【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L ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。