[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

说明书

本发明提供一种基于多阶段神经网络的用电性质识别方法及系统，方法包括以下步骤：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；构建与用户用电性质相关的分析指标；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；采用多阶段神经网络算法建立用电性质识别模型；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；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。本发明采用多阶段神经网络系统，考虑不同指标的影响程度不同，将影响指标划分为不同阶段，更好的对用户用电性质进行分析。

技术领域

本发明属于电网信息化技术领域，尤其涉及一种基于多阶段神经网络的用电性质识别方法及系统。

背景技术

用电性质分为居民类用电、商业用电、工业用电、农业用电等多种类型，不同类型用电电价不同，就会存在部分用户为了降低电价，对自己的用电性质进行欺瞒的现象。

传统的电力用户分类依据用户现实标签来进行划分，忽略了最重要的数据支撑，但是目前智能电网的普及产生了海量的监测数据，工业、商业、居民等不同类型用电客户用电的峰值、高峰时间段等特征必定是存在差异性的，目前大多数电力部门仅使用传统的统计方法进行异常分析，但是对于异常数据背后蕴藏的事件信息无法得到有效提炼，这就需要采用数据挖掘技术挖掘用户用电行为与用电性质之间的关系，对用户用电信息进行识别。

因此，提出一种基于多阶段神经网络的用电性质识别方法及系统，基于历史上各用电户的用电数据，通过机器学习中的分类学习算法，自动挖掘出各用户的用电负荷、计量方式、地区等用电因素同该用户用电类别之间的潜在规律，构建用电性质识别模型，并利用该模型对未来年度的用户数据进行用电类别判别，找出模型预测类别与登记类别不一致的用电户，进行重点审计。

发明内容

为了解决上述技术问题，本发明提供一种基于多阶段神经网络的用电性质识别方法及系统，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。

优选的，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。

优选的，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。

优选的，所述的骤S3包括以下步骤：