【技术实现步骤摘要】
居民用户月度电量电费异常核查方法及系统、存储介质
本专利技术涉及电量电费异常核查
，具体涉及一种居民用户月度电量电费异常核查方法及系统、存储介质。
技术介绍
当前营销系统电量电费异常核查规则主要是靠经验得来的主观规划，缺乏运营数据支撑的客观规律识别，所以常常出现如下两种困境：1)规则阈值设定过于刚性，存在众多的假异常，有效率较低。在现有启用规则中，其中“有可调变量”的规则达20多条，其可调变量可以分为“基准电量”和“波动率”两大类，“基准电量”和“波动率”在系统中可进行人工调整，其合理性、适用性将直接影响系统产生的异常数据量及电费核算的工作效率。根据历史数据统计，“有可调变量”的规则筛选出的异常数据占全量异常的80％以上，由此可见，若能合理、分类设置“可调变量”阈值，将对降低电费异常率，有效提高核算效率起到重要作用。2)现有规则对用户用电异常覆盖面有限。现有规则是基于经验得来的，其阈值的设置往往一刀切，用户用电随经济以及环境条件的变化而变化，但规则无法及时调整。一刀切的阈值设定往往无法从...
【技术保护点】
1.一种居民用户月度电量电费异常核查方法，其特征在于，包括如下步骤：/n获取居民用户的月平均人体舒适度、待预测月份的月节假日天数、待预测月份的工作日天数、待预测月份的节假日天数、截止待预测月份之前所有月份的月度用电量信息、居民用户类型信息；/n将所述居民用户的月平均人体舒适度、待预测月份的月节假日天数、待预测月份的工作日天数、待预测月份的节假日天数、截止待预测月份之前所有月份的用电量信息、居民类型信息输入预先训练好的XGBoost模型进行待预测月份的月度用电量预测获得预测结果；/n根据所述预测结果调整电费异常核查规则。/n
【技术特征摘要】
1.一种居民用户月度电量电费异常核查方法，其特征在于，包括如下步骤：
获取居民用户的月平均人体舒适度、待预测月份的月节假日天数、待预测月份的工作日天数、待预测月份的节假日天数、截止待预测月份之前所有月份的月度用电量信息、居民用户类型信息；
将所述居民用户的月平均人体舒适度、待预测月份的月节假日天数、待预测月份的工作日天数、待预测月份的节假日天数、截止待预测月份之前所有月份的用电量信息、居民类型信息输入预先训练好的XGBoost模型进行待预测月份的月度用电量预测获得预测结果；
根据所述预测结果调整电费异常核查规则。
2.根据权利要求1所述的居民用户月度电量电费异常核查方法，其特征在于，所述截止待预测月份之前所有月份的用电量信息包括：
截止待预测月份之前所有月份的月度最大电量、月度最小电量、月度平均电量、月度电量中位数、月度电量方差，待预测月份13个月之前的月度电量，待预测月份12个月之前的月度电量，以及待预测月份11个月之前的月度电量。
3.根据权利要求1所述的居民用户月度电量电费异常核查方法，其特征在于，所述人体舒适度计算公式为：
ssd＝(1.818t+18.18)(0.88+0.002f)+(t-32)/(45-t)-3.2v+18.2
其中，ssd为某一月份的人体舒适度指数，t为月平均气温，f为月平均相对湿度，v为月平均风速；
其中，根据截止待预测月份之前所有月份的居民用户人体舒适度计算得到所述居民用户的月平均人体舒适度。
4.根据权利要求1所述的居民用户月度电量电费异常核查方法，其特征在于，所述XGBoost模型的训练过程如下：
确定最近一个完整月份作为待预测月份；
获取多个居民用户样本数据，其中，每一个居民用户样本数据包括：居民用户的月平均人体舒适度、待预测月份的月节假日天数、待预测月份的工作日天数、待预测月份的节假日天数、截止待预测月份之前所有月份的月度用电量信息、居民用户类型信息；
将所述多个居民用户样本数据输入原始的XGBoost模型进行训练，获得所述方法的XGBoost模型；其中，训练过程中XGBoost模型的损失函数为所述最近一个完整月份的多个居民用户的月度用电量信息与XGBoost模型训练输出的多个居民用户的月度用电量信息的误差小于预设值。
5.根据权利要求4所述的居民用户月度电量电费异常核查方法，其特征在于，所述误差包括平均绝对误差、均方误差、均方根误差、平均绝对百分误差中的一种或多种。
6.一种居民用户月度电量电费异常核查系统，其特征在于，包...
【专利技术属性】
技术研发人员：林思远，黄公跃，付婷婷，薛冰，黄媚，刘家学，李艳，孙梦龙，董佩纯，王海涛，林冰虹，黎怡均，陈辉，陈敏，庄婉铃，黄安子，陈华锋，陈琳，刘建珠，潘柳，石龙燕，林磊，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。