[发明专利]基于电力大数据的企业经营状况评估方法

说明书

本发明公开了一种基于电力大数据的企业经营状况评估方法，首先对企业原始电力数据特征提取得到二级维度特征，再对二级维度特征提取得到一级维度特征，进一步将孤立森林异常检测算法和K均值聚类算法相结合，对企业经营状况进行评估。本发明通过对原始数据的分级提取，能够更好地从各方面表现企业经营状况；而且本发明能够在尽量少的主观因素和经验因素的影响下挖掘出电力大数据中的企业经营状况信息，以确保企业经营状况评估的准确性。

技术领域

本发明属于电力大数据应用技术领域，涉及基于电力大数据的企业经营状况评估技术。

背景技术

大数据技术将推动信息技术平台的升级与改造，补充对非结构化数据分析与利用的能力，增强对海量数据资源的价值挖掘能力。电力大数据是电力公司的新型资产，能够促进电力公司的业务管理向更精细、更高效的方向发展。电力大数据中蕴藏了丰富的与用电企业相关的信息。对电力大数据进行分析，可以挖掘出潜藏在电力大数据中的企业经营状况。

随着近来数据可用性，算力和新算法的快速发展，机器学习已逐渐成为实现人工智能(AI)的关键方法之一。机器学习是计算机科学更广泛领域中人工智能的一个子集。它用计算机和算法从“数据”中学习并发现“模式和洞察”，因为在许多情况下，“模式和洞察”就隐藏在“数据”之中。随着时代发展，从业务流程中积累的数据对人类来说理解起来可能非常复杂。然而算法却能够比人更快、更准确地从数据中发掘出“模式和洞察”。

国网甘肃省电力公司兰州供电公司提出了《综合电力用户缴费指标和行业公开指标的电力用户信用评价方法与系统》。该系统通过注册时间、履约率、偏差份额、平均功率因数、缴费比例、平均缴费天数、欠费百分比、预存百分比等指标，构建电力用户缴费信用评价。通过行业贡献率和行业公开征信等指标，构建电力用户行业信用。对上述指标进行归一化后使用K-means聚类方法分类，获得企业的信用评价等级。上述电力用户信用评价方法与系统存在的主要问题是：(1)由于电力数据更多的反映企业的生产经营状况，且公开征信数据中反映的企业信用有限，因此用这些数据评估企业的信用可信度不高；(2)由于需要人为划分聚类中心的数目，不仅会带有主观因素和经验因素影响，而且事先对企业信用程度并不了解，所以信用的等级并不可靠；(3)信用等级是离散变量，因此通过等级体现信用并不能反应同级别之间企业间的信用差别。

由此可见，目前基于电力大数据的利用大多在对电力企业本身的分析和对用电企业信用评估方法，难以客观、有效的反映企业的生产经营情况，进而难以为企业发展提供有效的数据支持。

发明内容

针对目前基于电力大数据对企业用户评价中存在的可靠性差、难以反映各个企业经营状况差异程度的技术现状，本发明目的旨在提供一种电力大数据的企业经营状况评估方法，基于孤立森林异常检测算法给出每个企业的得分，进一步依据得分对企业经营状况进行聚类分析，这样不仅能够更加客观的反映企业经营状况，而且能够反映各个企业间经营状况的差异。

本发明提供的基于电力大数据的企业经营状况评估方法，主要包括以下步骤：

S1数据预处理

依据企业的与用电相关的若干数据集，过滤掉缺少数据集的企业样本，同时对数据集中样本缺失值、零值进行处理。

S2分级特征提取

从预处理的数据集中提取若干用于表征企业用电信息的若干二级维度特征，然后依据二级维度特征，通过孤立森林异常检测算法得到用于表征企业用电信息异常程度的一级维度特征；该步骤包括以下分步骤：

S21依据二级维度特征计算逻辑，从预处理后的数据集中提取二级维度特征值，并对提取的二级维度特征值进行归一化处理；

S22依据归一化处理后的二级维度特征值，通过孤立森林异常检测算法得到相应的一级维度特征值；