[发明专利]基于随机森林的电费分析方法、装置、设备及介质

说明书

本发明公开了一种基于随机森林的电费分析方法、装置、设备及介质，方法包括：采用混淆矩阵评估随机森林模型，获取电费差错分析模型，其中，所述随机森林模型根据电力客户用电数据确定；根据预处理待分析电力客户用电数据获取归一化数据，将所述归一化数据输入所述电费差错分析模型进行电费差错分析，获取电费分析结果。本发明基于电力客户用电数据构建及训练随机森林模型，并采用混淆矩阵进行评估确定电费差错分析模型，进而获取电费分析结果，提高获取电费差错分析结果的效率及准确度。

技术领域

本发明涉及电力数据差错分析技术领域，尤其涉及一种基于随机森林的电费分析方法、装置、设备及介质。

背景技术

目前电网公司传统电费差错分析方法主要是根据人工经验制定规则，通过规则对电费数据进行电费差错数据的筛查，亦有采用人工智能方法，如人工神经网络、支持向量机等算法进行电费差错分析。然而，依据人工经验制定规则，具有较高的主观因素和不确定性，无法利用已有的电费大数据资源、结合数据特点进行电费差错分析，采用人工智能算法，如人工神经网络算法等在进行电费差错分析时，易陷入局部最小点，难以达到最优结果，在训练神经网络时容易出现过拟合现象，即对训练集过度学习，在测试以及实际使用时效果落差较大，而且，电费数据是极度不平衡样本，即正常样本量和异常样本量差距悬殊，而大部分人工智能算法对此类不平衡样本学习效果较差。

发明内容

本发明目的在于，提供一种基于随机森林的电费分析方法、装置、设备及介质，以解决目前的电费差错分析结果精确度不高的问题。

为实现上述目的，本发明提供一种基于随机森林的电费分析方法，包括：

采用混淆矩阵评估随机森林模型，获取电费差错分析模型，其中，所述随机森林模型根据电力客户用电数据确定；

根据预处理待分析电力客户用电数据获取归一化数据，将所述归一化数据输入所述电费差错分析模型进行电费差错分析，获取电费分析结果。

优选地，所述根据预处理待分析电力客户用电数据获取归一化数据，具体为：

对所述电力客户用电数据进行预处理，包括对数据特征维度的降维、数据缺失值的填补以及数据归一化处理。

优选地，所述采用混淆矩阵评估随机森林模型，获取电费差错分析模型，具体为：

所述电力客户用电数据分为训练样本和测试样本，其中，采用自助采样法确定训练样本的多个特征子集分别构建决策树模型，根据多个所述决策树模型构建所述随机森林模型，根据预设的条件，采用所述测试样本以及所述混淆矩阵评估所述随机森林模型，获取电费差错分析模型。

优选地，所述将所述归一化数据输入所述电费差错分析模型进行电费差错分析，包括：

根据所述电费差错分析模型，计算所述归一化数据的查准率和召回率确定评估指标，若所述评估指标达到预设的阈值，则确定电力客户用电数据为正常，否则，确定电力客户用电数据为不正常。

本发明还提供一种基于随机森林的电费分析装置，包括：

建模模块，用于采用混淆矩阵评估随机森林模型，获取电费差错分析模型，其中，所述随机森林模型根据电力客户用电数据确定；

分析模块，用于根据预处理待分析电力客户用电数据获取归一化数据，将所述归一化数据输入所述电费差错分析模型进行电费差错分析，获取电费分析结果。

优选地，所述建模模块，还用于：

对所述电力客户用电数据进行预处理，包括对数据特征维度的降维、数据缺失值的填补以及数据归一化处理。

优选地，所述建模模块，还用于：