[发明专利]基于大数据平台聚类算法的电费回收风险评估装置及方法

权利要求书

1.一种基于大数据平台聚类算法的电费回收风险评估装置，其特征在于包括用电单位特征数据导入模块、聚类数据挖掘模块和用电单位信用评价体系输出模块；用电单位特征数据导入模块提取用电单位的社会属性指标、价值属性指标和行为属性指标的海量数据并存储在大数据Hadoop平台中，聚类数据挖掘模块进行并行数据处理且将数据进行多次迭代分析计算，对比数据迭代分析前后的变化，根据数据变化差值与给定阈值进行对比分析来判断用电单位所属的信用等级，用电单位信用评价体系输出模块根据聚类数据挖掘模块对数据的划分确定并输出用电单位的信用等级。

2. 根据权利要求1所述的基于大数据平台聚类算法的电费回收风险评估装置，其特征在于所述的聚类数据挖掘模块包括分布数据处理单元、聚类中心处理单元和迭代流程控制单元；所述的用电单位特征数据导入模块的数据输出端与分布数据处理单元的数据输入端相连接，分布数据处理单元的数据输出端与聚类中心处理单元的数据输入端相连接，聚类中心处理单元的数据输出端与迭代流程控制单元的数据输入端电连接，迭代流程控制单元的数据输出端与所述的用电单位信用评价体系输出模块的数据输入端相连接。

3.根据权利要求2所述的基于大数据平台聚类算法的电费回收风险评估装置，其特征在于在分布数据处理单元中对采集的用电单位的社会属性指标、价值属性指标和行为属性指标的数据进行数据分布式处理，并将处理后的数据按照划分数据片的方式按行存储，数据片片间数据无相关性；所述的社会属性指标包括用电单位的归属，工业用户、商业用户、居民用户和政府机关用户；所述的价值属性指标包括购电水平、日周月用电特性、利润贡献率、购电量增长率、潜在购电量增长率；所述的行为属性指标包括累计电费回收率、电费回收准时度和合同履约率。

4.根据权利要求2所述的基于大数据平台聚类算法的电费回收风险评估装置，其特征在于分片数据在聚类中心处理单元中完成数据片由小到大的排序并根据排序顺序标记每个数据片所属的聚类类别，即用电单位所属信用评价体系中的信用等级。

5.根据权利要求3所述的基于大数据平台聚类算法的电费回收风险评估装置，其特征在于分片数据在聚类中心处理单元中完成数据片由小到大的排序并根据排序顺序标记每个数据片所属的聚类类别，即用电单位所属信用评价体系中的信用等级。

6.根据权利要求2所述的基于大数据平台聚类算法的电费回收风险评估装置，其特征在于排序的数据片在迭代流程控制单元中进一步对没有标记的数据片进行重新标记，并重新划分再次标记的数据片所属的聚类类别，准确定位用电单位所属的信用评价体系中的信用等级。

7.根据权利要求3所述的基于大数据平台聚类算法的电费回收风险评估方法，其特征在于排序的数据片在迭代流程控制单元中进一步对没有标记的数据片进行重新标记，并重新划分再次标记的数据片所属的聚类类别，准确定位用电单位所属的信用评价体系中的信用等级。

8.根据权利要求4所述的基于大数据平台聚类算法的电费回收风险评估方法，其特征在于排序的数据片在迭代流程控制单元中进一步对没有标记的数据片进行重新标记，并重新划分再次标记的数据片所属的聚类类别，准确定位用电单位所属的信用评价体系中的信用等级。

9.根据权利要求5所述的基于大数据平台聚类算法的电费回收风险评估方法，其特征在于排序的数据片在迭代流程控制单元中进一步对没有标记的数据片进行重新标记，并重新划分再次标记的数据片所属的聚类类别，准确定位用电单位所属的信用评价体系中的信用等级。

10.根据权利要求1至9任一项所述的使用基于大数据平台聚类算法的电费回收风险评估装置的方法，其特征在于包括以下步骤：

步骤一：获取用电单位的信用参数数据库，包括社会属性指标数据、价值属性指标数据和行为属性指标数据，之后进入步骤二；

步骤二：将信用参数作为建立用电单位信用评价体系的基础指标，信用等级由高到低依次划分为六级，分别为AAA级、AA级、A级、B级、C级、D级，之后进入步骤三；

步骤三：用电单位特征数据导入模块将采集的信用参数数据库导入到聚类数据挖掘模块中，聚类数据挖掘模块的分布数据处理单元将数据进行分布式处理，并将处理后的数据按照划分数据片的方式按行存储，形成数据片1、数据片2，数据片3，直到将所有数据记录分片至数据片n，且数据片片间数据无相关性，之后进入步骤四；进一步的将数据分成不同的数据片按行存储，可以加快数据的存储过程，数据片作为存取单元，可以将数据暂时存储在数据片中；

步骤四：在聚类数据挖掘模块的聚类中心处理单元中将每个数据片中的数据记录进行分析计算，将数据片对应数据值由小到大的排序，并根据此排序顺序标记每个数据片所属的聚类类别，不同的聚类类别标识分别表示为Map 1、Map 2直到将所有的聚类类别进行标记至Map n，之后进入步骤五；

步骤五：在聚类数据挖掘模块的迭代流程控制单元中对数据片再次进行迭代分析计算，根据迭代分析计算结果将没有准确分配聚类类别的数据片进行标记，可以得到新的所有的标记为类的点，分别用聚类类别Reduce1、Reduce2直至Reduce n计算表示，之后进入步骤六；

步骤六：将步骤四数据进行分析计算的不同聚类类别的距离值放到聚类中心描述文件中，将步骤五进行再次迭代分析计算出的每个数据片的聚类类别的距离值放到新的聚类中心描述文件中，计算聚类中心描述文件和新的聚类中心描述文件中相对应的距离变化差值，两者的距离变化差值与给定阈值进行对比分析，如果距离变化差值大于给定阈值，则进入步骤三；如果距离变化差值小于给定阈值，则可以根据社会属性指标、价值属性指标和行为属性指标的权重值确定各用电单位所属信用评价体系的六个等级中不同的信用等级，之后进入步骤七；

步骤七：用电单位信用评价体系输出模块将步骤六确定的各个单位的信用等级导出，电力企业根据导出的用户信用等级采取相应的风险规避措施。