一种基于GBDT算法及因素融合的异常用户识别方法

    公开(公告)号:CN111160791A

    公开(公告)日:2020-05-15

    申请号:CN201911411394.9

    申请日:2019-12-31

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明公开一种基于GBDT算法及因素融合的异常用户识别方法,包括:步骤1、数据预处理:采集用户用电量数据以及台区供电量数据并进行预处理;步骤2、特征抽取:采用支持向量机算法根据各特征与窃电行为之间的关系,从历史用电量与用电量异动相关特征中筛选出与窃电相关特征;步骤3、模型构建:将步骤2筛选的与窃电相关特征作为异常用户识别模型的输入数据,利用GBDT作为建模算法构建异常用户识别模型;通过异常用户识别模型计算得出疑似异常用电用户,同时根据疑似窃电概率公式计算异常用户的窃电概率P。本发明能够有效实现用电行为异常的精准识别以及用户窃电概率的计算,以缩小排查范围的同时具有排查重点,减轻排查人员的工作量,提交准确性。

    一种预测购电下发异常的方法

    公开(公告)号:CN110298513A

    公开(公告)日:2019-10-01

    申请号:CN201910589677.6

    申请日:2019-07-02

    IPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明公开了一种预测购电下发异常的方法,要解决的是现有购电异常中存在的问题。本发明具体步骤如下:步骤一,预测未来一段时间内即将发生购电的用户,得到即将发生的购电行为;步骤二,采集并提取历史数据;步骤三,对数据进行处理,确定特征变量和目标变量,得到处理后的数据;步骤四,使用处理后的数据对分类模型进行有监督的训练,得到训练好的模型;步骤五,利用训练好的模型对即将发生的购电行为进行判断,预测是否发生下发异常。本发明预测结果准确度较高;可以进行有针对性的提前检查电能表、集中器、信号传输等是否发生故障,并在用户购电前,解决故障,降低购电下发平均时长,提高购电下发成功率,降低投诉,增强用户满意度。

    一种准确度高的预测用户购电行为的方法

    公开(公告)号:CN110288166A

    公开(公告)日:2019-09-27

    申请号:CN201910589343.9

    申请日:2019-07-02

    IPC分类号: G06Q10/04 G06Q50/06 G06K9/62

    摘要: 本发明公开了一种准确度高的预测用户购电行为的方法,要解决的是现有预测用户行为的问题。本发明具体步骤如下:步骤一,收集数据;步骤二,对数据进行处理,确定特征变量和目标变量,得到处理后的数据;步骤三,对处理后的数据使用机器学习分类模型进行训练,得到训练好的模型;步骤四,利用训练好的模型对所有用户进行购电行为预测即可。本发明设计合理,通过统计建模,机器算法等智能手段,对用户购电行为进行预测,最后运用统计知识对结果进行分析,预测结果的准确度达到80%以上,可以达到准确把握用户行为、降低投诉风险、提高客户满意度、主动运维、减少工单量、工作人员工作量和减低人工成本的效果。

    交通工具的充电方法和充电装置

    公开(公告)号:CN109649212A

    公开(公告)日:2019-04-19

    申请号:CN201811614975.8

    申请日:2018-12-27

    IPC分类号: B60L53/66

    摘要: 本申请提供了一种交通工具的充电方法和充电装置。该方法包括:获取用户的充电需求;根据充电需求和/或充电设备的电力容量判断是否允许对交通工具进行立即充电;在不允许交通工具立即充电的情况下,制定充电策略,充电策略用于指导交通工具的充电过程。该方法可以根据实际情况控制是否对交通工具进行充电,当充电设备的电力容量不能满足需求时,可以先不向交通工具进行充电,这样可以缓解大量的交通工具集中时段充电对电网负荷造成的冲击。且该方法中,制作策略的制作时会结合多个交通工具的充电需求,得到的充电策略可以避免大量的交通工具在同一时段进行集中充电,进一步缓解大量的交通工具集中时段充电对电网负荷造成的冲击。