[发明专利]一种基于数据挖掘识别用户窃电行为的方法

权利要求书

1.一种基于数据挖掘识别用户窃电行为的方法，其特征在于：包括以下步骤：

①数据收集：收集标准用户用电行为数据和用户的用电行为数据，用电行为数据包括用户的基本信息数据、区域用电量、区域电量损失指数、节假日区域用电变化指数、行业数据；

②数据分析处理：对用电行为数据进行分析处理，获取数据集；

③特征数据提取：根据业务和统计相关性对数据集进行挖掘，提取特征数据，获取特征数据集；

④构建窃电行为识别模型：利用特征数据集，构建用户的窃电行为识别模型；

⑤获取窃电预警度：对窃电行为识别模型进行训练，获取窃电预警度，根据不同等级的窃电行为预警度对用户采取不同的措施；

所述步骤②分为以下步骤：

(2.1)分析用电行为数据的完整性、合理性和准确性；用电行为数据不完整的，先分析其合理性和有效性；用电行为数据不合理的无效数据，进行删除，用电行为数据不合理的有效数据，进行插值补充；用电行为数据不准确的，进行修改；

(2.2)用电行为数据为异常值的，进行保留或删除；

(2.3)对行业数据进行数据的数值转换，使之能够进行后续的数值计算；

(2.4)将步骤(2.1)～(2.3)的数据进行整理，然后与标准用户用电行为数据进行比较，将不在标准用户用电行为数据范围内的数据筛选出来，形成数据集。

2.如权利要求1所述的基于数据挖掘识别用户窃电行为的方法，其特征在于：所述步骤①中，用电行为数据从电力营销系统、计量系统、用电采集系统、95598用户服务系统中进行收集。

3.如权利要求2所述的基于数据挖掘识别用户窃电行为的方法，其特征在于：所述基本信息数据包括动态数据和静态数据；所述动态数据包括抄表日期、每月电费、每月用电量、应收电费金额、窃电次数、窃电量；所述静态数据包括用户ID、类别、合同容量、开户日期、高耗能标识、行业分类、缴费方式；所述行业数据包括行业生产产量、产能变化指标。

4.如权利要求1所述的基于数据挖掘识别用户窃电行为的方法，其特征在于：所述步骤③分为以下步骤：

(3.1)对数据集进行变量构造，在原始变量的基础上，构建衍生变量；

(3.2)对数据集进行统计相关性分析，提取特征数据，对特征数据进行统计相关性分析，获取特征数据集。

5.如权利要求4所述的基于数据挖掘识别用户窃电行为的方法，其特征在于：所述特征数据包括用户的基本属性、用电规律、地区变化电量规律、用户行业用电规律、电力传输损耗规律、窃电用户用电变化规律。

6.如权利要求4所述的基于数据挖掘识别用户窃电行为的方法，其特征在于：所述步骤(3.1)中，采用求和、方差、同比、环比、比率对衍生变量进行构建。

7.如权利要求4所述的基于数据挖掘识别用户窃电行为的方法，其特征在于：所述步骤(3.2)分为以下步骤：

(3.2.1)根据统计相关性分析结果，将与用电行为数据相关系数大于0.75的特征数据进行保留，对保留下来的特征数据进行特征数据之间的统计相关性分析；

(3.2.2)根据统计相关性分析结果，将与用电行为数据相关度大于0.8的特征数据，选择保留和删除。

8.如权利要求1所述的基于数据挖掘识别用户窃电行为的方法，其特征在于：所述步骤④中，利用特征数据集和衍生变量，构建窃电行为识别模型。

9.如权利要求1所述的基于数据挖掘识别用户窃电行为的方法，其特征在于：所述步骤⑤分为以下步骤：

(5.1)利用深度神经网络对窃电行为识别模型中的特征数据进行训练；

(5.2)反复调整模窃电行为识别模型的输入输出；

(5.3)利用新的测试用户数据对训练后的窃电行为识别模型进行模型测试，根据输出结果和训练精度，不断进行特征数据的选取和窃电行为识别模型的训练，得到最优输出结果；

(5.4)根据输出结果，获取不同等级的窃电预警度，将不同等级的窃电预警度分为低窃电、一般窃电、高窃电、严重窃电。