【技术实现步骤摘要】
本专利技术涉及电力系统领域，更具体的，涉及一种电费异常分析方法、系统、装置和介质。
技术介绍
1、随着电力市场的进一步放开，电费结算场景愈加复杂，依赖传统业务经验开展核算问题分析的模式，无法满足省集约背景下的工作要求，在电费政策调整的场景下，需要组织业务专家梳理影响算费的问题场景，并逐一开展问题分析。电费结算不只涉及经济问题，导致异常电费发生的实质原因可能是电费计量设备故障、用户用电方式变更、电力线路异常等因素导致的，因此提取和分析电费异常能够帮助电能营销系统及时发现计量设备的故障、计量设备应用中存在的不合理问题等。
2、现有的电费异常检测方法往往基于静态规则，无法准确捕捉复杂的电费异常模式，导致电费异常检测不精确，从而引发了过多的误报和漏报，使能源管理变得困难。为节约人力成本，提升异常分析效率，需要建立一套智能化异常问题分析方法，从数据自身挖掘影响核算的异常因子，辅助业务人员快速开展问题分析，构建具体的异常问题场景。
3、在电费结算场景愈加复杂的背景下，缺少一套规范统一的核算规则库和规则因子库，不同网省公司上线电力营销2.0系统前，都会按照本省现有核算规则增加一套核算规则库，这导致核算规则库冗余度越来越高，不利于自动化的方式实现电费异常用户的筛选。
4、此外，面对复杂的核算异常问题场景，现有技术中缺乏精准的异常诊断方法。在复杂的核算问题场景下，需依赖业务人员仔细核查算费相关的各项参数，从而完成问题定位和整改。但随着核算省集约工作的不断深化，对于核算异常处理的时限要求也在不断提高，为了降低异常
5、电力营销2.0系统中记载了用电用户的各类信息，如用户档案数据、业务变更数据和量价费数据等等。这些数据中含有大量不同维度的字段，能够从各个方面体现电费异常的原因和异常类型。然而，完全自动化的方式，从这些数据内容中精准、合理的提取用于判定电费异常的电费异常因子的方法尚未实现。
6、现有的电费异常因子的抽取方法主要包括两类：一是基于规则的方法，二是基于统计的方法，三是基于机器学习的方法，其主要缺点包括：
7、(1)基于规则的方法根据领域专家预先编制完成的词性及词法规则模板来抽取术语，因此抽取效果完全依赖于规则的制定和模板的质量，需要较强的语法知识和领域背景知识，模型的泛化能力差，且规则复杂时可能发生冲突和错误。
8、(2)基于统计的方法利用词汇的词频、tfidf、卡方检验、对数似然检验、左右熵、互信息等统计特征实现术语的抽取，这种方法仅依赖术语内部的聚合性，难以排除低频词和高频词的干扰。
9、(3)基于机器学习的方法将术语抽取问题转化为文本分类或序列标注问题，在已标注的大规模语料上训练模型，然后使用训练完成的模型对未标注的语料进行预测。这种方法避免了制定复杂规则，通用性强，但需要大量标注语料才能实现学习。
10、此外，当提取到多个电费异常因子后，如何从多个相互关联、独立或矛盾的电费异常因子的表现中判定电费异常的原因、类型和程度仍是亟待解决的问题。现有的电费异常因子权重计算方法主要包括两类：一是基于层次分析方法赋权，二是基于熵权方法赋权，其主要缺点包括：
11、(1)基于层次分析法赋权是建立层次结构模型到给出成对比较矩阵，虽然通过专家判断来确定权重，但人的主观因素重，对专家依赖程度占据该方法主导地位，不同的专家判断可能会导致不同的结果。且定量数据较少，不易令人信服；比较、判断以及结果的计算过程是粗糙的，不适合精度较高的问题。
12、在复杂用电环境中，面对复杂的数据关系时，层次分析法容易受到个体主观意见、知识结构、岗位经验、个人素质等影响，会产生主观片面性，缺乏公正性、科学性，从而导致权重分配不合理情况。
13、(2)基于熵权法计算权重需要大量数据，对数据质量要求比较高，尤其在多因子的情况下，需要足够的数据来计算熵值，否则权重结果可能不准确；虽然熵权法通常不需要主观的权重设置，但在确定数据的参考数值时，仍然需要人为干预，这可能导致一定程度的主观性；对于一些非量化因子难以使用客观方法求权重；熵权法通常假定各因子之间是相互独立的，因此在多因子相互关联的情况下可能无法很好地反映实际情况。
14、针对上述问题，亟需一种电费异常分析方法、系统、装置和介质。
技术实现思路
1、为解决现有技术中存在的不足，本专利技术提供一种电费异常分析方法、系统、装置和介质，方法通过基于bert-bilstm-crf模型抽取判定字段，通过随机森林模型在调整因子权重的基础上实现因子分类，从而构建电费异常规则因子库。
2、本专利技术采用如下的技术方案。
3、本专利技术第一方面，涉及一种电费异常分析方法，方法包括以下步骤：步骤1，导入电费异常规则，对电费异常规则进行训练，获取电费异常规则学习模型；步骤2，向学习模型中输入待分析用户的用户数据，输出用户的电费异常状态。
4、优选的，电费异常规则包括强制异常规则和异常提示规则；其中，强制异常规则包括示数异常规则、量费异常规则和档案异常规则。
5、优选的，获取电费异常规则学习模型，还包括：基于bert预训练语言模型对电费异常规则语料进行训练，获取电费异常规则文本中字符的向量表示；采用bilstm-crf构建电费异常规则学习模型，对向量表示进行训练，输出预测标签序列，并基于预测标签序列确认电费异常规则中的判定字段。
6、优选的，判定字段基于所述电费异常规则的类型实现判定类型的划分；判定字段的判定类型包括强制类和提示类强制类中包括档案异常、示数异常和量费异常。
7、优选的，从营销系统的数据接口获取用户数据，利用判定字段从用户数据中提取判定因子；基于判定因子，构建所有用户的判定因子集，采用随机森林模型对用户进行分类，根据随机森林模型的分类结果生成对应于不同异常规则的因子类型。
8、优选的，采用随机森林模型对用户进行分类，还包括：从所有用户中随机抽样，构建决策用户集；从决策用户集的判定因子集中，随机抽取一个或多个判定因子，并以随机抽取的判定因子作为特征对决策用户集中的用户进行分裂，直到获得一颗决策树；以迭代方式重复获得k颗决策树，构成电费异常规则学习模型中的随机森林模型。
9、优选的，预先为所有用户中的部分用户设置因子类型标签；比较随机森林模型对部分用户的输出分类结果和因子类型标签之间的差异，并基于差异迭代调整随机森林模型。
10、优选的，随机抽取一个或多个判定因子，并以随机抽取的判定因子作为特征对决策用户集中的用户进行分裂，还包括：利用电费异常规则因子频次统计结果，预先定义判定因子的因子权重；采用随机森林模型对每个判定因子的重要性进行评估，若判定因子的重要性与所述因子权重不匹配，则调整随机森林模型，直到判定因子的重要性与因子权重匹配。
11、优选的，采本文档来自技高网...
【技术保护点】
1.一种电费异常分析方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种电费异常分析方法，其特征在于：
3.根据权利要求2所述的一种电费异常分析方法，其特征在于：
4.根据权利要求3所述的一种电费异常分析方法，其特征在于：
5.根据权利要求4所述的一种电费异常分析方法，其特征在于：
6.根据权利要求5所述的一种电费异常分析方法，其特征在于：
7.根据权利要求6所述的一种电费异常分析方法，其特征在于：
8.根据权利要求7所述的一种电费异常分析方法，其特征在于：
9.根据权利要求8所述的一种电费异常分析方法，其特征在于：
10.根据权利要求8所述的一种电费异常分析方法，其特征在于：
11.根据权利要求10所述的一种电费异常分析方法，其特征在于：
12.根据权利要求6-11任一项中所述的一种电费异常分析方法，其特征在于：
13.一种利用权利要求1-12任一项权利要求所述方法的一种电费异常分析系统，其特征在于：
14
15.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1-12任一项所述方法的步骤。
...【技术特征摘要】
1.一种电费异常分析方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种电费异常分析方法，其特征在于：
3.根据权利要求2所述的一种电费异常分析方法，其特征在于：
4.根据权利要求3所述的一种电费异常分析方法，其特征在于：
5.根据权利要求4所述的一种电费异常分析方法，其特征在于：
6.根据权利要求5所述的一种电费异常分析方法，其特征在于：
7.根据权利要求6所述的一种电费异常分析方法，其特征在于：
8.根据权利要求7所述的一种电费异常分析方法，其特征在于：
9.根据权...
【专利技术属性】
技术研发人员：黄奇峰，潘熙，祝宇楠，蔡奇新，刘云鹏，蔡明明，朱峰，夏宇航，刘柳，裴子霞，
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。