[发明专利]一种基于大数据的高价低接用户识别方法

说明书

本发明公开了一种基于大数据的高价低接用户识别方法，本方法基于业务规章要求、重点工作开展情况、内外部检查发现的问题，梳理业务特征项，形成模型的基础构建；基于提取的模型特征变量，实现用户行业特征与用电特征不匹配、电价执行与政策不符、档案与电费计算的执行情况不一致等高价低接特征分析；基于神经网络分位数回归模型，建立三层感知器神经网络，并采用交叉验证法、AIC准则以及BIC准则等实现对电价执行标准分类。而且，本发明通过大数据有监督学习模型，实现机器学习，找出高价低接判断对象的表象特征与高价低接判断问题的潜在关联模式；通过不断优化监控指标及规则，实现问题对象的全面挖掘，提高疑似问题对象的准确率。

技术领域

本发明属于技术领域，具体涉及一种基于大数据的高价低接用户识别方法。

背景技术

电价是售电收入的重要因素，是电力企业经营效益的关键。在日常用电检检查和业务办理中发现存在有些用户的用电类别与其行业类别存在差异，如农业、工业、制造业等行业，这种情况直接给公司经营带来损失，因此通过半监督机器学习等方式建立高价低接用户大数据模型，并通过模型训练等方式最终实现对公司高价低接用户的识别，据此结合用电检查等现场核查工作完成现场甄别，从而为公司挽回经济损失。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于大数据的高价低接用户识别方法。本方法针对历史发现的高价低接用户大量的数据进行分析，利用大数据分析工具提取高价低接用户特征，构建高价低接用户识别大数据模型，并通过模型训练完成模型的完善，实现对公司存在高价低接用户的识别。

本发明是通过以下技术方案实现的：

一种基于大数据的高价低接用户识别方法，按照下列步骤进行：

步骤一、模型特征变量提取

基于业务规章要求、重点工作开展情况、内外部检查发现的问题，梳理业务特征项，形成模型的基础构建；

步骤二、高价低接特征分析

1)用户行业特征与用电特征不匹配

用户行业特征与用电特征不匹配主要分析研究电价为农业排灌，每月存在电量、居民电价用户月用电量过大、学校用电特征不符、居民照明用户电价行业分类为非居民、临时用电户执行大工业电价、临时用电户超期、临时用电户销户还有预收、执行大工业、农业、一般工商业电价的行业分类为居民生活、电采暖电价用户冬季用电量偏小、零售行业谷段电量过大、行业为制造业，负载率低于一定值、充电电价用电，但是用电量较高、合同容量小于110kv户名中含酒店、餐饮、宾馆、饭店、冷库、商城、超市的不应执行分时电价、户名含“居委会”没有执行居委会电价、户名含“学校”“幼儿园”没有执行学校电价、户名含“排灌”没有执行排灌电价等特征数据发掘。

2)电价执行与政策不符

分析售电价执行与政策不符，主要从如下政策进行分析，挖掘规律：

①变压器容量在100KVA以下用户，功率因数标准应该为“不考核”；

②变压器容量在100KVA以上的农业户和趸售用户，功率因数标准应该为0.8；

③变压器容量在100KVA以上、160KVA以下的工业及非工业用户，功率因数标准应该为0.85；

④变压器容量在160KVA以上的工业用户，功率因数标准应该为0.9；

⑥功率因数标准执0.9，变压器容量低于160KVA；

⑦合同容量小315KVA，不能执行大工业电价；

⑦执行农业电价，不应执行分时；

⑧需量用户，核定需量小于容量之和40％；