[发明专利]一种基于监督学习的台区用户识别及判别方法

摘要

本发明涉及数据分析领域，特别是一种基于监督学习方法的台区用户识别及判别方法。包括：根据用户所属台区和相别确定用户数据的对应标签建立训练集、验证集和测试集，采用交叉验证的方式进行确定；采用已训练好的训练模型对待识别用户的电压数据进行识别；建立台区用户识别结果可靠度的量化评价指标，并计算台区用户初次识别结果的可靠度。本发明实现了无监督学习到有监督学习的转换，降低了硬件和人工成本，辨识结果更加可靠；同时建立对台区用户户变关系识别结果的量化评价指标，实现“争议用户”的准确识别，从而准确有效地识别用户所属台区与相别，彻底解决跨台区用户归属难题，为全面指导低压台区运行、维护、抢修、技改、规划等各领域的工作奠定基础。

主权项

1.一种基于监督学习的台区用户识别及判别方法，其特征在于，包括以下步骤：步骤S1，获取台区变压器低压侧电压数据及待识别的用户电表电压数据；步骤S2，对获取的电压数据进行预处理；步骤S3，确定已知台户拓扑关系的用户及用户所属台区和相别，根据用户所属台区和相别确定用户数据的对应标签建立训练集、验证集和测试集，采用交叉验证的方式对KNN模型中的k参数进行确定，并完成模型的训练；步骤S4，采用已训练好的训练模型和确定的k值对待识别用户的电压数据进行识别分类，进而实现对待识别用户电压数据中台区用户的初次识别，并输出初次识别结果；步骤S5，建立台区用户识别结果可靠度的量化评价指标，并计算台区用户初次识别结果的可靠度；步骤S6，设定可靠度阈值，该阈值的选取可根据实际情况而定，基于该可靠度阈值将第一次分类的台区用户初次识别结果中可靠度超过该阈值的用户视作辨识可靠的用户，并将该可靠用户及用户所属台区和相别加入已知台户拓扑关系数据中，并更新已知用户数据和相应标签；而可靠度低于阈值的用户视作下一次待识别的“争议用户”；步骤S7，基于更新后的用户数据和对应标签，重新建立训练集、验证集和测试集，并对分类模型进行重新训练，待模型重新训练完毕后，对第二次待识别的“争议用户”开展新一轮的分类识别。步骤S8，重复步骤S7‑S9并进行验证判别，直到所有用户的识别可靠度均大于所述设定的可靠度阈值，和/或达到设定的迭代次数。步骤S9，迭代结束后将获得的台区用户识别结果作为最终的台区用户识别结果，并提供最终识别结果的可靠度指标。