[发明专利]一种基于多阶段神经网络的用电性质识别方法及系统

权利要求书

1.一种基于多阶段神经网络的用电性质识别方法及系统，其特征在于，所述多阶段神经网络的用电性质识别方法包括以下步骤：

步骤S1:选择用户的用电数据，针对多张数据表，构建数据宽表，对数据进行清洗，去除噪声数据；

步骤S2：构建与用户用电性质相关的分析指标；

步骤S3：采用属性筛选算法进行指标筛选，保留与用户用电性质密切相关的指标；

步骤S4：采用多阶段神经网络算法建立用电性质识别模型；

步骤S5：对用电性质识别模型进行评估，根据评估结果对模型进行调优；

步骤S6：构建模型所需用户用电数据相关指标，利用模型对用电数据进行用电性质预测，对于预测结果与用户登记类别不一致的，对此用户进行重点审计。

2.如权利要求1所述的一种基于多阶段神经网络的用电性质识别方法及系统，其特征在于，所述步骤S1包括以下步骤：

步骤S11：选取某市计量自动化积累的用电数据，筛选抽取出与电力负荷特性分析相关的电量数据，主要包括：计量点表、运行电能表、运行电能表日冻结电能量表、运行电能表日负荷极值表、用户信息表；

步骤S12：根据基础用电数据以及他们之间的关键性，将多张数据表进行关联形成一张宽表。

3.如权利要求1所述的一种基于多阶段神经网络的用电性质识别方法及系统，其特征在于，所述的骤S2中构建与用户用电性质相关的分析指标，包括如下步骤：

步骤S21：不同用户各小时的用电量及用电比；

步骤S22：将时间划分为不同时段，计算各时段的用电比；

步骤S23：计算一星期中每天的用电比；

步骤S24：计算工作日和周末的用电比；

步骤S25：计算每月份节假日天数的用电比。

4.如权利要求1所述的一种基于多阶段神经网络的用电性质识别方法及系统，其特征在于，所述的骤S3包括以下步骤：

步骤S31：采用基于增益率的属性筛选算法对构建的指标进行评估；

步骤S32：根据评分值，选取评分值大于一定阈值的指标。

5.如权利要求1所述的一种基于多阶段神经网络的用电性质识别方法及系统，其特征在于，所述步骤S4包括以下步骤：

步骤S41：采用遗传算法构建神经网络算法初始权重，采取自适应方法确定码长，其中码长由误差的精确度所决定，要求的精确度越高，码长越长，否则越短；

步骤S42：采用多阶段神经网络算法建立用电性质识别模型。

6.如权利要求1所述的一种基于多阶段神经网络的用电性质识别方法及系统，其特征在于，所述步骤S5包括以下步骤：

步骤S51：利用测试数据对所建立的用电性质识别模型进行评估；

步骤S52：根据评估结果对模型进行调优，得到最优模型。

7.如权利要求1所述的一种基于多阶段神经网络的用电性质识别方法及系统，其特征在于，所述多阶段神经网络的用电性质识别系统包括用电数据采集模块、用电指标构建模块、用电指标筛选模块、用电性质识别模型构建模块、用电性质识别模型使用模块。

8.如权利要求7所述的一种基于多阶段神经网络的用电性质识别方法及系统，其特征在于，所述用电数据采集模块用于用户用电数据的采集，对数据进行清洗转换；所述用电指标构建模块用于用电性质识别所需指标的构建；所述用电指标筛选模块采用属性筛选算法筛选出与用电属性关系密切的指标；所述用电性质识别模型构建模块采用多阶段神经网络算法建立用户用电性质预测模型；所述用电性质识别模型使用模块，对所建立的用电性质预测模型，根据评估结果进行调优，得到最优模型，对用户用电性质进行预测，如果用电性质与用户登记信息不一致，则对此用户进行重点审计。