用户电费自动化销账的分析处理装置、方法和存储介质制造方法及图纸

本发明专利技术公开了一种用户电费自动化销账的分析处理装置、方法和存储介质，方法包括步骤1，系统获取第一用户电费数据，第一用户电费数据包括用户电量、电费单价和获取用户电费数据时间；步骤2，将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常；步骤3，发生异常的第一用户电费数据调整为第二用户电费数据，将第一用户电费数据、第二用户电费数据输入判断模型，判断第二用户电费数据的合理程度；步骤4，计算第一用户电费数据和第三用户电费数据的用户应扣电费，并将用户应扣电费进行销账。本发明专利技术可以快速找出异常数据，对于正常的电费数据进行销账，提高了用户电费自动化销账的效率。自动化销账的效率。自动化销账的效率。

【技术实现步骤摘要】
用户电费自动化销账的分析处理装置、方法和存储介质


[0001]本专利技术涉及电力系统电费管理
，尤其是指用户电费自动化销账的分析处理装置、方法和存储介质。

技术介绍

[0002]目前，随着各个地区的经济发展，其配套的电网建设也随之跟进，现有的用户电费自动化销账过程一般为收到电费账单后，根据电费账单的电费对指定对应的缴费账户扣款，扣款结果文件与电费账单信息核准无误后，记录电费资金的到账时间信息，进行电费销账。但是这次自动化销账的过程默认电费账单为正确无误的，对于异常的电费账单没有辨别能力，如果对于异常的电费账单进行销账，就可能会造成电力公司或者用户的损失，影响了用户的使用体验，同时对错误的销账过程还需要通过人工进行检查更正，费时费力。

技术实现思路

[0003]本专利技术的目的是克服现有技术中的用户电费自动化销账过程中无法对电费账单是否正确进行辨别，对于异常的电费账单进行销账，就可能会造成电力公司或者用户的损失，影响了用户的使用体验的缺点，提供一种用户电费自动化销账的分析处理装置、方法和存储介质，通过该用户电费自动化销账的分析处理装置、方法和存储介质可以对于快速准确的辨别异常电费账单，防止异常电费账单销账影响用户使用体验。
[0004]本专利技术的目的是通过下述技术方案予以实现：用户电费自动化销账的分析处理方法，包括以下步骤：步骤1，系统获取第一用户电费数据，第一用户电费数据包括用户电量、电费单价和获取用户电费数据时间；步骤2，将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常，如果发生异常，则跳转至步骤3，如果未发生异常，则跳转至步骤4；步骤3，发生异常的第一用户电费数据调整为第二用户电费数据，将第一用户电费数据、第二用户电费数据输入判断模型，判断第二用户电费数据的合理程度，若第二用户电费数据的合理程度超过设定的第一阈值，则将第二用户电费数据调整为第三用户电费数据；步骤4，计算第一用户电费数据和第三用户电费数据的用户应扣电费，并将用户应扣电费进行销账，将第二用户电费数据生成异常报告提醒相关操作人员。
[0005]作为优选，所述的异常检测模型为时间序列分析模型，所述的步骤2中将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常具体为：将第一用户电费数据输入时间序列分析模型，时间序列分析模型获取该第一用户电费数据对应的用户的历史数据，并通过用户的历史数据判断该用户电量的变化周期和变化趋势对未来用户电量进行预测，将第一用户电费数据的用户电量与时间匹配的未来用户电量进行比较，若超过设定的第二阈值，则判断第一用户电费数据发生异常；
或所述的异常检测模型为离群点检测模型，所述的步骤2中将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常具体为：将第一用户电费数据输入离群点检测模型，离群点检测模型获取该第一用户电费数据对应的用户的历史数据，计算历史数据的用户平均电量，然后离群点检测模型根据用户平均电量设定用户电量上容忍值和用户电量下容忍值，若第一用户电费数据的用户电量超过用户电量上容忍值或不超过用户电量下容忍值，则判断第一用户电费数据发生异常。
[0006]作为优选，所述的步骤3中，所述的判断第二用户电费数据的合理程度具体为：若异常检测模型为时间序列分析模型，则判断模型为离群点检测模型，计算第二用户电费数据的用户电量在时间序列分析模型结果中与正常用户电量范围的偏离度，然后计算第二用户电费数据的用户电量在离群点检测模型中与正常用户电量范围的偏离度，则第二用户电费数据的合理程度为：R＝α
·
E
Tsam
+β
·
E
Odm
其中R为电费数据的合理程度，E
Tsam
为时间序列分析模型结果中与正常用户电量范围的偏离度，E
Odm
为离群点检测模型中与正常用户电量范围的偏离度，α为时间序列分析模型重要性的修正系数，β为离群点检测模型重要性的修正系数。
[0007]作为优选，所述的步骤3中，所述的判断第二用户电费数据的合理程度具体为：若异常检测模型为离群点检测模型，则判断模型为时间序列分析模型，计算第二用户电费数据的用户电量在离群点检测模型结果中与正常用户电量范围的偏离度，然后计算第二用户电费数据的用户电量在时间序列分析模型中与正常用户电量范围的偏离度，则第二用户电费数据的合理程度为：R＝α
·
E
Odm
+β
·
E
Tsam
其中R为电费数据的合理程度，E
Tsam
为时间序列分析模型结果中与正常用户电量范围的偏离度，E
Odm
为离群点检测模型中与正常用户电量范围的偏离度，α为离群点检测模型重要性的修正系数，β为时间序列分析模型重要性的修正系数。
[0008]作为优选，所述的时间序列分析模型重要性的修正系数和离群点检测模型重要性的修正系数通过训练模型进行动态更新，具体为：获取时间序列分析模型的分析结果，包括分析结果正确的第一正常用户电费数据和第一异常用户电费数据，分析结果错误的第二正常用户电费数据和第二异常用户电费数据；获取离群点检测模型的分析结果，包括分析结果正确的第一正常用户电费数据和第一异常用户电费数据，分析结果错误的第二正常用户电费数据和第二异常用户电费数据；若在时间序列分析模型中的分析结果错误的第二正常用户电费数据是在离群点检测模型中分析结果正确的第一异常用户电费数据，则时间序列分析模型重要性的修正系数降低M1，若在时间序列分析模型中的分析结果错误的第二异常用户电费数据是在离群点检测模型中分析结果正确的第一正常用户电费数据，则时间序列分析模型重要性的修正系数降低N1，M1、N1均为比例系数且M1大于N1；若在离群点检测模型的分析结果错误的第二正常用户电费数据是在时间序列分析模型中分析结果正确的第一异常用户电费数据，则离群点检测模型重要性的修正系数降
低M2，若在离群点检测模型中的分析结果错误的第二异常用户电费数据是在时间序列分析模型中分析结果正确的第一正常用户电费数据，则离群点检测模型重要性的修正系数降低N2，M2、N2均为比例系数且M2大于N2。
[0009]作为优选，用户电费自动化销账的分析处理方法还对正常用户电量范围通过历史数据进行更新，具体为：在时间序列分析模型中，对历史数据以获取用户电费数据时间为横坐标，用户电量值为纵坐标构建拟合曲线，设定合理范围为S*(1
±
r)，S为拟合曲线的值，r为修正的百分比系数，对于某一个超过合理范围的用户电量值，获取该用户电量值对应的拟合曲线的值，计算该拟合曲线在该时间点的切线斜率，若该拟合曲线在该时间点的切线斜率的绝对值不超过所有其他剩余时间点的切线斜率绝对值中的最大值的120％，则保留该用户电量值，r值增加，若该拟合曲线在该时间点的切线斜率的绝对值超过所有其他剩余时间点的切线斜率绝对值中的最大值的120％，则删除该用户电量值，重新构建拟合曲线，r值不变。
[0010]作为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用户电费自动化销账的分析处理方法，其特征是，包括以下步骤：步骤1，系统获取第一用户电费数据，第一用户电费数据包括用户电量、电费单价和获取用户电费数据时间；步骤2，将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常，如果发生异常，则跳转至步骤3，如果未发生异常，则跳转至步骤4；步骤3，发生异常的第一用户电费数据调整为第二用户电费数据，将第一用户电费数据、第二用户电费数据输入判断模型，判断第二用户电费数据的合理程度，若第二用户电费数据的合理程度超过设定的第一阈值，则将第二用户电费数据调整为第三用户电费数据；步骤4，计算第一用户电费数据和第三用户电费数据的用户应扣电费，并将用户应扣电费进行销账，将第二用户电费数据生成异常报告提醒相关操作人员。2.根据权利要求1所述的用户电费自动化销账的分析处理方法，其特征是，所述的异常检测模型为时间序列分析模型，所述的步骤2中将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常具体为：将第一用户电费数据输入时间序列分析模型，时间序列分析模型获取该第一用户电费数据对应的用户的历史数据，并通过用户的历史数据判断该用户电量的变化周期和变化趋势对未来用户电量进行预测，将第一用户电费数据的用户电量与时间匹配的未来用户电量进行比较，若超过设定的第二阈值，则判断第一用户电费数据发生异常；或所述的异常检测模型为离群点检测模型，所述的步骤2中将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常具体为：将第一用户电费数据输入离群点检测模型，离群点检测模型获取该第一用户电费数据对应的用户的历史数据，计算历史数据的用户平均电量，然后离群点检测模型根据用户平均电量设定用户电量上容忍值和用户电量下容忍值，若第一用户电费数据的用户电量超过用户电量上容忍值或不超过用户电量下容忍值，则判断第一用户电费数据发生异常。3.根据权利要求2所述的用户电费自动化销账的分析处理方法，其特征是，所述的步骤3中，所述的判断第二用户电费数据的合理程度具体为：若异常检测模型为时间序列分析模型，则判断模型为离群点检测模型，计算第二用户电费数据的用户电量在时间序列分析模型结果中与正常用户电量范围的偏离度，然后计算第二用户电费数据的用户电量在离群点检测模型中与正常用户电量范围的偏离度，则第二用户电费数据的合理程度为：R＝α
·
E
Tsam
+β
·
E
Odm
其中R为电费数据的合理程度，E
Tsam
为时间序列分析模型结果中与正常用户电量范围的偏离度，E
Odm
为离群点检测模型中与正常用户电量范围的偏离度，α为时间序列分析模型重要性的修正系数，β为离群点检测模型重要性的修正系数。4.根据权利要求2所述的用户电费自动化销账的分析处理方法，其特征是，所述的步骤3中，所述的判断第二用户电费数据的合理程度具体为：若异常检测模型为离群点检测模型，则判断模型为时间序列分析模型，计算第二用户电费数据的用户电量在离群点检测模型结果中与正常用户电量范围的偏离度，然后计算第二用户电费数据的用户电量在时间序列分析模型中与正常用户电量范围的偏离度，则第二用户电费数据的合理程度为：
R＝α
·
E
Odm
+β
·
E
Tsam
其中R为电费数据的合理程度，E
Tsam
为时间序列分析模型结果中与正常用户电量范围的偏离度，E

【专利技术属性】
技术研发人员：刘洪波，赵梁，郭雁，王哲萍，徐杰，杨丽，周漪莲，李乘风，顾琼予，
申请(专利权)人：国网浙江省电力有限公司营销服务中心，
类型：发明
国别省市：