[发明专利]电力需求侧的大数据分析方法、装置、设备及存储介质

权利要求书

1.一种电力需求侧的大数据分析方法，其特征在于，包括：

对获取到的电力数据进行数据清洗，包括：偏差数据检测、缺失值处理以及噪声数据光滑处理；

集合归属于同一缴费用户的且经过所述数据清洗的电力数据；

将集合后的所述电力数据导入电力需求侧数据分析神经网络，所述电力需求侧数据分析神经网络包括：输入层、一层或以上的隐藏层以及输出层，所述缴费用户的一个电力数据维度的数据构成所述输入层的一个序列；

基于所述电力需求侧数据分析神经网络的最终计算结果进行缴费用户标识；

生成缴费用户分类表。

2.根据权利要求1所述的电力需求侧的大数据分析方法，其特征在于：

所述偏差数据检测包括：构建概率分布评估模型，应用所述概率分布评估模型检测出离群点，将所述离群点对应的值作为偏差数据；

所述缺失值处理包括：全局常量自动填充、中心度量自动填充、同组均值自动填充以及最有可能值自动填充；

所述噪声数据光滑处理包括：将所述电力数据中有噪声的变量拟合成一条直线或曲线，用所述直线或所述曲线上的值替代所述电力数据中有噪声的所述变量。

3.根据权利要求1所述的电力需求侧的大数据分析方法，其特征在于，所述集合归属于同一缴费用户的且经过所述数据清洗的电力数据包括：获取经过所述数据清洗的电力数据；提取用于表征电力数据维度的特征值；根据所述特征值选择集合计算方式；对集合结果进行评估；

所述集合计算方式包括基于n维电力数据对象的计算方式，所述基于n维电力数据对象的计算方式为或者为或者为CD＝max(|x_k-y_k|)k；或者为其中，ED为欧几里得距离，MD为曼哈顿距离，CD为切比雪夫距离，MKD为闵可夫斯基距离，x_k为一个n维电力数据对象X＝(x₁,x₂,...,x_n)的取值，y_k为另一个n维电力数据对象Y＝(y₁,y₂,...,y_n)的取值，p为特定值的闵可夫斯基距离对应的欧几里得距离或曼哈顿距离或切比雪夫距离；

所述对集合结果进行评估包括：用已知的归属于同一缴费用户的集合的类别标签为标准；将所述集合结果得出的集合与所述标准进行比对，进而判断出所述集合结果的质量。

4.根据权利要求1所述的电力需求侧的大数据分析方法，其特征在于，所述输入层的每一个神经元用于输入一个所述电力数据维度的取值；所述输入层的激活函数为exp(-x_i)为对某一电力数据维度的取值x_i的相反数的指数；所述隐藏层将所述输入层的输出特征抽象到另一个维度空间，并对抽象后的特征进行线性规划；若电力需求侧数据分析神经网络包含多层所述隐藏层，则由多层所述隐藏层对输出特征进行多层次抽象，最终获得更好的线性规划结果；在所述隐藏层的输出满足迭代终止条件后，由所述输出层输出最终计算结果。

5.一种电力需求侧的大数据分析装置，其特征在于，包括：

数据清洗模块(10)，用于对获取到的电力数据进行数据清洗；

集合模块(20)，用于集合归属于同一缴费用户的且经过所述数据清洗的电力数据；

数据分析神经网络模块(30)，用于将集合后的所述电力数据导入电力需求侧数据分析神经网络；

缴费用户标识模块(40)，用于基于所述电力需求侧数据分析神经网络的最终计算结果进行缴费用户标识；

用户分类表生成模块(50)，用于生成缴费用户分类表。