[发明专利]基于信赖域算法的用户窃电概率预测方法、装置及设备

说明书

技术领域

本发明实施例涉及概率预测方法，尤其涉及基于信赖域算法的用户窃电概率预测方法、装置及设备。

背景技术

用户用电异常是困扰电力正常供应和供电企业健康发展的一个突出问题，许多引发电量异常的外部行为尤其是窃电行为给国家财产和企业收入带来了极大的负面影响，扰乱了正常的供用电秩序。以广东为例，2014年，广东全省共查处窃电案件3964起，累计损失达5223.12万元。

由于供电线路的经常性调荷、用户办理用电变更业务、负控终端未安装等多种因素的客观存在，传统的用户窃电分析存在人工干预较多，分析周期长、及时性较差、误差较高等问题。随着电网信息化建设的推进，电网在经营管理过程中产生了海量数据，包括用户的实时用电量数据、用户用电的其他信息等，这些数据蕴藏着许多与用户用电等领域密切相关的规律和特征，利用技术手段对这些数据进行分析挖掘可以辅助企业把握用电户的分析电力消耗曲线、用户用能习惯、用户能量消耗结构等用电特征，进而对用电户的窃电概率进行预测，辅助制订用电检查计划。从而提升企业的管理精益化水平，推进企业管理方式由粗放型向集约型、精细化转变。然而，用户用电特征数据涉及数据较多、数据类型多、体量大、增量快，在数据挖掘过程对于算法的效率具有较高的要求。

发明内容

本发明实施例提供一种基于信赖域算法的用户窃电概率预测方法、装置及设备，以提高用户窃电概率预测的效率及准确度。

一方面，本发明实施例提供了一种基于信赖域算法的用户窃电概率预测方法，包括：

S101、获取历史用户的特征因子以及历史用户的窃电信息；

S102、依据逻辑斯蒂回归模型和所述历史用户的特征因子，构建窃电概率预测函数，其中所述窃电概率预测函数包括待确定的系数向量；

S103、依据所述历史用户的特征因子以及所述历史用户的窃电信息，对所述预测拟合函数进行转化得到代价函数；

S104、基于信赖域算法求解所述代价函数得到所述系数向量的取值；

S105、依据所述系数向量的取值，得到窃电概率预测函数；

S106、依据当前用户的特征因子和所述窃电概率预测函数，确定当前用户的窃电概率。

另一方面，本发明实施例还提供了一种基于信赖域算法的用户窃电概率预测装置，包括：

样本获取模块，用于获取历史用户的特征因子以及历史用户的窃电信息；

窃电预测函数构建模块，用于依据逻辑斯蒂回归模型和所述历史用户的特征因子，构建窃电概率预测函数，其中所述窃电概率预测函数包括待确定的系数向量；

窃电预测函数转化模块，用于依据所述历史用户的特征因子以及所述历史用户的窃电信息，对所述预测拟合函数进行转化得到代价函数；

信赖域求解模块，用于基于信赖域算法求解所述代价函数得到所述系数向量的取值；

窃电预测函数输出模块，用于依据所述系数向量的取值，得到窃电概率预测函数；

窃电概率预测模块，用于依据当前用户的特征因子和所述窃电概率预测函数，确定当前用户的窃电概率。

另一方面，本发明实施例还提供了一种设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例所述的方法。

本发明实施例提供的技术方案，基于逻辑斯蒂回归模型和历史用户的特征因子构建包含待确定的系数向量的窃电概率预测函数，利用信赖域的方法来对逻辑回归分析过程中抽象而出的代价函数进行数值求解，改良传统梯度下降法带来的收敛速度慢等问题，而对于信赖域子问题，我们使用双割线折线法进行求解，提高了窃电概率预测函数的生成效率和准确度，从而提高了用户窃电概率预测的效率及准确度。

附图说明

图1为本发明实施例中提供的一种基于信赖域算法的用户窃电概率预测方法的流程图；

图2为本发明实施例中提供的一种基于信赖域算法的用户窃电概率预测装置的结构图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。