一种基于机器学习模型的电力风险客户筛选方法技术

本发明专利技术公开了一种基于机器学习模型的电力风险客户筛选方法，属于电力技术领域。现有的在电力客户管理中，异常用电的客户一直是企业关心的重点，但电力企业一直缺少有效的手段识别异常用电客户，以往主要通过对单个客户的用电负荷曲线进行观察，面临效率低下，无法从海量客户中直接筛选出异常用电的客户。本发明专利技术包括以下步骤：步骤1，获取客户用电数据；步骤2，设计电力离群用户识别指标体系；步骤3，基于局部异常因子算法LOF，建立电力离群用户识别模型；步骤4，对模型进行应用，实现电力离群客户的自动筛选。本发明专利技术基于机器学习算法，能够实现自动化识别异常用电客户，保障电网安全运行，避免电网经济损失，提高电网管理水平。

A Power Risk Customer Screening Method Based on Machine Learning Model

【技术实现步骤摘要】
一种基于机器学习模型的电力风险客户筛选方法
本专利技术涉及一种基于机器学习模型的电力风险客户筛选方法，属于电力

技术介绍
随着客户服务意识的提高，以及电力系统精益化管理水平要求的提高，以往的粗放式管理已经难以满足时代和企业的发展需求。另一方面，随着信息化系统的建设应用，电力系统积累了大量的用户用电采集数据。在电力客户管理中，异常用电的客户一直是企业关心的重点，但电力企业一直缺少有效的手段识别异常用电客户，以往主要通过对单个客户的用电负荷曲线进行观察，面临效率低下，无法从海量客户中直接筛选出异常用电的客户。
技术实现思路
针对现有技术的缺陷，本专利技术的目的在于提供一种通过对客户的用电负荷数据进行指标提炼，并利用LOF（局部异常因子）算法，识别异常用电客户，实现自动化识别异常用电客户的基于机器学习模型的电力风险客户筛选方法。为实现上述目的，本专利技术的技术方案为：一种基于机器学习模型的电力风险客户筛选方法，包括以下步骤：步骤1，获取客户用电数据通过ETL抽取系统数据，并对原始数据进行清洗和处理，选择训练样本和测试样本；步骤2，设计电力离群用户识别指标体系基于用电负荷数据，从峰谷用电、节假日用电情况、用电增长情况三个方面构建基础指标；步骤3，基于局部异常因子算法LOF，建立电力离群用户识别模型综合上述三个维度指标，通过局部异常因子算法LOF建立模型，用以识别异常用电客户；步骤4，对模型进行应用，实现电力离群客户的自动筛选通过建立的模型，实现筛选异常用电客户，并对其进行后续跟踪管理。本专利技术基于机器学习算法，通过对客户的用电负荷数据进行指标提炼，并利用LOF（局部异常因子）算法，识别异常用电客户，实现自动化识别异常用电客户，保障电网安全运行，避免电网经济损失，提高电网管理水平。作为优选技术措施，模型的输出结果为判断每个用户的局部异常系数，若该指标远大于1，说明该用户是异常用电用户，方案简单实用，切实可行。与现有技术相比，本专利技术具有以下有益效果：本专利技术基于机器学习算法，通过对客户的用电负荷数据进行指标提炼，并利用LOF（局部异常因子）算法，识别异常用电客户，实现自动化识别异常用电客户，保障电网安全运行，避免电网经济损失，提高电网管理水平。附图说明图1为本专利技术流程图；图2为本专利技术筛选的某异常用电客户A用电负荷曲线与行业整体情况对比；图3为本专利技术筛选的某异常用电客户B用电负荷曲线与行业整体情况对比。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。相反，本专利技术涵盖任何由权利要求定义的在本专利技术的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本专利技术有更好的了解，在下文对本专利技术的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本专利技术。如图1-3所示，一种基于机器学习模型的电力风险客户筛选方法，包括以下步骤：步骤1，获取客户用电数据通过ETL抽取系统数据，并对原始数据进行清洗和处理，选择训练样本和测试样本。步骤2，设计电力离群用户识别指标体系基于用电负荷数据，从峰谷用电、节假日用电情况、用电增长情况三个方面构建基础指标。步骤3，基于局部异常因子算法LOF，建立电力离群用户识别模型综合上述三个维度指标，通过局部异常因子算法LOF建立模型，用以识别异常用电客户；模型的输出结果为判断每个用户的局部异常系数，若该指标远大于1，说明该用户是异常用电用户，方案简单实用，切实可行。步骤4，对模型进行应用，实现电力离群客户的自动筛选通过建立的模型，实现筛选异常用电客户，并对其进行后续跟踪管理。本专利技术基于机器学习算法，通过对客户的用电负荷数据进行指标提炼，并利用LOF（局部异常因子）算法，识别异常用电客户，实现自动化识别异常用电客户，保障电网安全运行，避免电网经济损失，提高电网管理水平。以上所述仅为本专利技术的较佳实施例而已，并不用以限制本专利技术，凡在本专利技术的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种基于机器学习模型的电力风险客户筛选方法，其特征在于，包括以下步骤：步骤1，获取客户用电数据通过ETL抽取系统数据，并对原始数据进行清洗和处理，选择训练样本和测试样本；步骤2，设计电力离群用户识别指标体系基于用电负荷数据，从峰谷用电、节假日用电情况、用电增长情况三个方面构建基础指标；步骤3，基于局部异常因子算法LOF，建立电力离群用户识别模型综合上述三个维度指标，通过局部异常因子算法LOF建立模型，用以识别异常用电客户；步骤4，对模型进行应用，实现电力离群客户的自动筛选通过建立的模型，实现筛选异常用电客户，并对其进行后续跟踪管理，保障电网安全运行，避免电网经济损失，提高电网管理水平。

【技术特征摘要】
2019.01.04 CN 201910007608X1.一种基于机器学习模型的电力风险客户筛选方法，其特征在于，包括以下步骤：步骤1，获取客户用电数据通过ETL抽取系统数据，并对原始数据进行清洗和处理，选择训练样本和测试样本；步骤2，设计电力离群用户识别指标体系基于用电负荷数据，从峰谷用电、节假日用电情况、用电增长情况三个方面构建基础指标；步骤3，基于局部异常因子算法LOF，...

【专利技术属性】
技术研发人员：张宏达，王伟峰，陶晖，李熊，李磊，劳琦江，严华江，卢恩泽，张江伟，
申请(专利权)人：国网浙江省电力有限公司，浙江华云信息科技有限公司，国家电网有限公司，
类型：发明
国别省市：浙江,33