[发明专利]一种基于可插拔式反窃电模型的用电异常用户监控方法

权利要求书

1.一种基于可插拔式反窃电模型的用电异常用户监控方法，其特征在于包括以下步骤：

1)模型容器将模型以标准化形式打包，放置于各服务器内，并在反窃电监控模块中设置服务器地址；对不同模型进行容器化管理，并支持各类模型安装运行；模型数据输入侧支持多种数据格式，模型容器通过WebService接口调用、监控模型运行，并通过WebService接口反馈模型状态和执行结果，实现模型容器化管理；对于符合规范的反窃电模型，做简单配置注册后实现模型可插拔功能，减少模型因地区数据情况差异导致的高耦合性，简化模型在不同地区使用时的本地化工作；

2)反窃电监控模块下发任务至模型容器，对模型各任务参数定制；

3)反窃电监控模块对模型容器进行任务调度，模型容器启动任务，并将任务状态同步返回给反窃电监控模块；

4)模型容器任务结束后将嫌疑清单和/或终止原因回传给反窃电监控模块；

5)反窃电监控模块获得模型容器的执行结果；

6)反窃电监控模块根据执行结果、用户档案及采集系统，得到用电异常用户，并输出。

2.根据权利要求1所述的一种基于可插拔式反窃电模型的用电异常用户监控方法，其特征在于：在步骤1)中，模型进行标准化制定，统一模型的输入侧通用数据格式、输出接口及任务管理接口，所有接入反窃电监控模块的模型均标准化制定。

3.根据权利要求2所述的一种基于可插拔式反窃电模型的用电异常用户监控方法，其特征在于：约定标准化模型输入规范，将所有模型后续会使用的数据集中整合，使各模型随取随用，保证模型输入数据质量，反窃电监控模块做为模型分析数据来源之一；约定标准化模型输出，统一各模型输出层数据一致性；约定模型接口规范，由反窃电监控模块下发任务至模型容器内，通过模型接口规范实现模型各任务参数定制。

4.根据权利要求3所述的一种基于可插拔式反窃电模型的用电异常用户监控方法，其特征在于：反窃电监控模块提供的数据信息包括：

约定标准化模型输出，各接口定义为：

约定模型接口规范，各任务参数定制的规范为：

5.根据权利要求4所述的一种基于可插拔式反窃电模型的用电异常用户监控方法，其特征在于：基于数据中台概念，所有模型后续会使用的数据集中整合在数据中台中，数据中台与用电信息采集系统、营销业务应用系统、一体化线损平台相连，数据中台的数据抽取支持多种关系型数据库、多种异构数据源，选择DataX工具为数据源的离线同步工作。

6.根据权利要求5所述的一种基于可插拔式反窃电模型的用电异常用户监控方法，其特征在于：模型容器基于大数据，运用包括Hadoop、Spark、Hive的大数据技术组件，采用分布式计算和存储技术构建的大数据分析平台，模型容器包括数据整合层、数据存储层、分析计算层、任务调度层；

数据整合层：提供数据定时抽取及数据转换服务，定时将数据源相关分析所需数据抽取至分析计算层，并进行相应的数据转换和整合服务；

数据存储层：提供关系数据库、分布式文件系统的数据存储，支撑模型待分析数据、分析过程数据、分析结果数据的存储业务；

分析计算层：提供专为大规模数据处理而设计的快速通用计算引擎Spark以及机器学习ML库；模型运行于该层，基于Spark、Python开发，使用ML机器学习库进行模型的构建和诊断分析；

任务调度层：采用开源的Azkaban作为分析平台的任务调度引擎，负责源数据的定时抽取，模型的定时调度。