【技术实现步骤摘要】
本专利技术属于信息处理和电力营销领域，特别涉及一种基于贝叶斯网络模型的电费异常诊断方法和系统。
技术介绍
1、电费结算是供电企业电费收入的重要组成部分，对供电企业的经济效益和持续进展有着重要意义。电费结算异常产生的原因主要包括档案异常、量费异常、示数异常等。档案异常分为基本信息异常、定价策略异常、计量参数异常、设备参数异常；量费异常分为电量电费异常、量费计划异常、业务流程异常；示数异常分为示数采集异常、表计装拆异常。业务人员基于历史电费结算异常数据构建了异常因子库，并给出了影响因子权重。
2、随着机器学习技术的发展，在电力营销领域中广泛应用基于机器学习的电费数据异常智能检测技术，运用各种机器学习分类算法，对电费数据进行数据处理、特征选取、模型构建及优化等操作，从而得到最优的电费数据异常智能检测模型。通过机器学习可以实现对数据中隐含的复杂非线性逻辑进行自我学习，自动分析获取数据中的规律，并利用这种规律预测未知的数据。传统的电费数据异常检测大多是基于无监督学习和设置规则判断的方法，主要包括基于简单规则的异常检测方法和基于数据驱动的异常检测算法。
3、其中，基于简单规则的异常检测方法依赖业务专家对业务中的常见问题进行归纳总结，形成形式化的语言描述，并通过程序语言中的逻辑运算对规则进行实现，主要应用于核算过程中的问题发现，不依赖于复杂的模型设计，通过简单的逻辑判定实现异常问题的挖掘，比如通过设计阈值策略来筛选出电量突增减的用户，具有高效研判、实现简单的特点，然而这种方法的灵活性和可扩展性不高，比如当用户的算费数据
4、基于数据驱动的异常检测算法通常不依赖于业务知识，通过引入各类归纳偏置构建有参或无参的算法模型，并依赖应用的数据实现模型的训练和调优，从而达到异常检测的目的，例如基于样本距离度量的knn、ocsvm等，基于集成方法的如随机森林、xgboost等，以及神经网络模型等方法。这些算法虽然可以基于数据实现模型的自适应调整，但多种算费模型的计算复杂度高，无法满足算费时间效率上的要求，更多地应用在事后的问题核查和归因。并且这类算法需要面临数据质量问题的影响，当用于训练的数据质量不高时，模型的检测性能通常无法满足实际应用要求。
5、此外，无论是基于过程问题发现的核算规则还是基于事后核查的算法模型，其构建和维护都依赖大量的人力成本，比如核算规则的迭代优化需要业务人员针对每月的异常数据进行分析归因，总结提炼规则优化内容；而对于数据驱动的算法模型，数据的获取和处理也占用了极大的人力成本，这些条件限制了现有的检测模型的性能，也难以满足愈加复杂多变的业务应用场景。
技术实现思路
1、为了解决现有技术中存在的不足，本专利技术提供了一种基于贝叶斯网络模型的电费异常诊断方法和系统，以解决电费异常检测算法灵活性低、构建及维护成本高、数据质量受限等问题。
2、为解决上述技术问题，本专利技术采用如下的技术方案。
3、本专利技术首先公开了一种基于贝叶斯网络模型的电费异常诊断方法，该方法包括以下步骤：
4、步骤1，从营销系统数据库中获取量费计划明细数据、审核异常明细数据和因子库明细数据，按照用户的用电类型进行划分，分别得到量费计划明细数据集、审核异常明细数据集和因子库明细数据集；
5、步骤2，对所述量费计划明细数据集进行缺失值处理和离散化处理，确定业务异常点初始候选集合，结合所述审核异常明细数据集和因子库明细数据集构建用于贝叶斯网络模型的样本数据集，并划分训练集与测试集；
6、步骤3，基于所述训练集确定初始贝叶斯网络结构和参数，并根据业务经验和因子库明细数据中的影响因子权重对贝叶斯网络结构和参数进行优化，得到优化后的贝叶斯网络模型；
7、步骤4，基于所述测试集，利用优化后的贝叶斯网络模型识别每个样本数据的异常类型以及相关联的影响因子，根据识别结果和所述业务异常点候选集合确定最终的业务异常点。
8、本专利技术进一步包括以下优选方案：
9、步骤1中，所述按照用户的用电类型进行划分，分别得到量费计划明细数据集、审核异常明细数据集和因子库明细数据集，进一步包括：
10、将量费计划明细数据、审核异常明细数据和因子库明细数据划分为数据集dab，其中，a＝1,2,3，分别表示每个数据集所属明细数据表，即量费计划明细数据、审核异常明细数据和因子库明细数据；b＝1,2,3,4,5，分别表示用户的用电类型为低压居民、低压非居民、高压、光伏和其他。
11、步骤2中，确定业务异常点候选集合，进一步包括：
12、在所述量费计划明细数据集中，分别在对应用户用电类型的因子库明细数据集中匹配保留要使用的影响因子属性；对量费计划明细数据集进行数据缺失检查和补齐，对于存在缺失数据的记录，如果为示数缺失，则对该条记录标记为示数漏抄，并记录缺失的影响因子，作为业务异常点候选集合。
13、步骤3中，所述基于所述训练集确定初始贝叶斯网络结构，进一步包括：
14、采用bdeu评分方法作为确定网络结构的评分函数，并用爬山算法进行搜索，通过利用算法搜索寻找最优网络结构，定义优化模型：m＝(g,ω,f)；
15、式中：g为样本数据集d中所有变量间可能的连接关系的网络结构集；ω为组合优化过程中需要满足的约束条件集，最基本的约束是所有节点间的连接构成一个有向无环图；f为评分函数；当m为最大值时，得到的网络结构即为最优网络结构；所述bdeu评分法将寻优过程转化为最大后验概率估计map问题其中，g*为最优结构，p(g|d)为后验概率。
16、步骤4中，在所述利用优化后的贝叶斯网络模型识别每个样本数据的异常类型以及相关联的影响因子之前，进一步包括：
17、根据贝叶斯网络模型计算将第i个样本xi判别为每种异常类型ck的后验概率p(c＝ck|xi)，将各样本判别为0种、1种或多种异常类型，并与实际异常类型进行比较，计算准确率指标；当模型准确率达到预设准确率阈值以上时，利用所述贝叶斯网络模型对样本数据进行识别，否则，继续修正贝叶斯网络结构和参数学习结果。
18、本专利技术同时公开了一种利用前述基于贝叶斯网络模型的电费异常诊断方法的基于贝叶斯网络模型的电费异常诊断系统，包括明细数据获取划分模块、样本数据构建模块、贝叶斯网络模型构建模块和电费异常诊断模块。
19、所述明细数据获取划分模块，用于从营销系统数据库中获取量费计划明细数据、审核异常明细数据和因子库明细数据，按照用户的用电类型进行划分，分别得到量费计划明细数据集、审核异常明细数据集和因子库明细数据集；
20、所述样本数据构建模块，用于对所述量费计划明细数据集进行缺失值处理和离散化处理，确定业务异常点初始候选集合，结合所述审核异常明细数据集本文档来自技高网...
【技术保护点】
1.一种基于贝叶斯网络模型的电费异常诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于贝叶斯网络模型的电费异常诊断方法，其特征在于，步骤1中，所述按照用户的用电类型进行划分，分别得到量费计划明细数据集、审核异常明细数据集和因子库明细数据集，进一步包括：
3.根据权利要求2所述的基于贝叶斯网络模型的电费异常诊断方法，其特征在于，步骤2中，确定业务异常点候选集合，进一步包括：
4.根据权利要求3所述的基于贝叶斯网络模型的电费异常诊断方法，其特征在于，步骤3中，所述基于所述训练集确定初始贝叶斯网络结构，进一步包括：
5.根据权利要求4所述的基于贝叶斯网络模型的电费异常诊断方法，其特征在于，步骤4中，在所述利用优化后的贝叶斯网络模型识别每个样本数据的异常类型以及相关联的影响因子之前，进一步包括：
6.一种利用权利要求1-5任一项权利要求所述的基于贝叶斯网络模型的电费异常诊断方法的基于贝叶斯网络模型的电费异常诊断系统，包括明细数据获取划分模块、样本数据构建模块、贝叶斯网络模型构建模块和电费异常诊断模块，其特征在于：
7.根据权利要求6所述的基于贝叶斯网络模型的电费异常诊断系统，其特征在于，所述明细数据获取划分模块，进一步用于：
8.根据权利要求7所述的基于贝叶斯网络模型的电费异常诊断系统，其特征在于，所述样本数据构建模块，进一步用于：
9.根据权利要求8所述的基于贝叶斯网络模型的电费异常诊断系统，其特征在于，所述贝叶斯网络模型构建模块，进一步用于：
10.根据权利要求9所述的基于贝叶斯网络模型的电费异常诊断系统，其特征在于，所述电费异常诊断模块，进一步用于：
11.一种终端，包括处理器及存储介质；其特征在于：
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-5任一项所述的基于贝叶斯网络模型的电费异常诊断方法的步骤。
...【技术特征摘要】
1.一种基于贝叶斯网络模型的电费异常诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于贝叶斯网络模型的电费异常诊断方法，其特征在于，步骤1中，所述按照用户的用电类型进行划分，分别得到量费计划明细数据集、审核异常明细数据集和因子库明细数据集，进一步包括：
3.根据权利要求2所述的基于贝叶斯网络模型的电费异常诊断方法，其特征在于，步骤2中，确定业务异常点候选集合，进一步包括：
4.根据权利要求3所述的基于贝叶斯网络模型的电费异常诊断方法，其特征在于，步骤3中，所述基于所述训练集确定初始贝叶斯网络结构，进一步包括：
5.根据权利要求4所述的基于贝叶斯网络模型的电费异常诊断方法，其特征在于，步骤4中，在所述利用优化后的贝叶斯网络模型识别每个样本数据的异常类型以及相关联的影响因子之前，进一步包括：
6.一种利用权利要求1-5任一项权利要求所述的基于贝叶斯网络模型的电费异常诊断方法的基于贝叶...
【专利技术属性】
技术研发人员：潘熙，黄奇峰，蔡奇新，祝宇楠，刘云鹏，单超，范环宇，徐伟，夏宇航，
申请(专利权)人：国网江苏省电力有限公司营销服务中心，
类型：发明
国别省市：
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。