CN111489073A - 一种基于分类算法的用户用电廉情预警方法 - Google Patents

一种基于分类算法的用户用电廉情预警方法 Download PDF

Info

Publication number
CN111489073A
CN111489073A CN202010249777.7A CN202010249777A CN111489073A CN 111489073 A CN111489073 A CN 111489073A CN 202010249777 A CN202010249777 A CN 202010249777A CN 111489073 A CN111489073 A CN 111489073A
Authority
CN
China
Prior art keywords
data
user
electricity consumption
early warning
consumption data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010249777.7A
Other languages
English (en)
Inventor
王忠军
李寿荣
彭文钦
李硕鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Comtop Information Technology Co Ltd
Original Assignee
Shenzhen Comtop Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Comtop Information Technology Co Ltd filed Critical Shenzhen Comtop Information Technology Co Ltd
Priority to CN202010249777.7A priority Critical patent/CN111489073A/zh
Publication of CN111489073A publication Critical patent/CN111489073A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于分类算法的用户用电廉情预警方法。所述用户用电廉情预警方法包括如下步骤：步骤S1，采集正常的历史用户用电数据，将用户分成不同的组合类型；步骤S2，对每一种组合类型的用户的用电数据进行建模，通过回归算法拟合出对应的线性公式，将线性公式中的参数抽取出来，作为特征向量保存；步骤S3，以特征向量数据为基础，搭建KNN数据集；步骤S4，输入对新的用户用电数据进行组合类型识别，若识别结果与该新的用户用电数据原本所属的所述组合类型不一致，则判定该新的用户用电数据为异常数据并进行预警。如此，通过大数据分析算法对数据进行分类分析，快速识别用户违规用电行为，对异常数据实现自动预警，从而提升纪检监督执纪工作水平。

Description

一种基于分类算法的用户用电廉情预警方法
技术领域
本发明涉及数据分析技术领域，具体涉及一种基于分类算法的用户用电廉情预警方法。
背景技术
营销稽查是供电局纪检监察工作中重要的一环，如何在海量数据中精准发现违规用电行为是该项工作要解决的难点问题。由于数据量庞大，以往纪检工作人员对廉情风险的判断大多凭经验、凭感觉，缺乏有效统计数据支撑，需耗费大量人力和时间进行取证，工作效率亟待提高。
发明内容
本发明所要解决的技术问题是，针对上述现有技术中提到的纪检工作人员无法从海量营销业务数据中精准发现违规用电行为的问题，提供一种基于分类算法的用户用电廉情预警方法，所述用户用电廉情预警方法对营销用户的用电负荷数据，通过大数据分析算法对数据进行分类分析，识别用户违规用电行为，对异常数据实现自动预警，从而提升纪检监督执纪工作水平。
为解决上述的技术问题，本发明所采用的技术方案是提供一种基于分类算法的用户用电廉情预警方法，包括如下步骤：
步骤S1，采集正常的历史用户用电数据，将用户分成不同的组合类型；
步骤S2，对每一种组合类型的用户的用电数据进行建模，通过回归算法拟合出对应的线性公式，将线性公式中的参数抽取出来，作为特征向量保存；
步骤S3，以特征向量数据为基础，搭建KNN数据集；
步骤S4，输入对新的用户用电数据进行组合类型识别，若识别结果与该新的用户用电数据原本所属的所述组合类型不一致，则判定该新的用户用电数据为异常数据并进行预警。
本发明提供的基于分类算法的用户用电廉情预警方法中，在所述步骤S1中，对采集到的大量的历史用户用电数据，按4个不同的维度进行分类；所述的4个不同的维度分别为用电类别、电压等级、用户分类和用户类别。
本发明提供的基于分类算法的用户用电廉情预警方法中，所述用电类别包括L种类别；所述电压等级包括M种级别；所述用户分类包括N种类型；所述用户类别包括X种客户类型；其中，L、M、N和X均为正整数。
本发明提供的基于分类算法的用户用电廉情预警方法中，在所述步骤S1中，将用户分成
Figure BDA0002433793690000021
种组合类型。
本发明提供的基于分类算法的用户用电廉情预警方法中，在所述步骤S2中，所述线性公式为F(x)＝ax^2+bx+c，其中，a、b、c为有理数；所述特征向量为[a,b]。
本发明提供的基于分类算法的用户用电廉情预警方法中，在所述步骤S3中，建立直角坐标系，并在所述直角坐标系中用点来表示所述特征向量，形成所述KNN数据集。
本发明提供的基于分类算法的用户用电廉情预警方法中，在所述步骤S4中，所述的“输入对新的用户用电数据进行组合类型识别”包括：
步骤S41，根据所述新的用户用电数据得出对于所述新的用户用电数据的特征向量；
步骤S42，在所述直角坐标系中，用点表示所述新的用户用电数据的特征向量，将对应所述新的用户用电数据的特征向量的点记为待识别数据点；
步骤S43，根据所述直角坐标系中最靠近所述待识别数据点的K个点对所述新的用户用电数据进行组合类型的识别，其中，K为大于等于3的整数。
本发明提供的基于分类算法的用户用电廉情预警方法中，在所述步骤S43中，K个点中的半数以上的点所对应的特征向量所代表的组合类型即为所述新的用户用电数据的组合类型识别结果。
本发明提供的基于分类算法的用户用电廉情预警方法中，K的取值为3。
本发明提供的基于分类算法的用户用电廉情预警方法中，L、M、N和X的取值分别为4、2、28和2。
实施本发明提供的用户用电廉情预警方法，可以达到以下有益效果：所述用户用电廉情预警方法包括如下步骤：步骤S1，采集正常的历史用户用电数据，将用户分成不同的组合类型；步骤S2，对每一种组合类型的用户的用电数据进行建模，通过回归算法拟合出对应的线性公式，将线性公式中的参数抽取出来，作为特征向量保存；步骤S3，以特征向量数据为基础，搭建KNN数据集；步骤S4，输入对新的用户用电数据进行组合类型识别，若识别结果与该新的用户用电数据原本所属的所述组合类型不一致，则判定该新的用户用电数据为异常数据并进行预警。如此，通过大数据分析算法对数据进行分类分析，快速识别用户违规用电行为，对异常数据实现自动预警，从而提升纪检监督执纪工作水平。
附图说明
图1为本发明提供多的用户用电廉情预警方法的步骤流程图；
图2为本发明中的用户用电数据的不同维度的分类图；
图3为本发明中的居民服务样本的功率散点图的效果图；
图4为本发明中的公共照明样本的功率散点图的效果图；
图5为本发明中的KNN数据集示意图；
图6为本发明中新的用户用电数据的识别过程示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种基于分类算法的用户用电廉情预警方法。参见图1，所述用户用电廉情预警方法包括如下步骤：
步骤S1，采集正常的历史用户用电数据，将用户分成不同的组合类型；
步骤S2，对每一种组合类型的用户的用电数据进行建模，通过回归算法拟合出对应的线性公式，将线性公式中的参数抽取出来，作为特征向量保存；
步骤S3，以特征向量数据为基础，搭建KNN数据集；
步骤S4，输入对新的用户用电数据进行组合类型识别，若识别结果与该新的用户用电数据原本所属的所述组合类型不一致，则判定该新的用户用电数据为异常数据并进行预警。
本实施例中，在所述步骤S1中，对采集到的大量的历史用户用电数据，按4个不同的维度进行分类；所述的4个不同的维度分别为用电类别、电压等级、用户分类和用户类别。具体的，所述用电类别包括L种类别；所述电压等级包括M种级别；所述用户分类包括N种类型；所述用户类别包括X种客户类型；其中，L、M、N和X均为正整数。也就是说，在所述步骤S1中，我们将用户分成
Figure BDA0002433793690000041
种组合类型。在这里，L、M、N和X的取值分别为4、2、28和2。更具体的，参见图2，在用电类别维度上，全部用户被粗分为一般工商业及其他、大工业用电、普通工业以及商业这4种大类；在电压等级维度上，所采集到的用户用电数据可分为交流380V和交流10kV这2种；在用户分类维度上，存在28种不同行业的类型，如批发和零售业、道路运输业等；在用户类别维度上，存在有公变客户、公线专变客户，这2种。从而组合类型的种类为
Figure BDA0002433793690000042
＝448种。
本实施例中，在所述步骤S2中，所述线性公式为F(x)＝ax^2+bx+c，其中，a、b、c为有理数；所述特征向量为[a,b]。实际操作中，我们需要对上述所有的448种组合类型的用户用电数据进行建模。下面以组合类型为“商业用电+交流10kV+居民服务、修理和其他服务业+公线专变客户”(下文简称为居民服务)和“商业用电+交流10kV+公共照明+公线专变客户”(下文简称为公共照明)的两种用户用电数据为例进行详述。对居民服务的用电功率进行绘制，根据居民服务样本的至少半年左右的用电数据后，绘制出居民服务样本的功率散点图，每一个功率散点图均示出了对应样本在24小时内的一个规律性的周期变化，三个居民服务样本的功率散点图的效果图请分别参见图3(a)、图3(b)、图3(c)。同样的，根据公共照明样本的至少半年左右的用电数据，我们还可以输出公共照明样本的功率散点图，四个公共照明样本的功率散点图的效果图请分别参见图4(a)、图4(b)、图4(c)、图4(d)。可以看出两个不同组合类型的数据在用电规律上存在明显的差异，进而我们通过此种差异进行后续操作。在得到大量上述的功率散点图输出结果后，我们通过线性回归算法，将各个居民服务样本和公共照明样本的线性公式拟合出来，形成F(x)＝ax^2+bx+c这样的公式，进而将其参数a、b抽取出来，舍去常数项c，得到同等数量的特征向量[a，b]。
本实施例中，在所述步骤S3中，建立直角坐标系，并在所述直角坐标系中用点来表示所述特征向量，形成所述KNN数据集。由于相同行业内的用电规律较为接近，其产出的特征向量可看做代表此种行业的一组数据点。根据数据点在空间直角坐标系上的分布，我们可以得到一个如图5所示的KNN数据集。在图5中，实心黑点为对应四个公共照明样本的特征向量，空心白点为对应三个居民服务样本的特征向量。
本实施例中，在所述步骤S4中，所述的“输入对新的用户用电数据进行组合类型识别”包括：
步骤S41，根据所述新的用户用电数据得出对于所述新的用户用电数据的特征向量；
步骤S42，在所述直角坐标系中，用点表示所述新的用户用电数据的特征向量，将对应所述新的用户用电数据的特征向量的点记为待识别数据点；
步骤S43，根据所述直角坐标系中最靠近所述待识别数据点的K个点对所述新的用户用电数据进行组合类型的识别，其中，K为大于等于3的整数；在这一步骤中，K个点中的半数以上的点所对应的特征向量所代表的组合类型即为所述新的用户用电数据的组合类型识别结果。其中，K的取值通常为3。下面举例说明，参见图6，在所述直角坐标系中输入了原本属于公共照明类的新的用户用电数据的特征向量的点，也就是待识别数据点。待识别数据点为图6中带阴影线的点，可以看到距离待识别数据点最近的三个数据点中有2个数据点所对应的特征向量所代表的组合类型为居民服务，也就是说，我们可以认为这个新的用户用电数据的实际用电情况比较接近居民服务，这就说明该用户存在违规用电的嫌疑，进而对这个异常数据进行预警。
综上所述，实施本发明提供的用户用电廉情预警方法，可以达到以下有益效果：所述用户用电廉情预警方法通过对营销用户用电负荷数据分类分析，建立用电行为模型，识别用户真实的用电类型，方便纪检监察人员核查违规用电行为，将隐藏在业务***海量数据里的廉洁风险，转化为直观可见的精准线索，丰富了获取线索的渠道，为纪检监察机构开展日常监督提供了“弹药”。改善了以往人工核查线索需耗费大量人力和物力调查取证的局面，大幅提升核查效率。通过对违规行为的查处，有利于减少腐败存量，同时，其强有力的震慑作用也对潜在的腐败增量起到了预警和遏制，长期的有效应用，能够促进公司形成良好政治生态，为公司加强党风廉政建设和***工作夯实根基。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种基于分类算法的用户用电廉情预警方法，其特征在于，包括如下步骤：
步骤S1，采集正常的历史用户用电数据，将用户分成不同的组合类型；
步骤S2，对每一种组合类型的用户的用电数据进行建模，通过回归算法拟合出对应的线性公式，将线性公式中的参数抽取出来，作为特征向量保存；
步骤S3，以特征向量数据为基础，搭建KNN数据集；
步骤S4，输入对新的用户用电数据进行组合类型识别，若识别结果与该新的用户用电数据原本所属的所述组合类型不一致，则判定该新的用户用电数据为异常数据并进行预警。
2.根据权利要求1所述的基于分类算法的用户用电廉情预警方法，其特征在于，在所述步骤S1中，对采集到的大量的历史用户用电数据，按4个不同的维度进行分类；所述的4个不同的维度分别为用电类别、电压等级、用户分类和用户类别。
3.根据权利要求2所述的基于分类算法的用户用电廉情预警方法，其特征在于，所述用电类别包括L种类别；所述电压等级包括M种级别；所述用户分类包括N种类型；所述用户类别包括X种客户类型；其中，L、M、N和X均为正整数。
4.根据权利要求3所述的基于分类算法的用户用电廉情预警方法，其特征在于，在所述步骤S1中，将用户分成
Figure FDA0002433793680000011
种组合类型。
5.根据权利要求1所述的基于分类算法的用户用电廉情预警方法，其特征在于，在所述步骤S2中，所述线性公式为F(x)＝ax^2+bx+c，其中，a、b、c为有理数；所述特征向量为[a,b]。
6.根据权利要求5所述的基于分类算法的用户用电廉情预警方法，其特征在于，在所述步骤S3中，建立直角坐标系，并在所述直角坐标系中用点来表示所述特征向量，形成所述KNN数据集。
7.根据权利要求5所述的基于分类算法的用户用电廉情预警方法，其特征在于，在所述步骤S4中，所述的“输入对新的用户用电数据进行组合类型识别”包括：
步骤S41，根据所述新的用户用电数据得出对于所述新的用户用电数据的特征向量；
步骤S42，在所述直角坐标系中，用点表示所述新的用户用电数据的特征向量，将对应所述新的用户用电数据的特征向量的点记为待识别数据点；
步骤S43，根据所述直角坐标系中最靠近所述待识别数据点的K个点对所述新的用户用电数据进行组合类型的识别，其中，K为大于等于3的整数。
8.根据权利要求7所述的基于分类算法的用户用电廉情预警方法，其特征在于，在所述步骤S43中，K个点中的半数以上的点所对应的特征向量所代表的组合类型即为所述新的用户用电数据的组合类型识别结果。
9.根据权利要求7所述的基于分类算法的用户用电廉情预警方法，其特征在于，K的取值为3。
10.根据权利要求3所述的基于分类算法的用户用电廉情预警方法，其特征在于，L、M、N和X的取值分别为4、2、28和2。
CN202010249777.7A 2020-03-31 2020-03-31 一种基于分类算法的用户用电廉情预警方法 Pending CN111489073A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010249777.7A CN111489073A (zh) 2020-03-31 2020-03-31 一种基于分类算法的用户用电廉情预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010249777.7A CN111489073A (zh) 2020-03-31 2020-03-31 一种基于分类算法的用户用电廉情预警方法

Publications (1)

Publication Number Publication Date
CN111489073A true CN111489073A (zh) 2020-08-04

Family

ID=71794516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010249777.7A Pending CN111489073A (zh) 2020-03-31 2020-03-31 一种基于分类算法的用户用电廉情预警方法

Country Status (1)

Country Link
CN (1) CN111489073A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112396087A (zh) * 2020-09-28 2021-02-23 国网浙江省电力有限公司杭州供电公司 基于智能电表的独居老人用电数据分析方法及装置
CN115577836A (zh) * 2022-09-29 2023-01-06 深圳市三正电子有限公司 基于mcu进行信息采集的方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107145966A (zh) * 2017-04-12 2017-09-08 山大地纬软件股份有限公司 基于逻辑回归概率分析优化模型的反窃电分析预警方法
CN108776939A (zh) * 2018-06-07 2018-11-09 上海电气分布式能源科技有限公司 用户用电行为的分析方法及***
CN109615004A (zh) * 2018-12-07 2019-04-12 江苏瑞中数据股份有限公司 一种多源数据融合的防窃电预警方法
CN110223196A (zh) * 2019-06-04 2019-09-10 国网浙江省电力有限公司电力科学研究院 基于典型行业特征库和反窃电样本库的反窃电分析方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107145966A (zh) * 2017-04-12 2017-09-08 山大地纬软件股份有限公司 基于逻辑回归概率分析优化模型的反窃电分析预警方法
CN108776939A (zh) * 2018-06-07 2018-11-09 上海电气分布式能源科技有限公司 用户用电行为的分析方法及***
CN109615004A (zh) * 2018-12-07 2019-04-12 江苏瑞中数据股份有限公司 一种多源数据融合的防窃电预警方法
CN110223196A (zh) * 2019-06-04 2019-09-10 国网浙江省电力有限公司电力科学研究院 基于典型行业特征库和反窃电样本库的反窃电分析方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112396087A (zh) * 2020-09-28 2021-02-23 国网浙江省电力有限公司杭州供电公司 基于智能电表的独居老人用电数据分析方法及装置
CN112396087B (zh) * 2020-09-28 2024-04-26 国网浙江省电力有限公司杭州供电公司 基于智能电表的独居老人用电数据分析方法及装置
CN115577836A (zh) * 2022-09-29 2023-01-06 深圳市三正电子有限公司 基于mcu进行信息采集的方法及装置
CN115577836B (zh) * 2022-09-29 2023-06-30 深圳市三正电子有限公司 基于mcu进行信息采集的方法及装置

Similar Documents

Publication Publication Date Title
CN110097297B (zh) 一种多维度窃电态势智能感知方法、***、设备及介质
CN110824270B (zh) 结合台区线损和异常事件的窃电用户辨识方法及装置
CN110223196B (zh) 基于典型行业特征库和反窃电样本库的反窃电分析方法
Cody et al. Decision tree learning for fraud detection in consumer energy consumption
CN110689279B (zh) 一种居民用电安全隐患的分析方法
CN110634080A (zh) 异常用电检测方法、装置、设备及计算机可读存储介质
CN111738462B (zh) 电力计量装置故障抢修主动服务预警方法
CN113111053A (zh) 一种基于大数据的线损诊断与反窃电***、方法及模型
CN111506618B (zh) 一种结合lightgbm-stacking算法的异常用电行为分析方法
CN111177208A (zh) 基于大数据分析的用电异常检测方法
CN111489073A (zh) 一种基于分类算法的用户用电廉情预警方法
CN110991985A (zh) 一种项目进度数据处理方法
CN111612019A (zh) 一种基于大数据模型对智能电表故障异常辨识分析的方法
CN114662563A (zh) 一种基于梯度提升算法的工业用电非侵入负荷分解方法
CN113392910A (zh) 一种判断违约用电与窃电的多维度智能分析经验算法和分类算法
CN116402187A (zh) 一种基于电力大数据的企业排污预测方法
CN115293257A (zh) 一种针对异常用电用户的检测方法及***
CN112015724A (zh) 一种对电力运营数据计量异常进行分析的方法
CN111178690A (zh) 基于风控评分卡模型的用电客户窃电风险评估方法
CN112488361A (zh) 一种基于大数据的台区低电压预测方法及装置
CN117034115A (zh) 一种基于CNN-Bagging的窃电检测方法及***
CN111506636A (zh) 一种基于自回归和近邻算法的居民用电行为分析的***及方法
CN114372835B (zh) 综合能源服务潜力客户识别方法、***及计算机设备
Wang et al. Application of clustering technique to electricity customer classification for load forecasting
CN116205528A (zh) 基于施工场地电力数据的违规施工辨识方法和***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination