[发明专利]一种基于客户用电行为的窃电概率预警分析方法

说明书

本发明涉及一种基于客户用电行为的窃电概率预警分析方法，首先采用逻辑回归分析算法建立客户用电行为异常分类模型，然后采用聚类分析算法建立客户用电行为异常判别模型。本发明充分应用逻辑回归分析技术和K‑Means聚类分析技术对用户用电行为数据进行计算，实现对现场窃电行为的在线诊断，提高窃电排查工作效率，降低工作成本；搭建客户窃电概率大数据分析模型，对全部用电客户进行多维度分析，精准识别疑似窃电用户，建立系统化、常态化反窃电分析、预警、排查和处理闭环业务流程，提升反窃电工作成效；基于窃电方式细化分析结果，推动计量装置设计缺陷改进和防窃电功能升级。

技术领域

本发明涉及大数据领域，具体地说是一种基于客户用电行为的窃电概率预警分析方法。

背景技术

为了快速、精准定位“违约用电、窃电”嫌疑用户，基于用电信息采集系统和营销业务应用系统积累的大量客户用电信息，综合考虑各种窃电因素，建立客户窃电概率分析模型，通过大数据技术分析手段，实现对现场窃电行为的在线诊断及窃电行为分析的全过程管理，灵活开展防窃电业务，挽回电网经济损失。客户用电行为信息可分为静态信息数据和动态信息数据两大类，静态信息数据主要是客户基本信息，如户名、客户区域、行业分类、用电容量、用电地址、欠费信息、违约记录等；动态信息数据主要包括采集类信息和计量统计类信息，采集类信息主要包括表码、电压、电流、相位角等；计量统计类信息主要包括线损、电能量、各行业类别平均用电情况等。窃电形式尽管多种多样，但大致可分为2种方式：改变电能表硬件的窃电方式和不改变电能表硬件的高科技窃电手段。前者多会产生异常的采集数据，可基于各类指标数据来进行特征匹配；后者一般采取数据正常，只能通过数据趋势来对异常进行区分。

发明内容

针对现有技术的不足，本发明提供一种基于客户用电行为的窃电概率预警分析方法，解决了现有方法需要人工筛选以及多次到现场作业导致的工作繁琐进度较慢和结果准确性、可靠性不高的问题。

本发明为实现上述目的所采用的技术方案是：

一种基于客户用电行为的窃电概率预警分析方法，首先采用逻辑回归分析算法建立客户用电行为异常分类模型，然后采用聚类分析算法建立客户用电行为异常判别模型。

所述采用逻辑回归分析算法建立客户用电行为异常分类模型包括：

步骤1：获取典型窃电案例数据以及同等比例正常用电行为数据；

步骤2：通过数据库对典型窃电案例数据以及同等比例正常用电行为数据进行预处理；

步骤3：描述性统计出客户异常程度的多维度特征；

步骤4：将是否窃电作为因变量，利用spss进行逻辑回归分析，并设置50％作为预测结果阈值，设置向前步进似然比检验方法，选择出最优自变量，同时输出各变量回归系数值β_i；

步骤5：根据模型训练结果带入预测函数。

所述典型窃电案例数据的获取包括获取营销业务应用系统中客户违约用电窃电相关数据信息，包括窃电案件信息、违约用电窃电信息、现场调查取证信息、检查结果信息。

所述同等比例正常用电行为数据的获取包括获取营销业务应用中同等比例正常用电行为数据。

所述客户异常程度的多维度特征包括：是否发生电流三相不平衡，是否发生电能表停走、电量波动异常，是否发生异常开盖记录。

所述对典型窃电案例数据以及同等比例正常用电行为数据进行预处理包括多表数据合并，删除无效值，填充空值，然后对是否窃电进行标注，窃电标注为1，否则为0。

所述采用聚类分析算法建立客户用电行为异常判别模型包括：

步骤a：获取营销业务应用系统中客户历史用电行为数据以及用户静态数据；