一种用户电费回收风险预测方法、装置及系统制造方法及图纸

本申请提供了一种用户电费回收风险预测方法、装置及系统，包括：电力收费管理装置获取目标用户的历史电费数据；电力收费管理装置将历史电费数据输入至第一联合预测模型进行模型运算，以获得目标用户的电费回收风险预测结果；其中，第一联合预测模型为配置在电力收费管理装置，且根据协作方装置发送的优化模型参数更新后的神经网络模型。本申请基于联邦学习架构，在电力收费管理装置无需与其他部门的数据进行数据交互的前提下，融合多个参与部门的数据，确保了预测效果，同时避免了各个部门的内部机密外泄，解决了现有的电费回收风险预测的信息安全性低的技术问题。

【技术实现步骤摘要】
一种用户电费回收风险预测方法、装置及系统
本申请涉及电费回收
，尤其涉及一种用户电费回收风险预测方法、装置及系统。
技术介绍
随着社会的发展，电力用户的数量急剧上升，在要满足日益增长的用电需求，使得电力部门必须跟随着大数据的步伐，以求进一步发展，而电费回收便是其中一项，电费回收指的是电力公司在向用户提供电能后，向用户收取费用的过程，是电力公司核心经济来源，关系到电力公司的正常运作。同时伴随着大数据与人工智能技术的发展，针对电费回收风险预测的问题，采用神经网络方法建立预测模型以进行数据分析预测。但是采用这种方式为了达到模型的预期效果，需要将各个电费回收风险预测参与部门的数据样本集中在一个中心存储上再进行模型预测，但是各个部门的数据存在于自己的本地存储上且包含了相当一部分的内部隐私数据，导致了现有的电费回收风险预测的信息安全性低的技术问题。
技术实现思路
本申请提供了一种用户电费回收风险预测方法、装置及系统，用于解决现有的电费回收风险预测的信息安全性低的技术问题。本申请第一方面提供了一种用户电费回收风险预测方法，应用于电力收费管理装置，包括：电力收费管理装置获取目标用户的历史电费数据；所述电力收费管理装置将所述历史电费数据输入至第一联合预测模型进行模型运算，以获得所述目标用户的电费回收风险预测结果；其中，所述第一联合预测模型为配置在所述电力收费管理装置，且根据协作方装置发送的优化模型参数更新后的神经网络模型；所述优化模型参数的生成过程包括：所述协作方装置根据接收到的加密模型参数，将各个所述加密模型参数输入至配置在所述协作方装置本地的联邦学习协作模型进行融合训练，得到所述优化模型参数，其中，所述加密模型参数包括：基于所述第一联合预测模型得到的第一加密模型参数、基于配置在计量管理装置的第二联合预测模型得到的第二加密模型参数。可选地，获得所述联合预测模型输出的预测结果之后还包括：所述电力收费管理装置将所述预测结果上传至所述协作方装置，使得所述协作方装置根据所述预测结果对所述优化模型参数进行更新。可选地，所述第一加密模型参数的生成过程包括：所述电力收费管理装置将所述目标用户的历史电费数据输入至第一联合预测模型，对所述第一联合预测模型进行训练，得到训练后的所述第一联合预测模型；所述电力收费管理装置基于训练后的所述第一联合预测模型，提取所述第一联合预测模型的模型参数；所述电力收费管理装置通过同态加密方式，对所述第一联合预测模型的模型参数进行加密，得到所述第一加密模型参数。可选地，所述第二加密模型参数的生成过程包括：所述计量管理装置将所述目标用户的用电计量数据输入至第二联合预测模型，对所述第二联合预测模型进行训练，得到训练后所述第二联合预测模型；所述计量管理装置基于训练好的所述第二联合预测模型，提取所述第二联合预测模型的模型参数；所述计量管理装置通过同态加密方式，对所述第二联合预测模型的模型参数进行加密，得到所述第二加密模型参数。可选地，所述加密模型参数还包括：基于配置在客服管理装置的第三联合预测模型得到的第三加密模型参数。可选地，所述第三加密模型参数的生成过程包括：所述客服管理装置将所述目标用户的客服交互数据输入至第三联合预测模型，对所述第三联合预测模型进行训练，得到训练后所述第三联合预测模型；所述客服管理装置基于训练好的所述第三联合预测模型，提取所述第三联合预测模型的模型参数；所述客服管理装置通过同态加密方式，对所述第三联合预测模型的模型参数进行加密，得到所述第三加密模型参数。本申请第二方面提供了一种电力收费管理装置，包括：数据获取单元，用于获取目标用户的历史电费数据；风险预测单元，用于将所述历史电费数据输入至第一联合预测模型进行模型运算，以获得所述目标用户的电费回收风险预测结果；其中，所述第一联合预测模型为配置在所述电力收费管理装置，且根据协作方装置发送的优化模型参数更新后的神经网络模型；所述优化模型参数的生成过程包括：所述协作方装置根据接收到的加密模型参数，将各个所述加密模型参数输入至配置在所述协作方装置本地的联邦学习协作模型进行融合训练，得到所述优化模型参数，其中，所述加密模型参数包括：基于所述第一联合预测模型得到的第一加密模型参数、基于配置在计量管理装置的第二联合预测模型得到的第二加密模型参数。可选地，还包括：结果上传单元，用于将所述预测结果上传至所述协作方装置，使得所述协作方装置根据所述预测结果对所述优化模型参数进行更新。本申请第三方面提供了一种用户电费回收风险预测系统，包括：计量管理装置、协作方装置以及如本申请第二方面所述的电力收费管理装置；所述协作方装置，用于根据接收到的加密模型参数，将各个所述加密模型参数输入至配置在所述协作方装置本地的联邦学习协作模型进行融合训练，得到所述优化模型参数，其中，所述加密模型参数包括：基于配置在所述电力收费管理装置的第一联合预测模型得到的第一加密模型参数、基于配置在所述计量管理装置的第二联合预测模型得到的第二加密模型参数。可选地，还包括：客服管理装置；所述加密模型参数还包括：基于配置在客服管理装置的第三联合预测模型得到的第三加密模型参数。从以上技术方案可以看出，本申请实施例具有以下优点：本申请提供了一种用户电费回收风险预测方法，应用于电力收费管理装置，包括：电力收费管理装置获取目标用户的历史电费数据；所述电力收费管理装置将所述历史电费数据输入至第一联合预测模型进行模型运算，以获得所述目标用户的电费回收风险预测结果；其中，所述第一联合预测模型为配置在所述电力收费管理装置，且根据协作方装置发送的优化模型参数更新后的神经网络模型；所述优化模型参数的生成过程包括：所述协作方装置根据接收到的加密模型参数，将各个所述加密模型参数输入至配置在所述协作方装置本地的联邦学习协作模型进行融合训练，得到所述优化模型参数，其中，所述加密模型参数包括：基于所述第一联合预测模型得到的第一加密模型参数、基于配置在计量管理装置的第二联合预测模型得到的第二加密模型参数。本申请基于联邦学习架构，由电力收费管理装置通过配置在本地，且根据协作方装置发送的优化模型参数更新后的第一联合预测模型进行用户的电费回收风险预测，在无需与其他部门的数据进行数据交互的前提下，融合了各个参与部门的数据，确保了预测效果，同时避免了各个部门的内部机密外泄，解决了现有的电费回收风险预测的信息安全性低的技术问题。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。图1为本申请提供的一种用户电费回收风险预测方法的第一个实施例的本文档来自技高网...

【技术保护点】
1.一种用户电费回收风险预测方法，应用于电力收费管理装置，其特征在于，包括：/n电力收费管理装置获取目标用户的历史电费数据；/n所述电力收费管理装置将所述历史电费数据输入至第一联合预测模型进行模型运算，以获得所述目标用户的电费回收风险预测结果；/n其中，所述第一联合预测模型为配置在所述电力收费管理装置，且根据协作方装置发送的优化模型参数更新后的神经网络模型；/n所述优化模型参数的生成过程包括：/n所述协作方装置根据接收到的加密模型参数，将各个所述加密模型参数输入至配置在所述协作方装置本地的联邦学习协作模型进行融合训练，得到所述优化模型参数，其中，所述加密模型参数包括：基于所述第一联合预测模型得到的第一加密模型参数、基于配置在计量管理装置的第二联合预测模型得到的第二加密模型参数。/n

【技术特征摘要】
1.一种用户电费回收风险预测方法，应用于电力收费管理装置，其特征在于，包括：
电力收费管理装置获取目标用户的历史电费数据；
所述电力收费管理装置将所述历史电费数据输入至第一联合预测模型进行模型运算，以获得所述目标用户的电费回收风险预测结果；
其中，所述第一联合预测模型为配置在所述电力收费管理装置，且根据协作方装置发送的优化模型参数更新后的神经网络模型；
所述优化模型参数的生成过程包括：
所述协作方装置根据接收到的加密模型参数，将各个所述加密模型参数输入至配置在所述协作方装置本地的联邦学习协作模型进行融合训练，得到所述优化模型参数，其中，所述加密模型参数包括：基于所述第一联合预测模型得到的第一加密模型参数、基于配置在计量管理装置的第二联合预测模型得到的第二加密模型参数。


2.根据权利要求1所述的一种用户电费回收风险预测方法，其特征在于，获得所述联合预测模型输出的预测结果之后还包括：
所述电力收费管理装置将所述预测结果上传至所述协作方装置，使得所述协作方装置根据所述预测结果对所述优化模型参数进行更新。


3.根据权利要求1所述的一种用户电费回收风险预测方法，其特征在于，所述第一加密模型参数的生成过程包括：
所述电力收费管理装置将所述目标用户的历史电费数据输入至第一联合预测模型，对所述第一联合预测模型进行训练，得到训练后的所述第一联合预测模型；
所述电力收费管理装置基于训练后的所述第一联合预测模型，提取所述第一联合预测模型的模型参数；
所述电力收费管理装置通过同态加密方式，对所述第一联合预测模型的模型参数进行加密，得到所述第一加密模型参数。


4.根据权利要求1所述的一种用户电费回收风险预测方法，其特征在于，所述第二加密模型参数的生成过程包括：
所述计量管理装置将所述目标用户的用电计量数据输入至第二联合预测模型，对所述第二联合预测模型进行训练，得到训练后所述第二联合预测模型；
所述计量管理装置基于训练好的所述第二联合预测模型，提取所述第二联合预测模型的模型参数；
所述计量管理装置通过同态加密方式，对所述第二联合预测模型的模型参数进行加密，得到所述第二加密模型参数。


5.根据权利要求1所述的一种用户电费回收风险预测方法，其特征在于，所述加密模型参数还包括：基于配置在客服管理装置的第三联合预测模型得到的...

【专利技术属性】
技术研发人员：肖勇，曾勇刚，钱斌，石少青，
申请(专利权)人：南方电网科学研究院有限责任公司，中国南方电网有限责任公司，
类型：发明
国别省市：广东;44