[发明专利]一种企业用电行为识别方法及设备

权利要求书

1.一种企业用电行为识别方法，其特征在于，所述方法包括以下步骤：

对企业的电力数据进行预处理，得到特征数据；

将得到的特征数据作为深度自动编码网络的输入输出进行模型训练，训练深度自动编码网络，得到电力数据检测模型；以及

当出现新的企业电力数据时，重复对企业电力数据进行预处理，利用训练好的电力数据检测模型重构数据，求出重构误差，通过比较重构误差与设定阈值来判断企业是否存在非法集资风险。

2.根据权利要求1所述的企业用电行为识别方法，其特征在于，所述对企业的电力数据进行预处理，得到特征数据的步骤具体包括：

对企业的电力数据中空缺的数值进行均值补齐；

对企业的电力数据进行标准化处理；

对数据预处理后的字段进行线性相关性分析和时间趋势可视化分析；

对线性相关性分析和时间趋势可视化分析后得到的易于区分非法集资的用电字段进行特征提取，得到特征数据。

3.根据权利要求2所述的企业用电行为识别方法，其特征在于，所述对企业的电力数据中空缺的数值进行均值补齐的步骤具体包括：设计等级映射表，将所有的等级字段转化成数值，转化好后，把其它时刻记录的字段信息的均值填充在空缺的时刻上。

4.根据权利要求2所述的企业用电行为识别方法，其特征在于，所述对企业的电力数据进行标准化处理步骤具体包括：对数值变量，采用min-max标准化公式：

其中，max和min分别为变量的最大值和最小值；对等级变量，将等级转化为数值。

5.根据权利要求2所述的企业用电行为识别方法，其特征在于，所述对数据预处理后的字段进行线性相关性分析和时间趋势可视化分析的步骤具体包括：计算不同字段数据间的相关性，并从相关系数绝对值较大的相关字段集合中挑选一个进行保留，减少模型对冗余字段数据的过拟合；利用时间趋势图可视化的方法，进行有效区分非法集资公司与正常企业的特征字段选取。

6.根据权利要求2所述的企业用电行为识别方法，其特征在于，所述对线性相关性分析和时间趋势可视化分析后得到的易于区分非法集资的用电字段进行特征提取，得到特征数据的步骤具体包括：对于使用连续数值表示或记录的用电字段提取均值、方差、上升频次比例、下降频次比例、上升平均梯度和下降平均梯度特征；对于等级字段，采用各等级频率占比作为其特征。

7.根据权利要求1所述的企业用电行为识别方法，其特征在于，所述深度自动编码网络训练公式为：

其中，是输入向量，是输出向量，y＝{y¹,y²,L,y^m}∈R^m，m＜n+s是x经过DAE压缩之后的特征表达，f是激活函数，W和W′分别是编码和解码过程的权重，B和B′是隐藏层和输出层的偏置。

8.根据权利要求1所述的企业用电行为识别方法，其特征在于，若所述重构误差小于设定阈值，则新的企业电力数据视为正常，若所述重构误差大于设定阈值，则新的企业存在非法集资风险。

9.一种企业用电行为识别设备，其特征在于，所述设备包括至少一个处理器以及至少一个存储至少一个程序的存储器，当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-8任一项所述的企业用电行为识别方法。