一种电力企业电费回收数据模拟方法技术

本发明专利技术提供一种电力企业电费回收数据模拟方法，能够生成与所述真实数据特征一致的模拟数据。所述方法包括：确定基于深度卷积的对抗生成网络，所述对抗生成网络包括：生成器和判别器；将获取的真实数据输入判别器，判别器学习真实数据的特征以训练其判别真实数据和模拟数据的能力，通过生成器生成模拟数据，将生成的模拟数据输入到判别器判别真假，并根据判别结果计算生成器的损失函数值和判别器的损失函数值，直至生成器的损失函数值和判别器的损失函数值达到预设值，或训练次数达到预设的最大训练次数，结束训练；利用训练后的生成器生成与所述真实数据特征一致的模拟数据。本发明专利技术涉及电力系统技术领域。

Data simulation method for power tariff recovery in electric power enterprise

The invention provides a data simulation method for power tariff recovery in an electric power enterprise, which can generate analog data consistent with the characteristics of the real data. The method includes: determining the depth of convolution against the generation of network based on the generated network including: generator and counter discriminator discriminator; the real data input, discriminant learning characteristics of real data to train its discrimination of real and simulated data to generate simulated data, the generator will generate. Analog data input to the classifier discriminant true and false, and calculate the value of the loss function generator and arbiter loss function value according to the results, the loss function until the generator value and arbiter loss function value reaches the preset value, the number of training or reach the maximum number of training, after training; using the simulation data consistent generator after training with the characteristics of real data. The invention relates to the technical field of power systems.

【技术实现步骤摘要】
一种电力企业电费回收数据模拟方法
本专利技术涉及电力系统
，特别是指一种电力企业电费回收数据模拟方法。
技术介绍
电力企业(例如，供电公司)电费回收管理工作是保证电力企业电费正常回收、实现企业可持续发展的一项重要任务。随着电力客户用电量快速增加和外部坏境的不断变化，电力企业面临的电费回收风险和不确定性也在逐年加大。现有技术中，由于欠费数据不准确以及欠费数据稀缺，难以准确进行欠费预测。
技术实现思路
本专利技术要解决的技术问题是提供一种电力企业电费回收数据模拟方法，以解决现有技术所存在的欠费数据不准确以及欠费数据稀缺，难以准确进行欠费预测的问题。为解决上述技术问题，本专利技术实施例提供一种电力企业电费回收数据模拟方法，包括：获取已有的电力用户欠费数据作为真实数据；确定基于深度卷积的对抗生成网络，所述对抗生成网络包括：生成器和判别器；其中，所述判别器是一种卷积神经网络，所述生成器是一种反卷积神经网络；将获取的所述真实数据输入判别器，判别器学习所述真实数据的特征以训练其判别真实数据和模拟数据的能力，通过生成器生成模拟数据，将生成的模拟数据输入到判别器判别真假，并根据判别结果计算生成器的损本文档来自技高网...

【技术保护点】
一种电力企业电费回收数据模拟方法，其特征在于，包括：获取已有的电力用户欠费数据作为真实数据；确定基于深度卷积的对抗生成网络，所述对抗生成网络包括：生成器和判别器；其中，所述判别器是一种卷积神经网络，所述生成器是一种反卷积神经网络；将获取的所述真实数据输入判别器，判别器学习所述真实数据的特征以训练其判别真实数据和模拟数据的能力，通过生成器生成模拟数据，将生成的模拟数据输入到判别器判别真假，并根据判别结果计算生成器的损失函数值和判别器的损失函数值，直至生成器的损失函数值和判别器的损失函数值达到预设值，或训练次数达到预设的最大训练次数，结束训练；利用训练后的生成器生成与所述真实数据特征一致的模拟数据...

【技术特征摘要】
1.一种电力企业电费回收数据模拟方法，其特征在于，包括：获取已有的电力用户欠费数据作为真实数据；确定基于深度卷积的对抗生成网络，所述对抗生成网络包括：生成器和判别器；其中，所述判别器是一种卷积神经网络，所述生成器是一种反卷积神经网络；将获取的所述真实数据输入判别器，判别器学习所述真实数据的特征以训练其判别真实数据和模拟数据的能力，通过生成器生成模拟数据，将生成的模拟数据输入到判别器判别真假，并根据判别结果计算生成器的损失函数值和判别器的损失函数值，直至生成器的损失函数值和判别器的损失函数值达到预设值，或训练次数达到预设的最大训练次数，结束训练；利用训练后的生成器生成与所述真实数据特征一致的模拟数据。2.根据权利要求1所述的电力企业电费回收数据模拟方法，其特征在于，所述获取已有的电力用户欠费数据作为真实数据包括：确定欠费度量指标体系；根据确定的欠费度量指标体系，从预设的数据系统中抽取相应的电力用户欠费数据作为真实数据。3.根据权利要求2所述的电力企业电费回收数据模拟方法，其特征在于，所述欠费度量指标体系包括：非目标指标和目标指标；所述非目标指标包括：供电单位、行业类别、用电类别、电压等级、负荷重要等级、运行容量、停电标识、是否三方协议、1月用电量、2月用电量、3月用电量、4月用电量、5月用电量、6月用电量、7月用电量、8月用电量、9月用电量、10月用电量、11月用电量、12月用电量、1月欠费金额、2月欠费金额、3月欠费金额、4月欠费金额、5月欠费金额、6月欠费金额、7月欠费金额、8月欠费金额、9月欠费金额、10月欠费金额、11月欠费金额、12月欠费金额；所述目标指标包括：欠费月个数。4.根据权利要求2所述的电力企业电费回收数据模拟方法，其特征在于，所述根据确定的欠费度量指标体系，从预设的数据系统中抽取相应的电力用户欠费数据作为真实数据包括：根据确定的欠费度量指标体系中的指标，从预设的数据系统中抽取相应的电力用户欠费数据，得到每个指标对应的指标值；判断每个指标值是否有错误，若某个指标值有错误，则删除有错误的指标值；判断每个指标值是否空缺，若某个指标值空缺，则以当前指标对应的所有指标值的平均数补足。5.根据权利要求1所述的电力企业电费回收数据模拟方法，其特征在于，在通过生成器生成模拟数据，将生成的模拟数据和所述真实数据输入所述判别器来训练所述判别器之前，所述方法还包括：对所述真实数据进行预处理；所述对所述真实数据进行预处理包括：将所述真实数据中的NA值替换成0；将所述真实数据的数据类型转换为num/int类型；剔除所述真实数据中的inf值；对所述真实数据进行归一化处理。6.根据权利要求1所述的电力企业电费回收数据模拟方法，其特征在于，所述确定基于深度卷积的对抗生成网络包括：确定生成器和判别器的网络结构，所述网络结构包括：输入层、卷积层和输出层；确定生成器和判别器的卷积层卷集核大小、卷积核的滑动步长；确定生成器和判别器的损失函数。7.根据权...

【专利技术属性】
技术研发人员：付薇薇，张德政，谢永红，黄彪，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京,11