基于风控评分卡模型的用电客户窃电风险评估方法技术

本发明专利技术提供基于风控评分卡模型的用电客户窃电风险评估方法，包括以下步骤：步骤一：数据清洗；步骤二：特征构造；步骤三：特征分箱和编码；步骤四：特征分析；步骤五：模型构造与评价。能够在大数据平台上运用数据挖掘方法，挖掘与窃电相关的数据特征，借助金融领域的风控模型对用电客户的窃电风险进行评估。

Risk assessment method of electricity stealing for customers based on risk control score card model

【技术实现步骤摘要】
基于风控评分卡模型的用电客户窃电风险评估方法
本专利技术属于智能电网智能营销领域，具体涉及在智能配电网下基于风控评分卡模型的用电客户窃电风险评估方法。
技术介绍
电力是国民经济稳定发展的基础，售电收入是供售电企业的基础。但是由于各种原因，目前仍广泛存在各类窃电行为，造成了供售电企业的重大损失。窃电指的是通过非法手段使得电能表少计量或不计量，达到少交甚至不交电费的目的。窃电手段众多，从原理上可以分为欠流法、欠压法、移相法等，具有隐蔽性强、方式众多、排查难度大等特征。近年来智能电表的快速普及，实现了用电客户的电量数据以天为单位的采集，配电线路和配电变压器的负荷数据则是以15分钟或5分钟的周期进行更高频度的采集。今年国网提出了泛在物联网建设目标，将加快宽带载波技术(HPLC技术)的推进，用电客户的负荷数据也将实现周期为15分钟的采集。随着海量数据被采集和存储，目前国网以及各网省公司均建立了大数据中心，初步实现了数据共享和云计算服务，为窃电分析提供了数据环境，而传统基于电气理论的分析方法需要实时的负荷数据，难以在生产环境中应用。无法在大数据平台上挖掘与本文档来自技高网...

【技术保护点】
1.基于风控评分卡模型的用电客户窃电风险评估方法，包括以下步骤：/n步骤一：数据清洗：对样本数据的缺失值、冗余值、异常值进行处理，减少异常数据对模型带来的干扰；/n步骤二：特征构造：在原特征的基础上进行特征衍生，构造更多的特征；/n(1)单变量构造：仅使用单个变量进行构造，包括过去7/14/28/56/81天的平均值/最大值/最小值/标准差/中位数；/n(2)多变量构造：使用多个变量进行构造，包括多个变量的加/减/乘/除操作；/n步骤三：特征分箱和编码：特征构造完成后，对连续型变量进行分箱操作，对类别型变量进行onehot操作；分箱操作按照最优KS标准来选择切分点，即在所有满足上述条件的方案下...

【技术特征摘要】
1.基于风控评分卡模型的用电客户窃电风险评估方法，包括以下步骤：
步骤一：数据清洗：对样本数据的缺失值、冗余值、异常值进行处理，减少异常数据对模型带来的干扰；
步骤二：特征构造：在原特征的基础上进行特征衍生，构造更多的特征；
(1)单变量构造：仅使用单个变量进行构造，包括过去7/14/28/56/81天的平均值/最大值/最小值/标准差/中位数；
(2)多变量构造：使用多个变量进行构造，包括多个变量的加/减/乘/除操作；
步骤三：特征分箱和编码：特征构造完成后，对连续型变量进行分箱操作，对类别型变量进行onehot操作；分箱操作按照最优KS标准来选择切分点，即在所有满足上述条件的方案下，选取KS值最高的方案来进行分箱，KS的计算公式如下所示：



其中Badk为第k个分位点中的坏样本数量，Badtotal为总的坏样本数量，Goodk为k个分位点中的好样本数量，Goodtotal为总的好样本数量，KS越大说明好坏样本的区分能力越强；分箱操作是编码的基础，对每个特征分箱后再进行WOE编码操作：



步骤四：特征分析：变脸分析包括单特征分析和多特征分析，单特征分析指的是计算单个特征对好坏样本的区分程度，识别与结果具有高相关性的特征；多特征分析指的是计算特征间的相关性，...

【专利技术属性】
技术研发人员：李超，黄静，胡忠，熊磊，李世勉，徐溦，陈西寅，周虎，卢希，
申请(专利权)人：国网重庆市电力公司北碚供电分公司，杭州致成电子科技有限公司，
类型：发明
国别省市：重庆;50