,包括:
3、獲取用戶的用電數(shù)據(jù)時間序列,所述用電數(shù)據(jù)時間序列包括基于時間順序排列的用電信息;
4、對所述用電數(shù)據(jù)時間序列進行特征選擇,確定所述用電數(shù)據(jù)時間序列中的目標(biāo)用電特征;
5、基于所述目標(biāo)用電特征,將所述用電數(shù)據(jù)時間序列輸入預(yù)先訓(xùn)練的第一模型進行檢測,基于檢測結(jié)果確定用戶的電價執(zhí)行異常檢測結(jié)果。
6、在一些實施例中,所述用電數(shù)據(jù)時間序列包括:日用電量信息、每日峰用電量信息、每日谷用電量信息以及每日平用電量信息,其中所述每日峰用電量信息、所述每日谷用電量信息以及所述每日平用電量信息的和等于所述日用電量信息。
7、在一些實施例中,所述第一模型的訓(xùn)練過程包括:
8、獲取多個用戶的歷史用電數(shù)據(jù)時間序列,所述歷史用電數(shù)據(jù)時間序列包括電價執(zhí)行異常數(shù)據(jù)時間序列和電價執(zhí)行正常數(shù)據(jù)時間序列;
9、基于第二模型對所述歷史用電數(shù)據(jù)時間序列進行特征選擇,確定所述歷史用電數(shù)據(jù)時間序列中的目標(biāo)用電特征;
10、基于所述目標(biāo)用電特征,將所述歷史用電數(shù)據(jù)時間序列輸入第一模型,對所述第一模型進行訓(xùn)練。
11、在一些實施例中,所述獲取多個用戶的歷史用電數(shù)據(jù)時間序列之后,還包括:
12、對所述歷史用電數(shù)據(jù)時間序列進行過采樣,以提高所述歷史用電數(shù)據(jù)時間序列中所述電價執(zhí)行異常數(shù)據(jù)時間序列的數(shù)量。
13、在一些實施例中,所述第二模型包括套索模型;所述基于第二模型對所述歷史用電數(shù)據(jù)時間序列進行特征選擇,確定所述歷史用電數(shù)據(jù)時間序列中的目標(biāo)用電特征,包括:
14、將所述歷史用電數(shù)據(jù)時間序列輸入所述套索模型,基于預(yù)設(shè)的目標(biāo)函數(shù)對所述套索模型進行求解,獲得所述目標(biāo)用電特征。
15、在一些實施例中,所述基于所述目標(biāo)用電特征,將所述歷史用電數(shù)據(jù)時間序列輸入第一模型,包括以下至少之一:
16、提高所述目標(biāo)用電特征的權(quán)重,將權(quán)重調(diào)整之后的所述歷史用電數(shù)據(jù)時間序列輸入所述第一模型;
17、降低除所述目標(biāo)用電特征以外的其他用電特征的權(quán)重,將權(quán)重調(diào)整之后的所述歷史用電數(shù)據(jù)時間序列輸入所述第一模型;
18、去除除所述目標(biāo)用電特征以外的其他用電特征,將去除所述其他用電特征之后的所述歷史用電數(shù)據(jù)時間序列輸入所述第一模型。
19、在一些實施例中,所述第一模型包括長短記憶網(wǎng)絡(luò)模型;所述將所述歷史用電數(shù)據(jù)時間序列輸入第一模型,對所述第一模型進行訓(xùn)練,包括:
20、基于所述目標(biāo)用電特征將所述歷史用電數(shù)據(jù)時間序列輸入所述長短記憶網(wǎng)絡(luò)模型對所述長短記憶網(wǎng)絡(luò)模型進行訓(xùn)練。
21、本公開第二方面提供了一種電價執(zhí)行異常檢測裝置,包括:
22、獲取模塊,被配置為:獲取用戶的用電數(shù)據(jù)時間序列,所述用電數(shù)據(jù)時間序列包括基于時間順序排列的用電信息;
23、選擇模塊,被配置為:對所述用電數(shù)據(jù)時間序列進行特征選擇,確定所述用電數(shù)據(jù)時間序列中的目標(biāo)用電特征;
24、檢測模塊,被配置為:基于所述目標(biāo)用電特征,將所述用電數(shù)據(jù)時間序列輸入預(yù)先訓(xùn)練的第一模型進行檢測,基于檢測結(jié)果確定用戶的電價執(zhí)行異常檢測結(jié)果。
25、本公開的第三方面提供一種電子設(shè)備,包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序,所述處理器執(zhí)行所述程序時實現(xiàn)如第一方面所述的電價執(zhí)行異常檢測方法。
26、本公開的第四方面提供一種非暫態(tài)計算機可讀存儲介質(zhì),所述非暫態(tài)計算機可讀存儲介質(zhì)存儲計算機指令,所述計算機指令用于使所述計算機執(zhí)行第一方面所述的電價執(zhí)行異常檢測方法。
27、從上面所述可以看出,本公開提供的電價執(zhí)行異常檢測方法、裝置、電子設(shè)備及存儲介質(zhì),通過獲取用戶的用電數(shù)據(jù)時間序列并對用電數(shù)據(jù)時間序列進行特征提取和選擇,再基于選擇的目標(biāo)用電特征將用電數(shù)據(jù)時間序列輸入預(yù)先訓(xùn)練的第一模型進行檢測和分類,從而確定確定該用戶的用電數(shù)據(jù)時間序列是否屬于電價執(zhí)行異常的用電數(shù)據(jù),從而確定該用戶的電價執(zhí)行異常檢測結(jié)果,從而可以全面有效識別用戶的電價異常,防范電價執(zhí)行風(fēng)險,擴大異常監(jiān)控范圍,提高電價異常精準(zhǔn)度,自動精準(zhǔn)鎖定異常用戶。
1.一種電價執(zhí)行異常檢測方法,其特征在于,包括:
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述用電數(shù)據(jù)時間序列包括:日用電量信息、每日峰用電量信息、每日谷用電量信息以及每日平用電量信息,其中所述每日峰用電量信息、所述每日谷用電量信息以及所述每日平用電量信息的和等于所述日用電量信息。
3.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述第一模型的訓(xùn)練過程包括:
4.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述獲取多個用戶的歷史用電數(shù)據(jù)時間序列之后,還包括:
5.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述第二模型包括套索模型;所述基于第二模型對所述歷史用電數(shù)據(jù)時間序列進行特征選擇,確定所述歷史用電數(shù)據(jù)時間序列中的目標(biāo)用電特征,包括:
6.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述基于所述目標(biāo)用電特征,將所述歷史用電數(shù)據(jù)時間序列輸入第一模型,包括以下至少之一:
7.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述第一模型包括長短記憶網(wǎng)絡(luò)模型;所述將所述歷史用電數(shù)據(jù)時間序列輸入第一模型,對所述第一模型進行訓(xùn)練,包括:
8.一種電價執(zhí)行異常檢測裝置,包括:
9.一種電子設(shè)備,包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序,所述處理器執(zhí)行所述程序時實現(xiàn)如權(quán)利要求1至7任一項所述的電價執(zhí)行異常檢測方法。
10.一種非暫態(tài)計算機可讀存儲介質(zhì),所述非暫態(tài)計算機可讀存儲介質(zhì)存儲計算機指令,所述計算機指令用于使所述計算機執(zhí)行權(quán)利要求1至7任一項所述的電價執(zhí)行異常檢測方法。