[发明专利]基于电力数据和多元数据建立低压居民特征画像的方法和系统

权利要求书

1.基于电力数据和多元数据建立低压居民特征画像的方法，其特征在于：

所述方法包括以下步骤：

步骤1：获取低压居民的电力相关数据；

步骤2：对步骤1的电力相关数据进行数据清洗；

步骤3：对步骤2得到的数据进行补全；

步骤4：建立用户用电长期、短期、准实时特征画像模型；

步骤5：利用步骤3得到的数据，根据特征画像模型，计算低压居民的长期、短期、准实时特征画像；

步骤6：对步骤5的模型计算结果进行验证；

步骤7：根据步骤6的验证结果进行特征画像模型优化，返回步骤5，直到模型计算结果表征情况和实际情况相比满足要求；

步骤8：使用步骤7的优化后的特征画像模型对低压居民进行特征画像计算。

2.根据权利要求1所述的基于电力数据和多元数据建立低压居民特征画像的方法，其特征在于：

步骤1中，按区域选取低压居民的电力相关数据，包括用电数据、用户档案数据、节假日、温度、天气状况数据；

所述用电数据包括准实时用电数据和离线用电数据；

所述准实时用电数据指的是分钟级别更新的用电数据，所述离线用电数据指的是天级用电数据。

3.根据权利要求2所述的基于电力数据和多元数据建立低压居民特征画像的方法，其特征在于：

步骤2中，对步骤1的准实时用电数据使用条件判断检测负值和空值；

对步骤1的离线用电数据使用四分位检测和条件判断检测异常值、负值和空值。

4.根据权利要求2所述的基于电力数据和多元数据建立低压居民特征画像的方法，其特征在于：

步骤3中，准实时用电数据使用相邻数据求平均算法进行补全；

离线用电数据使用同时满足同用户、同天气状况、同温度、同节假日情况的历史数值和相邻用电量加权平均的算法进行补全。

5.根据权利要求1所述的基于电力数据和多元数据建立低压居民特征画像的方法，其特征在于：

步骤4中，长期画像模型包括稳定画像特征：用户的年龄、性别、住址、四季用电习惯特征；

短期画像模型包括天级画像特征：近期早上开始用电时间、晚上结束用电时间特征；

准实时特征画像模型包括分钟级更新的画像特征：分钟级用电情况、瞬时最大电流特征、判断是否有人在家特征。

6.根据权利要求1所述的基于电力数据和多元数据建立低压居民特征画像的方法，其特征在于：

步骤5中，从天气状况维度、温度维度、节假日维度分别计算低压居民的长期、短期、准实时特征画像。

7.根据权利要求1所述的基于电力数据和多元数据建立低压居民特征画像的方法，其特征在于：

步骤5中，将计算出来的结果存储于用户数据库中并将长期、短期、准实时各类特征按照不同的时间维度进行定时更新。

8.根据权利要求1所述的基于电力数据和多元数据建立低压居民特征画像的方法，其特征在于：

步骤6和步骤7中，采用实地验证、样本间互相验证方式验证对模型计算特征准确性。

9.根据权利要求1或8所述的基于电力数据和多元数据建立低压居民特征画像的方法，其特征在于：

步骤6和步骤7中，具体为：

对特征数据进行平滑计算，对特征值偏离大于阈值的特征使用威尔逊平滑方法对齐进行平滑计算；或，

进行特征分布统计，对分布不足以区分个用户的特征进行重新评判和计算；或，

设定误差函数，与实际情况进行对比计算，若实际情况与画像计算结果表征情况有所不符，则根据误差调整模型计算方法；

返回步骤5，直到模型计算结果表征情况和实际情况相比满足要求。

10.基于电力数据和多元数据建立低压居民特征画像的系统，其特征在于：

所述系统包括：

初始数据获取模块，用于获取低压居民的电力相关数据并进行数据预处理，包括数据清洗和补全；

特征画像模型构建模块，用于建立用户用电长期、短期、准实时特征画像模型；

长期、短期、准实时特征计算模块，用于利用初始数据获取模块得到的数据，根据特征画像模型，计算低压居民的长期、短期、准实时特征画像；

验证模块，用于对模型计算结果进行验证并进行特征画像模型优化，返回长期、短期、准实时特征计算模块，直到模型计算结果表征情况和实际情况相比满足要求；

特征画像计算模块，用于使用优化后的特征画像模型对低压居民进行特征画像计算。