[发明专利]基于电力大数据的企业经营状况评估方法

权利要求书

1.一种基于电力大数据的企业经营状况评估方法，其特征在于包括以下步骤：

S1 数据预处理

依据企业的与用电相关的若干数据集，过滤到缺少数据集的企业样本，同时对数据集中样本缺失值、零值进行处理；与用电相关的若干数据集包括企业安全基础用电信息数据集、企业用电量数据集、企业结算电量电费数据集、企业应收电费数据集；

S2 分级特征提取

从预处理的数据集中提取若干用于表征企业用电信息的若干二级维度特征，然后依据二级维度特征，通过孤立森林异常检测模型得到用于表征企业用电信息的异常程度的一级维度特征值；该步骤包括以下分步骤：

S21 依据二级维度特征计算逻辑，从预处理后的数据集中提取二级维度特征值，并对提取的二级维度特征值进行归一化处理；

S22 依据归一化处理后的二级维度特征值，通过孤立森林异常检测模型得到相应的一级维度特征值；该步骤包括以下分步骤：

S221 利用各企业归一化处理后的所有二级维度特征值构建训练集，然后利用构建的训练集对孤立森林异常检测模型进行训练得到由若干孤立树组成的孤立森林异常检测模型；

S222 遍历各企业，将企业与各一级维度特征值相关联的归一化处理后的二级维度特征值输入到训练好的孤立森林异常检测模型中，得到该企业的一级维度特征值；该步骤中，按照以下公式得到企业样本一级维度特征参数对应的异常得分：

式中，式中，x表示企业样本一级维度特征参数对应的归一化后二级维度特征参数集合，表示企业样本x的高度，指从树的根节点需要经历几条边才能够到达叶子节点，表示x在所有孤立树中的平均高度；

c(n)表示二叉搜索树的平均路径长度，其计算公式如下：

；

n表述企业数量，H(n-1)表示谐波数：

；

式中，表示欧拉常数；

将企业样本一级维度特征参数对应的异常得分进行进一步归一化处理，得到企业样本的归一化异常得分，即一级维度特征值；

S3 将各企业的所有一级维度特征值相加得到企业的总异常得分，然后依据给定的企业经常状况是否异常的标准，判定企业是否经营状况异常，若是则进入步骤S4；若不是，则企业经营状况正常；

S4 将所有经营状况异常的企业，通过K均值聚类的方法得到经营状况良好的企业和经营状况较差的企业；该步骤包括以下分步骤：

步骤S4中，采用K均值聚类的方法来实现对经营状况异常企业的聚类，具体包括以下分步骤：

S41 从经营状况异常企业中随机选取2个样本分别作为经营状况很好企业的类中心和经营状况很差企业的类中心；

S42 计算经营状况异常企业其余样本与两个作为经营状况很好企业类中心和经营状况很差企业类中心的距离；

S43 将经营状况异常企业其余样本回归于与之距离最近的经营状况很好企业类中心和经营状况很差企业类中心，完整聚类；

S44 根据步骤S43聚类结果，重新计算经营状况很好企业的类中心和经营状况很差企业的类中心；

S45 判断是否满足聚类终止条件，若满足，则完整对经营状况异常企业的最终聚类，并进入下一步；否则返回步骤S42；

S46 以企业样本经营状况很差企业类中心的距离和与经营状况很好企业类中心的距离的比值，作为企业经营状况得分，对异常企业的企业经营状况进行评估。

2.根据权利要求1所述基于电力大数据的企业经营状况评估方法，其特征在于一个孤立树的构建过程包括以下分步骤：

S2211 从训练集中每个二级维度特征中随机抽取，共抽取条数据样本构建孤立树训练子集；

S2212 从孤立树训练子集中随机选取一个二级维度特征，并在这个特征的所有值范围内随机选一个值，对样本进行二叉划分，将样本中小于该值的划分到节点左边，大于等于该值的划分到节点的右边，得到一个分裂条件和左右两边的数据集；分别在左右两边的数据集上重复上面过程，直至达到终止条件；终止条件包括以下两项：

1）数据本身不可再分，只包含一个样本，或者全部样本都相同；

2）孤立树的高度达到log₂()。