[发明专利]一种电力营销数据异常识别方法

权利要求书

1.一种电力营销数据异常识别方法，包括以下步骤：

S01：构建统一的数据平台；

S02：构建孤立森林模型；

S03：基于构建的孤立森林模型完成异常数据识别检测；

S04：提取异常数据的特征；

S05：异常数据的识别及输出。

2.根据权利要求1所述的一种电力营销数据异常识别方法，其特征在于，所述构建统一的数据平台包括使用大数据建立电力营销服务技术支撑平台，该平台包含市场发展、商业活动、客户服务、工厂运营数据，在平台的核心应用中，具体包括：数据采集服务、数据查询服务、数据搜索服务、分布式离线计算服务、分布式实时计算服务、数据挖掘服务、分布式协调服务、分布式队列监控服务、分布式数据库服务、分布式文档存储服务、数据订阅服务、开发监控服务和集群管理。

3.根据权利要求1所述的一种电力营销数据异常识别方法，其特征在于，所述构建孤立森林模型的步骤具体包括：

S021：按照电网信息的尺度，建立基于孤立森林的数据集合D；

S022：对数据进行流式处理，按照一定的规律对数据进行排序，选取合适的样本个数作为二叉树的主要数据；

S023：对其它样本进行隔离，按照特征性和差异性对样本进行分类，直至每个样本集中仅包含一个样本；

S024：以一组随机选取的数值区间作为数据抽取门限，依此划分数据结构，并作为判据进行分析。

4.根据权利要求3所述的一种电力营销数据异常识别方法，其特征在于，所述数据中正常的数据划分为高密度区，反之的数据划分为低密度区，说明数据中有异常，当检测的结果不能肯定时，再将训练样本分开，再进行分割，直至检测出全部数据。

5.根据权利要求1所述的一种电力营销数据异常识别方法，其特征在于，所述基于构建的孤立森林模型完成异常数据识别检测的步骤具体包括：

S031：清理数据源，剔除重复或相似度高的冗杂数据；

S032：把原数据集合D引入到孤立森林模型中，并按照二叉树模型中的根值设置条件，把用电用户的数据相应地放在二叉树的根值上；

S033：利用孤立森林的方法对数据进行随机分割，使得数据落入对应的二叉树上的叶片结点；

S034：针对信息资料的特点与差异，逐步将资料分开，直至仅包含单一资料的子资料；

S035：计算出叶片结点资料到根结点资料之间的距离及等级关系，也就是异常资料S所处的位置；

S036：利用标准化公式，计算出各二叉树的平均高度，并估算出S的变态指标，完成异常数据识别检测。

6.根据权利要求1所述的一种电力营销数据异常识别方法，其特征在于，所述提取异常数据的特征采用的是随机解耦合的特征分解技术，对异常数据的光谱特性进行有效分解，构建多尺度的异常数据特征分解模型。

7.根据权利要求6所述的一种电力营销数据异常识别方法，其特征在于，所述随机解耦合的特征分解技术的步骤具体包括：

S041：采用孤立森林学习方法，获取异常数据的自相关性分布特性；

S042：通过孤立森林方法进行自适应优化，获取异常数据的稀疏异质特征；

S043：利用分块信息融合技术，对异常数据进行探测与重建。

8.根据权利要求1所述的一种电力营销数据异常识别方法，其特征在于，所述异常数据的识别及输出的具体步骤为：

S051：根据孤立森林模型的统计分析，从市场营销数据中抽取出具有显著差异的关联特征集；

S052：利用关联规则和粗集特征匹配实现市场营销数据的异常识别；

S053：构造出了电力市场中异常值的一个统计特征集合，并给出用来描述电力市场中异常值分布的概念函数；

S054：在此基础上，利用稀疏特征重构技术，构建一种新的电力市场营销数据的异常属性解析模型；

S055：利用频谱特征提取技术，重建电力市场中的电力市场异常信息，获得电力市场中电力市场异常信息的空间线性结构。