[发明专利]一种用电行为分析方法

说明书

本申请涉及一种用电行为分析方法，获取用电地址数据，将用电地址数据输入至已训练的地址预处理模型，得到用电地址的分词和实体信息，根据已训练的地址归一模型，对用电地址的分词和实体信息进行结构化处理和相似度计算，得出标准结构化地址，然后，对标准结构化地址进行特征优选和聚类分析，得出优选特征集和用电地址分类结果，基于优选特征集和用电地址分类结果，采用关联分析算法进行挖掘分析，得出用电行为分析结果。上述过程，对用电地址进行归一处理，能够有效解决源数据质量要求较高的问题，降低特征选取的难度，结合优选特征集和用电地址分类结果进行关联分析，能够有效甄别出不同区域的用电群体，提供更全面的用电行为分析结果。

技术领域

本申请涉及电力电网技术领域，特别是涉及一种用电行为分析方法、装置、计算机设备和存储介质。

背景技术

随着我国电力体制的深入探索与改革，电力市场化进程的不断加快，在电力营销业务中，需要针对不同客户群体制定相应的调度和服务策略,通过用电行为分析来指导用电需求侧管理。

目前，现有的用电行为分析方法通常是基于大数据或者聚类方法对用户用电数据进行分析，这种分析方法对源数据质量要求较高，且特征选取难度较大，无法有针对性地挑选出特征进行分析，使得用电行为分析结果不全面。

发明内容

基于此，有必要针对现有用电行为分析方法不全面的问题，提供一种更为全面的用电行为分析方法、装置、计算机设备和存储介质。

一种用电行为分析方法，方法包括：

获取用电地址数据；

将用电地址数据输入至已训练的地址预处理模型，得到用电地址的分词和实体信息，已训练的地址预处理模型基于历史用电地址数据和分词和命名实体识别模型构建；

根据已训练的地址归一模型，对用电地址的分词和实体信息进行结构化处理和相似度计算，得出标准结构化地址，已训练的地址归一模型基于历史用电地址数据构建；

对标准结构化地址进行特征优选和聚类分析，得出优选特征集和用电地址分类结果；

基于优选特征集和用电地址分类结果，采用关联分析算法进行挖掘分析，得出用电行为分析结果。

在其中一个实施例中，对标准结构化地址进行特征优选和聚类分析，得出优选特征集和用电地址分类结果包括：

根据标准结构化地址，构建地址特征数据库；

根据预设的指标因素，计算地址特征数据库中各地址特征的权重；

根据权重，筛选出优选特征集；

基于优选特征集，采用聚类算法进行聚类分析，得到用电地址分类结果。

在其中一个实施例中，将用电地址数据输入至已训练的地址预处理模型之前，还包括：

获取历史用电地址数据；

根据历史用电地址数据，构建训练集；

基于BERT(Bidirectional Encoder Representation from Transformers，基于Transformer的双向编码器表示)预训练模型，对分词和命名实体识别模型进行参数优化，构建初始地址预处理模型；

基于训练集，采用Keras深度学习框架训练初始地址预处理模型，得到已训练的地址预处理模型。

在其中一个实施例中，根据用电地址数据，构建训练集包括：

对用电地址数据进行可处理特征提取及分类，得到原始样本；

将原始样本中样本数较少的地址数据，按照预设的地址级别进行组合，构建样本库；