一种用电数据风险评估方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种用电数据风险评估方法、装置、设备及存储介质。包括：读取配电网中各用户的历史用电数据，并根据历史用电数据构建评估模型，其中，评估模型中包含第一自编码器、第二自编码器以及全连接神经网络模型；获取待测用电数据，通过评估模型对待测用电数据进行评分生成评分结果；根据评分结果确定待测用电数据的风险等级。通过历史用电数据构建评估模型，并通过预先构建的评估模型对待测用电数据进行评分，最后根据评分结果确定风险等级的方式可以准确通过评分结果确定风险等级，提高了评估的准确性，并且无需人员去现场检查，节约了人力资源的同时提高了风险评估效率。了人力资源的同时提高了风险评估效率。了人力资源的同时提高了风险评估效率。

【技术实现步骤摘要】
一种用电数据风险评估方法、装置、设备及存储介质


[0001]本专利技术涉及风险评估领域，尤其涉及一种用电数据风险评估方法、装置、设备及存储介质。

技术介绍

[0002]电力资源是我国当前的社会发展中应用在各种生产活动和日常活动的重要社会资源，它客观上从一定程度上关系到我国的工业生产效率，而当前电力企业在工作过程中，会面临着用电企业的用户在使用电力的过程中出现违规用电行为的情况。
[0003]然而在实际工作中，在电力企业发现用户有违规异常用电行为后，通常会委派人员到所有的异常用户所对应的电力计量装置实地勘察排除异常风险，或者根据原始的历史数据、人工经验以及先验知识对用户的风险异常程度进行分析划分，评定用电用户稽查等级。
[0004]现有技术中委派人员现场排查的方法不仅效率低，而且单纯通过人力依靠历史数据和人工经验划分的方法误差大，容易对风险等级造成误判。

技术实现思路

[0005]本专利技术提供了一种用电数据风险评估方法、装置、设备及存储介质，以实现评估用电用户的风险等级。
[0006]根据本专利技术的一方面，提供了一种用电数据风险评估方法，该方法包括：
[0007]读取配电网中各用户的历史用电数据，并根据历史用电数据构建评估模型，其中，评估模型中包含第一自编码器、第二自编码器以及全连接神经网络模型；
[0008]获取待测用电数据，通过评估模型对待测用电数据进行评分生成评分结果；
[0009]根据评分结果确定待测用电数据的风险等级。
[0010]优选的，获取待测用电数据，通过评估模型对待测用电数据进行评分生成评分结果，包括：对待测用电数据进行预处理生成数据集；通过第一自编码器对数据集进行处理，获得数据重构误差和数据集的第一特征值，其中，第一自编码器中包含编码层和解码层；通过第二自编码器对数据集的第一特征值进行处理获得特征重构误差、第一特征值的隐藏特征值和数据集的第二特征值；通过全连接神经网络模型对第二特征值进行处理生成高斯分数；根据数据重构误差、特征重构误差和高斯分数生成评分结果。
[0011]优选的，通过第一自编码器对数据集进行处理，获得数据重构误差和数据集的第一特征值，包括：通过编码层对数据集进行特征提取得到数据集的第一特征值；通过解码层对数据集进行重构得到重构数据集；根据数据集和重构数据集获取数据重构误差。
[0012]优选的，通过第二编码器对数据集的第一特征值进行处理获得特征重构误差、第一特征值的隐藏特征值和数据集的第二特征值，包括：通过第二自编码器对第一特征值进行重构得到数据集的重构特征值；通过第二自编码器对第一特征值进行编码得到第一特征值的隐藏特征值；根据重构特征值和数据集的第一特征值获取特征重构误差；获取重构特
征值和数据集的第一特征值的欧式距离以及余弦相似度，根据欧式距离、余弦相似度和隐藏特征值得到数据集的第二特征值。
[0013]优选的，通过全连接神经网络模型对第二特征值进行处理生成高斯分数，包括：通过全连接神经网络模型对数据集的第二特征值采用最大期望算法EM进行计算，获取数据集的第二特征值所对应的归属概率；通过归属概率和数据集的第二特征值进行计算，获得全连接神经网络模型的分数计算关联参数；根据关联参数和数据集的第二特征值生成高斯分数。
[0014]优选的，根据数据重构误差、特征重构误差和高斯分数生成评分结果，包括：将数据重构误差、特征重构误差和高斯分数作为评估指标，并获取各评估指标对应的权重值；将各评估指标和各评估指标对应的权重值的乘积依次相加得到评分结果。
[0015]优选的，根据评分结果确定待测用电数据的风险等级，包括：确定评分结果对应的分数区间；根据分数区间确定待测用电数据的风险等级。
[0016]根据本专利技术的另一方面，提供了一种用电数据风险评估装置，该装置包括：
[0017]评估模型构建模块，用于读取配电网中各用户的历史用电数据，并根据历史用电数据构建评估模型，其中，评估模型中包含第一自编码器、第二自编码器以及全连接神经网络模型；
[0018]评分结果生成模块，用于获取待测用电数据，通过评估模型对待测用电数据进行评分生成评分结果；
[0019]风险等级确定模块，用于根据评分结果确定待测用电数据的风险等级。
[0020]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0021]至少一个处理器；以及
[0022]与所述至少一个处理器通信连接的存储器；其中，
[0023]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的一种用电数据风险评估方法。
[0024]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的一种用电数据风险评估方法。
[0025]本专利技术实施例的技术方案，通过历史用电数据构建评估模型，并通过预先构建的评估模型对待测用电数据进行评分，最后根据评分结果确定风险等级的方式可以准确通过评分结果确定风险等级，提高了评估的准确性，并且无需人员去现场检查，节约了人力资源的同时提高了风险评估效率。
[0026]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0027]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他
的附图。
[0028]图1是根据本专利技术实施例一提供的一种用电数据风险评估方法的流程图；
[0029]图2是根据本专利技术实施例一所适用的一种评估模型结构示意图；
[0030]图3是根据本专利技术实施例一提供的另一种用电数据风险评估方法的流程图；
[0031]图4是根据本专利技术实施例二提供的另一种用电数据风险评估方法的流程图；
[0032]图5是根据本专利技术实施例三提供的一种用电数据风险评估装置的结构示意图；
[0033]图6是实现本专利技术实施例的一种用电数据风险评估方法的电子设备的结构示意图。
具体实施方式
[0034]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0035]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用电数据风险评估方法，其特征在于，包括：读取配电网中各用户的历史用电数据，并根据所述历史用电数据构建评估模型，其中，所述评估模型中包含第一自编码器、第二自编码器以及全连接神经网络模型；获取待测用电数据，通过所述评估模型对所述待测用电数据进行评分生成评分结果；根据所述评分结果确定所述待测用电数据的风险等级。2.根据权利要求1所述的方法，其特征在于，所述获取待测用电数据，通过所述评估模型对所述待测用电数据进行评分生成评分结果，包括：对所述待测用电数据进行预处理生成数据集；通过所述第一自编码器对所述数据集进行处理，获得数据重构误差和所述数据集的第一特征值，其中，所述第一自编码器中包含编码层和解码层；通过所述第二自编码器对所述数据集的第一特征值进行处理获得特征重构误差、第一特征值的隐藏特征值和所述数据集的第二特征值；通过所述全连接神经网络模型对所述第二特征值进行处理生成高斯分数；根据所述数据重构误差、所述特征重构误差和所述高斯分数生成所述评分结果。3.根据权利要求2所述的方法，其特征在于，所述通过所述第一自编码器对所述数据集进行处理，获得数据重构误差和所述数据集的第一特征值，包括：通过所述编码层对所述数据集进行特征提取得到所述数据集的第一特征值；通过所述解码层对所述数据集进行重构得到重构数据集；根据所述数据集和所述重构数据集获取所述数据重构误差。4.根据权利要求3所述的方法，其特征在于，所述通过所述第二编码器对所述数据集的第一特征值进行处理获得特征重构误差、第一特征值的隐藏特征值和所述数据集的第二特征值，包括：通过所述第二自编码器对所述第一特征值进行重构得到所述数据集的重构特征值；通过所述第二自编码器对所述第一特征值进行编码得到所述第一特征值的隐藏特征值；根据所述重构特征值和所述数据集的第一特征值获取所述特征重构误差；获取所述重构特征值和所述数据集的第一特征值的欧式距离以及余弦相似度，根据所述欧式距离、所述余弦相似度和所述隐藏特征值得到所述数据集的第二特征值。5.根据权利要求4所述的方...

【专利技术属性】
技术研发人员：纪素娜，林幕群，吴丹妍，林楷东，姚伟智，吴刘燕，蔡燕芬，李拥腾，王春雄，方宗胜，
申请(专利权)人：广东电网有限责任公司汕头供电局，
类型：发明
国别省市：