非侵入式用户电力风险估值系统技术方案

本发明专利技术涉及电力风险控制技术领域，具体涉及非侵入式用户电力风险估值系统。所述系统包括：数据获取单元，配置用于获取基于用户特征，使用预设的用能数据获取模型，计算得到获取用户的用能数据的获取参数，基于获取参数，获取用户的用能数据；用户集群画像构建单元，配置用于基于用能数据，构建用户的集群画像；所述集群画像中包括多个并列的子画像，每个子画像至少对应一个画像分类，每个画像分类对应一个画像风险系数。本发明专利技术实现了电力风险的自动计算和控制，可以精确分析出用户的在任意时刻的用电风险，从而规避用户的用电风险，提升了用户用电的用电体验。户用电的用电体验。户用电的用电体验。

【技术实现步骤摘要】
非侵入式用户电力风险估值系统


[0001]本专利技术涉及电力风险控制
，具体涉及非侵入式用户电力风险估值系统。

技术介绍

[0002]在现实的生产生活中，用户的用电习惯将随着电力价格、用电量和负载率的变化而导致不同的用电风险。
[0003]若无法准确地预估和计算这种风险，不仅会带来用户的经营或生活中的不便，更有可能造成较为重大的财产损失。

技术实现思路

[0004]有鉴于此，本专利技术的主要目的在于提供非侵入式用户电力风险估值系统，本专利技术实现了电力风险的自动计算和控制，可以精确分析出用户的在任意时刻的用电风险，从而规避用户的用电风险，提升了用户用电的用电体验。
[0005]本专利技术的技术方案是这样实现的：
[0006]非侵入式用户电力风险估值系统，所述系统包括：数据获取单元，配置用于获取基于用户特征，使用预设的用能数据获取模型，计算得到获取用户的用能数据的获取参数，基于获取参数，获取用户的用能数据；用户集群画像构建单元，配置用于基于用能数据，构建用户的集群画像；所述集群画像中包括多个并列的子画像，每个子画像至少对应一个画像分类，每个画像分类对应一个画像风险系数；用电波动函数构建单元，配置用于基于电力数据构建用电波动函数；地鼠冒泡风险分析单元，配置用于将画像风险系数置入一个数据盒中，在数据盒中开设多个数据出口，使用用电波动函数驱动数据盒中的画像风险系数，使得画像风险系数不断从数据出口中冒出，设定一个时间区间，统计时间区间内从数据出口中冒出的画像风险系数和其对应的冒出时间，将画像风险系数和其对应的冒出时间，代入预设的风险估值模型，计算得到风险值，基于所有的风险值，构建用户的风险曲线，完成用户电力风险估值。
[0007]进一步的，所述数据获取单元包括：用户特征获取子单元和获取子单元；所述用户特征获取子单元，配置用于按照设定的第一时间区间，以固定的采样率采样用户数据，同时对采样到的用户数据基于特征分类算法进行分类，根据分类得到的用户类别作为用户特征；获取子单元，配置用于基于用户特征，使用预设的用户数据获取模型，分别计算得到数据获取频率和数据获取时间长度，并按照计算得到的数据获取频率和数据获取时间长度获取用户数据。
[0008]进一步的，所述第一时间区间至少为2个小时；所述采样率至少为55Hz。
[0009]进一步的，所述特征分类算法使用如下公式进行表示：进一步的，所述特征分类算法使用如下公式进行表示：其中，category为计算得到的分类值，S
H
为用户数据构成的数据矩阵的共轭矩阵；T为第一时间区间；F为采样率；C为调整系数，取值范围为5～10；M为设定的标准矩阵，
矩阵表达式为：
[0010]其中，n为自然数，S
n
为自然数，为设定值。
[0011]进一步的，所述用户数据获取模型计算得到数据获取频率的方法包括：将分类值代入用户数据获取模型中的频率计算公式，计算得到数据获取频率：其中，f为数据获取频率。
[0012]进一步的，所述用户数据获取模型计算得到数据获取时间长度的方法包括：将分类值代入用户数据获取模型的时间计算公式，计算得到数据获取时间长度的方法包括：t＝T*category；其中，t为数据获取时间长度。
[0013]进一步的，所述电力数据包括：电价、用电量和负载比率；所述电价、用电量和负载比率均分别通过一个随时间变化的函数进行表征，分别为电价函数、用电量函数和负载比率函数。
[0014]进一步的，所述用电波动函数为电价函数、用电量函数和负载比率函数进行函数融合后得到的融合函数；所述电价函数、用电量函数和负载比率函数进行函数融合的过程包括：将电价函数、用电量函数和负载比率函数代入到如下公式，进行函数融合，得到用电波动函数：波动函数：其中，Price为电价函数，Usage为用电量函数，Ratio为负载比率函数，K(price)为电价函数的斜率；Output为用电波动函数。
[0015]进一步的，所述电波动函数在驱动数据盒中的画像风险系数时，首先将画像风险系数作为电波动函数的自变量，计算得到电波动函数的因变量。
[0016]进一步的，所述用户的风险曲线用于表征用户的电力风险随着时间变化的趋势，该时间变化以24小时为一个周期，使得用户的风险曲线为一个循环曲线，根据该用户的风险曲线，可以计算在任意时间的用户电力风险。
[0017]本专利技术的非侵入式用户电力风险估值系统的有益效果如下所示：本专利技术在进行用户电力风险分析评估过程中，针对用户的不同特征进行不同方式的数据获取，以此构建包含了多个子画像的用户集群画像，每个子画像对应一个画像风险系数，创造性地使用地鼠冒泡风险分析方法，以此来进行电力风险评估，提升了风险评估的准确性，提升了用户体验。
附图说明
[0018]图1是本专利技术实施例提供的非侵入式用户电力风险估值系统的系统结构示意图。
具体实施方式
[0019]下面结合附图及本专利技术的实施例对本专利技术的方法作进一步详细的说明。
[0020]实施例1
[0021]如图1所示，非侵入式用户电力风险估值系统，所述系统包括：数据获取单元，配置用于获取基于用户特征，使用预设的用能数据获取模型，计算得到获取用户的用能数据的获取参数，基于获取参数，获取用户的用能数据；用户集群画像构建单元，配置用于基于用能数据，构建用户的集群画像；所述集群画像中包括多个并列的子画像，每个子画像至少对应一个画像分类，每个画像分类对应一个画像风险系数；用电波动函数构建单元，配置用于基于电力数据构建用电波动函数；地鼠冒泡风险分析单元，配置用于将画像风险系数置入一个数据盒中，在数据盒中开设多个数据出口，使用用电波动函数驱动数据盒中的画像风险系数，使得画像风险系数不断从数据出口中冒出，设定一个时间区间，统计时间区间内从数据出口中冒出的画像风险系数和其对应的冒出时间，将画像风险系数和其对应的冒出时间，代入预设的风险估值模型，计算得到风险值，基于所有的风险值，构建用户的风险曲线，完成用户电力风险估值。
[0022]具体的，在实践中，用户特征不同，采用不同的方式来获取数据将提升后续用户集群画像构建的准确性。比如，若用户为大型商业用户，其用户特征与个人用户或生活用电的用户的特征将大为不同，其用电习惯和用能数据都不同。将这两者区分开，使用不同的方式来获取数据，将提升准确率。理由如下：个人用户的用能数据的规律比较固定，这就使得数据的获取可以采用较低频率和较低时间区间进行获取。而大型商业用户的用能数据由于波动较大，就必须使用较高频率和较长时间区间进行获取。
[0023]将这些不同的用户根据用户特征区分开，不仅可以提升准确率，还可以提升效率。
[0024]用户集群画像本质上是一个表征用户的值，不同的值即为一个画像风险系数。
[0025]这个画像风险系数使用地鼠冒泡风险分析的方法来得到用户的电力风险曲线。地鼠冒泡风险分析算法使用打地鼠的算法模式，将每个画像风险系数使用一个电力波动函数去本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.非侵入式用户电力风险估值系统，其特征在于，所述系统包括：数据获取单元，配置用于获取基于用户特征，使用预设的用能数据获取模型，计算得到获取用户的用能数据的获取参数，基于获取参数，获取用户的用能数据；用户集群画像构建单元，配置用于基于用能数据，构建用户的集群画像；所述集群画像中包括多个并列的子画像，每个子画像至少对应一个画像分类，每个画像分类对应一个画像风险系数；用电波动函数构建单元，配置用于基于电力数据构建用电波动函数；地鼠冒泡风险分析单元，配置用于将画像风险系数置入一个数据盒中，在数据盒中开设多个数据出口，使用用电波动函数驱动数据盒中的画像风险系数，使得画像风险系数不断从数据出口中冒出，设定一个时间区间，统计时间区间内从数据出口中冒出的画像风险系数和其对应的冒出时间，将画像风险系数和其对应的冒出时间，代入预设的风险估值模型，计算得到风险值，基于所有的风险值，构建用户的风险曲线，完成用户电力风险估值。2.如权利要求1所述的系统，其特征在于，所述数据获取单元包括：用户特征获取子单元和获取子单元；所述用户特征获取子单元，配置用于按照设定的第一时间区间，以固定的采样率采样用户数据，同时对采样到的用户数据基于特征分类算法进行分类，根据分类得到的用户类别作为用户特征；获取子单元，配置用于基于用户特征，使用预设的用户数据获取模型，分别计算得到数据获取频率和数据获取时间长度，并按照计算得到的数据获取频率和数据获取时间长度获取用户数据。3.如权利要求2所述的系统，其特征在于，所述第一时间区间至少为2个小时；所述采样率至少为55Hz。4.如权利要求3所述的系统，其特征在于，所述特征分类算法使用如下公式进行表示：其中，category为计算得到的分类值，S
H
为用户数据构成的数据矩阵的共轭矩阵；T为第一时间区间；F为采样率；...

【专利技术属性】
技术研发人员：余飞，何佳捷，侯梓杰，
申请(专利权)人：深圳市明成售电有限公司，
类型：发明
国别省市：