[发明专利]基于大数据分析的用电异常检测方法

权利要求书

1.基于大数据分析的用电异常检测方法，其特征在于，包括以下步骤：

S1、掌握不同类型居民的用电规律，通过实现对用电类别、地域类型9类居民用户的电量特征刻画，掌握居民用电规律；

S2、识别异常用电居民，提升营销用电精益化管理水平，从海量居民用电数据中准确定位离群用户，预警电价执行差错、异常用电等风险客户清单,

S3、通过问题管理堵塞跑冒滴漏产生的经济价值，针对异常用电客户，协同业务部门核实处理，同时保证居民与供电商的利益，堵塞跑冒滴漏产生的经济价值。

2.根据权利要求1所述的基于大数据分析的用电异常检测方法，其特征在于，所述步骤S1中，前期用Oracle进行存储，后期备选大数据平台的Hive进行数据存储，利用宽表关联ID获取所取数据；

使用Pycharm、Anaconda等相关集成工具环境进行数据的模型构建；

融合用户档案信息、电能表信息、用户表计日冻结电量信息、外部气象等多源数据：一是数据准备及数据处理；

二是通过数据分布、趋势分析等途径探索数据规律，为后续建模提供依据；

三是基于K-Shape聚类算法分类开展居民用电特征画像；

四是基于孤立森林算法分类构建离群识别模型，识别离群用户。

3.根据权利要求1所述的基于大数据分析的用电异常检测方法，其特征在于，所述步骤S2中，内部数据主要包含居民用电客户档案和日冻结电量；

用电客户档案来自于营销系统，日冻结电量来自于用采系统，均为一次数据，数据可信度较高；

用电客户档案字段完整，不存在缺失情况，日冻结电量因采集原因不存在重复情况，而存在少量数据项缺失情况，整体字段完整度较高，不影响后续的数据挖掘分析；

用电客户档案存在整体记录重复的情况，用户地址录入不规范影响到GIS地理分布离群客户识别；日冻结电量主要存在数据为空或电量数值突变的情况可通。

4.根据权利要求1所述的基于大数据分析的用电异常检测方法，其特征在于，所述步骤S2中，对存在重复情况的数据，只保留第一条，其余删除；对核心字段缺失的情况，删除整条数据；对电量数据为空或数值幅度突变的情况，使用该数据临近数据平移填补；

日冻结电量宽表中，统计各条数据的缺失情况；根据具体缺失情况和防止填补缺失值过多影响分析结果的情况出现，确定对数据缺失维度超过55维的数据删除。