CN116433402A - 用户电费自动化销账的分析处理装置、方法和存储介质 - Google Patents
用户电费自动化销账的分析处理装置、方法和存储介质 Download PDFInfo
- Publication number
- CN116433402A CN116433402A CN202310422532.3A CN202310422532A CN116433402A CN 116433402 A CN116433402 A CN 116433402A CN 202310422532 A CN202310422532 A CN 202310422532A CN 116433402 A CN116433402 A CN 116433402A
- Authority
- CN
- China
- Prior art keywords
- user
- charge data
- electricity charge
- data
- user electricity
- 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.)
- Granted
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 213
- 238000004458 analytical method Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 title claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 59
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 230000005856 abnormality Effects 0.000 claims abstract description 15
- 238000013450 outlier detection Methods 0.000 claims description 70
- 238000012300 Sequence Analysis Methods 0.000 claims description 61
- 238000012937 correction Methods 0.000 claims description 33
- 238000003672 processing method Methods 0.000 claims description 10
- 238000012731 temporal analysis Methods 0.000 claims description 10
- 238000000700 time series analysis Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000009191 jumping Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241001123248 Arma Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用户电费自动化销账的分析处理装置、方法和存储介质，方法包括步骤1，***获取第一用户电费数据，第一用户电费数据包括用户电量、电费单价和获取用户电费数据时间；步骤2，将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常；步骤3，发生异常的第一用户电费数据调整为第二用户电费数据，将第一用户电费数据、第二用户电费数据输入判断模型，判断第二用户电费数据的合理程度；步骤4，计算第一用户电费数据和第三用户电费数据的用户应扣电费，并将用户应扣电费进行销账。本发明可以快速找出异常数据，对于正常的电费数据进行销账，提高了用户电费自动化销账的效率。
Description
技术领域
本发明涉及电力***电费管理技术领域，尤其是指用户电费自动化销账的分析处理装置、方法和存储介质。
背景技术
目前，随着各个地区的经济发展，其配套的电网建设也随之跟进，现有的用户电费自动化销账过程一般为收到电费账单后，根据电费账单的电费对指定对应的缴费账户扣款，扣款结果文件与电费账单信息核准无误后，记录电费资金的到账时间信息，进行电费销账。但是这次自动化销账的过程默认电费账单为正确无误的，对于异常的电费账单没有辨别能力，如果对于异常的电费账单进行销账，就可能会造成电力公司或者用户的损失，影响了用户的使用体验，同时对错误的销账过程还需要通过人工进行检查更正，费时费力。
发明内容
本发明的目的是克服现有技术中的用户电费自动化销账过程中无法对电费账单是否正确进行辨别，对于异常的电费账单进行销账，就可能会造成电力公司或者用户的损失，影响了用户的使用体验的缺点，提供一种用户电费自动化销账的分析处理装置、方法和存储介质，通过该用户电费自动化销账的分析处理装置、方法和存储介质可以对于快速准确的辨别异常电费账单，防止异常电费账单销账影响用户使用体验。
本发明的目的是通过下述技术方案予以实现：
用户电费自动化销账的分析处理方法，包括以下步骤：
步骤1，***获取第一用户电费数据，第一用户电费数据包括用户电量、电费单价和获取用户电费数据时间；
步骤2，将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常，如果发生异常，则跳转至步骤3，如果未发生异常，则跳转至步骤4；
步骤3，发生异常的第一用户电费数据调整为第二用户电费数据，将第一用户电费数据、第二用户电费数据输入判断模型，判断第二用户电费数据的合理程度，若第二用户电费数据的合理程度超过设定的第一阈值，则将第二用户电费数据调整为第三用户电费数据；
步骤4，计算第一用户电费数据和第三用户电费数据的用户应扣电费，并将用户应扣电费进行销账，将第二用户电费数据生成异常报告提醒相关操作人员。
作为优选，所述的异常检测模型为时间序列分析模型，所述的步骤2中将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常具体为：
将第一用户电费数据输入时间序列分析模型，时间序列分析模型获取该第一用户电费数据对应的用户的历史数据，并通过用户的历史数据判断该用户电量的变化周期和变化趋势对未来用户电量进行预测，将第一用户电费数据的用户电量与时间匹配的未来用户电量进行比较，若超过设定的第二阈值，则判断第一用户电费数据发生异常；
或所述的异常检测模型为离群点检测模型，所述的步骤2中将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常具体为：
将第一用户电费数据输入离群点检测模型，离群点检测模型获取该第一用户电费数据对应的用户的历史数据，计算历史数据的用户平均电量，然后离群点检测模型根据用户平均电量设定用户电量上容忍值和用户电量下容忍值，若第一用户电费数据的用户电量超过用户电量上容忍值或不超过用户电量下容忍值，则判断第一用户电费数据发生异常。
作为优选，所述的步骤3中，所述的判断第二用户电费数据的合理程度具体为：若异常检测模型为时间序列分析模型，则判断模型为离群点检测模型，计算第二用户电费数据的用户电量在时间序列分析模型结果中与正常用户电量范围的偏离度，然后计算第二用户电费数据的用户电量在离群点检测模型中与正常用户电量范围的偏离度，则第二用户电费数据的合理程度为：
R＝α·ETsam+β·EOdm
其中R为电费数据的合理程度，ETsam为时间序列分析模型结果中与正常用户电量范围的偏离度，EOdm为离群点检测模型中与正常用户电量范围的偏离度，α为时间序列分析模型重要性的修正系数，β为离群点检测模型重要性的修正系数。
作为优选，所述的步骤3中，所述的判断第二用户电费数据的合理程度具体为：若异常检测模型为离群点检测模型，则判断模型为时间序列分析模型，计算第二用户电费数据的用户电量在离群点检测模型结果中与正常用户电量范围的偏离度，然后计算第二用户电费数据的用户电量在时间序列分析模型中与正常用户电量范围的偏离度，则第二用户电费数据的合理程度为：
R＝α·EOdm+β·ETsam
其中R为电费数据的合理程度，ETsam为时间序列分析模型结果中与正常用户电量范围的偏离度，EOdm为离群点检测模型中与正常用户电量范围的偏离度，α为离群点检测模型重要性的修正系数，β为时间序列分析模型重要性的修正系数。
作为优选，所述的时间序列分析模型重要性的修正系数和离群点检测模型重要性的修正系数通过训练模型进行动态更新，具体为：
获取时间序列分析模型的分析结果，包括分析结果正确的第一正常用户电费数据和第一异常用户电费数据，分析结果错误的第二正常用户电费数据和第二异常用户电费数据；
获取离群点检测模型的分析结果，包括分析结果正确的第一正常用户电费数据和第一异常用户电费数据，分析结果错误的第二正常用户电费数据和第二异常用户电费数据；
若在时间序列分析模型中的分析结果错误的第二正常用户电费数据是在离群点检测模型中分析结果正确的第一异常用户电费数据，则时间序列分析模型重要性的修正系数降低M1，若在时间序列分析模型中的分析结果错误的第二异常用户电费数据是在离群点检测模型中分析结果正确的第一正常用户电费数据，则时间序列分析模型重要性的修正系数降低N1，M1、N1均为比例系数且M1大于N1；
若在离群点检测模型的分析结果错误的第二正常用户电费数据是在时间序列分析模型中分析结果正确的第一异常用户电费数据，则离群点检测模型重要性的修正系数降低M2，若在离群点检测模型中的分析结果错误的第二异常用户电费数据是在时间序列分析模型中分析结果正确的第一正常用户电费数据，则离群点检测模型重要性的修正系数降低N2，M2、N2均为比例系数且M2大于N2。
作为优选，用户电费自动化销账的分析处理方法还对正常用户电量范围通过历史数据进行更新，具体为：
在时间序列分析模型中，对历史数据以获取用户电费数据时间为横坐标，用户电量值为纵坐标构建拟合曲线，设定合理范围为S*(1±r)，S为拟合曲线的值，r为修正的百分比系数，对于某一个超过合理范围的用户电量值，获取该用户电量值对应的拟合曲线的值，计算该拟合曲线在该时间点的切线斜率，若该拟合曲线在该时间点的切线斜率的绝对值不超过所有其他剩余时间点的切线斜率绝对值中的最大值的120％，则保留该用户电量值，r值增加，若该拟合曲线在该时间点的切线斜率的绝对值超过所有其他剩余时间点的切线斜率绝对值中的最大值的120％，则删除该用户电量值，重新构建拟合曲线，r值不变。
作为优选，用户电费自动化销账的分析处理方法还对还对正常用户电量范围通过历史数据进行更新，具体为：
在离群点检测模型中，设定用电量范围为[a,b]，设定某一个超过初始用电量范围的用户电量值为待定用户电量值，寻找在该待定用户电量值后设定的时间范围内其他用户电量值，若其他用户电量值中有至少两个用户电量值的数值与待定用户电量值之间的差距在设定的范围内，则该待定用户电量值对应的数值重新定义为为用电量范围的上限或下限，若其他用户电量值中至多一个用户电量值的数值与待定用户电量值之间的差距在设定的范围内，则用电量范围不变。
用户电费自动化销账的分析处理装置，包括：
数据收集模块，用于获取第一用户电费数据，并将第一用户电费数据发送至数据分析模块；数据分析模块，用于对第一用户电费数据进行分析，找出异常数据；
数据判断模块，用于对异常数据进行判断，对于部分异常数据根据判断恢复为正常数据；扣费销账模块，获取正常用户电费数据并进行扣费销账。
存储介质，存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现所述的用户电费自动化销账的分析处理方法。
本发明的有益效果是：本发明将用户电费数据通过异常检测模型进行检测，可以快速找出异常数据，对于正常的电费数据进行销账，对于异常的电费数据生成异常报告提醒相关操作人员，提高了用户电费自动化销账的效率，防止对于错误的用户电费进行销账影响用户的使用体验；
本发明对于异常的电费数据具有较好的鉴别能力，对于初步检测为异常的电费数据可以进行进一步的筛选，找出里面的正常的电费数据，进一步提高了检测异常的电费数据的准确性；本发明对于异常检测模型还进行动态更新，通过数据对异常检测模型进行训练，进一步提升了异常检测模型的有效性。
本发明巧妙的对时间序列分析模型和离群点检测模型进行关联分析，互相作用提高对方模型的性能，两者共同作用进一步提高了异常的电费数据的检测准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明的一种流程图。
具体实施方式
下面结合附图和实施例对本发明进一步描述。
实施例：
用户电费自动化销账的分析处理方法，如图1所示，包括以下步骤：
步骤1，***获取第一用户电费数据，第一用户电费数据包括用户电量、电费单价和获取用户电费数据时间；
步骤2，将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常，如果发生异常，则跳转至步骤3，如果未发生异常，则跳转至步骤4；
步骤3，发生异常的第一用户电费数据调整为第二用户电费数据，将第一用户电费数据、第二用户电费数据输入判断模型，判断第二用户电费数据的合理程度，若第二用户电费数据的合理程度超过设定的第一阈值，则将第二用户电费数据调整为第三用户电费数据；
步骤4，计算第一用户电费数据和第三用户电费数据的用户应扣电费，并将用户应扣电费进行销账，将第二用户电费数据生成异常报告提醒相关操作人员。
所述的异常检测模型为时间序列分析模型，所述的步骤2中将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常具体为：
将第一用户电费数据输入时间序列分析模型，时间序列分析模型获取该第一用户电费数据对应的用户的历史数据，并通过用户的历史数据判断该用户电量的变化周期和变化趋势对未来用户电量进行预测，将第一用户电费数据的用户电量与时间匹配的未来用户电量进行比较，若超过设定的第二阈值，则判断第一用户电费数据发生异常；
或所述的异常检测模型为离群点检测模型，所述的步骤2中将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常具体为：
将第一用户电费数据输入离群点检测模型，离群点检测模型获取该第一用户电费数据对应的用户的历史数据，计算历史数据的用户平均电量，然后离群点检测模型根据用户平均电量设定用户电量上容忍值和用户电量下容忍值，若第一用户电费数据的用户电量超过用户电量上容忍值或不超过用户电量下容忍值，则判断第一用户电费数据发生异常。
时间序列分析是根据***观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。一般采用曲线拟合和参数估计方法(如非线性最小二乘法)进行。本实施例中，时间序列分析模型可以是ARMA模型。
离群点检测是找出其行为不同于预期对象的过程，这种对象称为离群点或异常。本实施例运用常规离群点检测方法或DBScan聚类作为离群点的检测方法，DBScan是一种将数据分组的聚类算法。它也可以作为一种基于密度的异常检测方法，无论是单维数据还是多维数据。
在本实施例中，可以显而易见得出的是，若异常检测模型为时间序列分析模型，则判断模型为离群点检测模型，相反地，若异常检测模型为离群点检测模型，则判断模型为时间序列分析模型。对于用户电费数据，即符合时间序列分析模型通过历史数据对当前数据的预测来判断，又负荷离群点检测对当前数据来判断，因此本实施例巧妙的对时间序列分析模型和离群点检测模型进行关联分析，互相作用提高对方模型的性能，两者共同作用进一步提高了异常的电费数据的检测准确性。
所述的步骤3中，所述的判断第二用户电费数据的合理程度具体为：
若异常检测模型为时间序列分析模型，则判断模型为离群点检测模型，计算第二用户电费数据的用户电量在时间序列分析模型结果中与正常用户电量范围的偏离度，然后计算第二用户电费数据的用户电量在离群点检测模型中与正常用户电量范围的偏离度，则第二用户电费数据的合理程度为：
R＝α·ETsam+β·EOdm
其中R为电费数据的合理程度，ETsam为时间序列分析模型结果中与正常用户电量范围的偏离度，EOdm为离群点检测模型中与正常用户电量范围的偏离度，α为时间序列分析模型重要性的修正系数，β为离群点检测模型重要性的修正系数。
所述的步骤3中，所述的判断第二用户电费数据的合理程度具体为：
若异常检测模型为离群点检测模型，则判断模型为时间序列分析模型，计算第二用户电费数据的用户电量在离群点检测模型结果中与正常用户电量范围的偏离度，然后计算第二用户电费数据的用户电量在时间序列分析模型中与正常用户电量范围的偏离度，则第二用户电费数据的合理程度为：
R＝α·EOdm+β·ETsam
其中R为电费数据的合理程度，ETsam为时间序列分析模型结果中与正常用户电量范围的偏离度，EOdm为离群点检测模型中与正常用户电量范围的偏离度，α为离群点检测模型重要性的修正系数，β为时间序列分析模型重要性的修正系数。
由于用户电量在实际的使用过程中可能会与平均值或以前的电量产生一定的偏差，导致用户电费数据的异常，这不一定是用户电费数据的记录错误而是正常的用户电量的波动范围，因此，本实施例中考虑了第二用户电费数据的合理程度，对于合理的用户电费数据仍然判断为正常的电费数据，进而进行电费扣费。在本实施例中，时间序列分析模型结果中与正常用户电量范围的偏离度的用比值计算或具体差值计算，离群点检测模型中与正常用户电量范围的偏离度通过用户电量的具体差值计算，或用通过聚类后与聚类中心的欧式距离进行计算。
所述的时间序列分析模型重要性的修正系数和离群点检测模型重要性的修正系数通过训练模型进行动态更新，具体为：
获取时间序列分析模型的分析结果，包括分析结果正确的第一正常用户电费数据和第一异常用户电费数据，分析结果错误的第二正常用户电费数据和第二异常用户电费数据；
获取离群点检测模型的分析结果，包括分析结果正确的第一正常用户电费数据和第一异常用户电费数据，分析结果错误的第二正常用户电费数据和第二异常用户电费数据；
若在时间序列分析模型中的分析结果错误的第二正常用户电费数据是在离群点检测模型中分析结果正确的第一异常用户电费数据，则时间序列分析模型重要性的修正系数降低M1，若在时间序列分析模型中的分析结果错误的第二异常用户电费数据是在离群点检测模型中分析结果正确的第一正常用户电费数据，则时间序列分析模型重要性的修正系数降低N1，M1、N1均为比例系数且M1大于N1；
若在离群点检测模型的分析结果错误的第二正常用户电费数据是在时间序列分析模型中分析结果正确的第一异常用户电费数据，则离群点检测模型重要性的修正系数降低M2，若在离群点检测模型中的分析结果错误的第二异常用户电费数据是在时间序列分析模型中分析结果正确的第一正常用户电费数据，则离群点检测模型重要性的修正系数降低N2，M2、N2均为比例系数且M2大于N2。
本实施例中对于时间序列分析模型重要性的修正系数和离群点检测模型重要性的修正系数进行动态更新，通过两个模型之间的互相作为参考，对于修正系数可以进行灵活调整，在进行训练时，可以通过已经确定的异常用户电费数据来判断时间序列分析模型和离群点检测模型是否判断正常，对于出现错误判断的模型，则可降低其修正系数，确保最终合理程度的有效性。
用户电费自动化销账的分析处理方法还对正常用户电量范围通过历史数据进行更新，具体为：
在时间序列分析模型中，对历史数据以获取用户电费数据时间为横坐标，用户电量值为纵坐标构建拟合曲线，设定合理范围为S*(1±r)，S为拟合曲线的值，r为修正的百分比系数，对于某一个超过合理范围的用户电量值，获取该用户电量值对应的拟合曲线的值，计算该拟合曲线在该时间点的切线斜率，若该拟合曲线在该时间点的切线斜率的绝对值不超过所有其他剩余时间点的切线斜率绝对值中的最大值的120％，则保留该用户电量值，r值增加，若该拟合曲线在该时间点的切线斜率的绝对值超过所有其他剩余时间点的切线斜率绝对值中的最大值的120％，则删除该用户电量值，重新构建拟合曲线，r值不变。
用户电费自动化销账的分析处理方法还对还对正常用户电量范围通过历史数据进行更新，具体为：
在离群点检测模型中，设定用电量范围为[a,b]，设定某一个超过初始用电量范围的用户电量值为待定用户电量值，寻找在该待定用户电量值后设定的时间范围内其他用户电量值，若其他用户电量值中有至少两个用户电量值的数值与待定用户电量值之间的差距在设定的范围内，则该待定用户电量值对应的数值重新定义为为用电量范围的上限或下限，若其他用户电量值中至多一个用户电量值的数值与待定用户电量值之间的差距在设定的范围内，则用电量范围不变。
用户电费自动化销账的分析处理装置，包括：
数据收集模块，用于获取第一用户电费数据，并将第一用户电费数据发送至数据分析模块；数据分析模块，用于对第一用户电费数据进行分析，找出异常数据；
数据判断模块，用于对异常数据进行判断，对于部分异常数据根据判断恢复为正常数据；扣费销账模块，获取正常用户电费数据并进行扣费销账。
存储介质，存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现所述的用户电费自动化销账的分析处理方法。
其中，存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在存储介质中。设备的至少一个处理器可以从存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application Specific Integrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
除上述实施例外，本发明还可以有其他实施方式；凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。
Claims (9)
1.用户电费自动化销账的分析处理方法，其特征是，包括以下步骤：
步骤1，***获取第一用户电费数据，第一用户电费数据包括用户电量、电费单价和获取用户电费数据时间；
步骤2，将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常，如果发生异常，则跳转至步骤3，如果未发生异常，则跳转至步骤4；
步骤3，发生异常的第一用户电费数据调整为第二用户电费数据，将第一用户电费数据、第二用户电费数据输入判断模型，判断第二用户电费数据的合理程度，若第二用户电费数据的合理程度超过设定的第一阈值，则将第二用户电费数据调整为第三用户电费数据；
步骤4，计算第一用户电费数据和第三用户电费数据的用户应扣电费，并将用户应扣电费进行销账，将第二用户电费数据生成异常报告提醒相关操作人员。
2.根据权利要求1所述的用户电费自动化销账的分析处理方法，其特征是，所述的异常检测模型为时间序列分析模型，所述的步骤2中将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常具体为：
将第一用户电费数据输入时间序列分析模型，时间序列分析模型获取该第一用户电费数据对应的用户的历史数据，并通过用户的历史数据判断该用户电量的变化周期和变化趋势对未来用户电量进行预测，将第一用户电费数据的用户电量与时间匹配的未来用户电量进行比较，若超过设定的第二阈值，则判断第一用户电费数据发生异常；
或所述的异常检测模型为离群点检测模型，所述的步骤2中将第一用户电费数据输入异常检测模型，判断第一用户电费数据是否发生异常具体为：
将第一用户电费数据输入离群点检测模型，离群点检测模型获取该第一用户电费数据对应的用户的历史数据，计算历史数据的用户平均电量，然后离群点检测模型根据用户平均电量设定用户电量上容忍值和用户电量下容忍值，若第一用户电费数据的用户电量超过用户电量上容忍值或不超过用户电量下容忍值，则判断第一用户电费数据发生异常。
3.根据权利要求2所述的用户电费自动化销账的分析处理方法，其特征是，所述的步骤3中，所述的判断第二用户电费数据的合理程度具体为：
若异常检测模型为时间序列分析模型，则判断模型为离群点检测模型，计算第二用户电费数据的用户电量在时间序列分析模型结果中与正常用户电量范围的偏离度，然后计算第二用户电费数据的用户电量在离群点检测模型中与正常用户电量范围的偏离度，则第二用户电费数据的合理程度为：
R＝α·ETsam+β·EOdm
其中R为电费数据的合理程度，ETsam为时间序列分析模型结果中与正常用户电量范围的偏离度，EOdm为离群点检测模型中与正常用户电量范围的偏离度，α为时间序列分析模型重要性的修正系数，β为离群点检测模型重要性的修正系数。
4.根据权利要求2所述的用户电费自动化销账的分析处理方法，其特征是，所述的步骤3中，所述的判断第二用户电费数据的合理程度具体为：
若异常检测模型为离群点检测模型，则判断模型为时间序列分析模型，计算第二用户电费数据的用户电量在离群点检测模型结果中与正常用户电量范围的偏离度，然后计算第二用户电费数据的用户电量在时间序列分析模型中与正常用户电量范围的偏离度，则第二用户电费数据的合理程度为：
R＝α·EOdm+β·ETsam
其中R为电费数据的合理程度，ETsam为时间序列分析模型结果中与正常用户电量范围的偏离度，EOdm为离群点检测模型中与正常用户电量范围的偏离度，α为离群点检测模型重要性的修正系数，β为时间序列分析模型重要性的修正系数。
5.根据权利要求3或4所述的用户电费自动化销账的分析处理方法，其特征是，所述的时间序列分析模型重要性的修正系数和离群点检测模型重要性的修正系数通过训练模型进行动态更新，具体为：
获取时间序列分析模型的分析结果，包括分析结果正确的第一正常用户电费数据和第一异常用户电费数据，分析结果错误的第二正常用户电费数据和第二异常用户电费数据；
获取离群点检测模型的分析结果，包括分析结果正确的第一正常用户电费数据和第一异常用户电费数据，分析结果错误的第二正常用户电费数据和第二异常用户电费数据；
若在时间序列分析模型中的分析结果错误的第二正常用户电费数据是在离群点检测模型中分析结果正确的第一异常用户电费数据，则时间序列分析模型重要性的修正系数降低M1，若在时间序列分析模型中的分析结果错误的第二异常用户电费数据是在离群点检测模型中分析结果正确的第一正常用户电费数据，则时间序列分析模型重要性的修正系数降低N1，M1、N1均为比例系数且M1大于N1；
若在离群点检测模型的分析结果错误的第二正常用户电费数据是在时间序列分析模型中分析结果正确的第一异常用户电费数据，则离群点检测模型重要性的修正系数降低M2，若在离群点检测模型中的分析结果错误的第二异常用户电费数据是在时间序列分析模型中分析结果正确的第一正常用户电费数据，则离群点检测模型重要性的修正系数降低N2，M2、N2均为比例系数且M2大于N2。
6.根据权利要求3或4所述的用户电费自动化销账的分析处理方法，其特征是，还对正常用户电量范围通过历史数据进行更新，具体为：
在时间序列分析模型中，对历史数据以获取用户电费数据时间为横坐标，用户电量值为纵坐标构建拟合曲线，设定合理范围为S*(1±r)，S为拟合曲线的值，r为修正的百分比系数，对于某一个超过合理范围的用户电量值，获取该用户电量值对应的拟合曲线的值，计算该拟合曲线在该时间点的切线斜率，若该拟合曲线在该时间点的切线斜率的绝对值不超过所有其他剩余时间点的切线斜率绝对值中的最大值的120％，则保留该用户电量值，r值增加，若该拟合曲线在该时间点的切线斜率的绝对值超过所有其他剩余时间点的切线斜率绝对值中的最大值的120％，则删除该用户电量值，重新构建拟合曲线，r值不变。
7.根据权利要求3或4所述的用户电费自动化销账的分析处理方法，其特征是，还对还对正常用户电量范围通过历史数据进行更新，具体为：
在离群点检测模型中，设定用电量范围为[a,b]，设定某一个超过初始用电量范围的用户电量值为待定用户电量值，寻找在该待定用户电量值后设定的时间范围内其他用户电量值，若其他用户电量值中有至少两个用户电量值的数值与待定用户电量值之间的差距在设定的范围内，则该待定用户电量值对应的数值重新定义为为用电量范围的上限或下限，若其他用户电量值中至多一个用户电量值的数值与待定用户电量值之间的差距在设定的范围内，则用电量范围不变。
8.用户电费自动化销账的分析处理装置，其特征是，包括：
数据收集模块，用于获取第一用户电费数据，并将第一用户电费数据发送至数据分析模块；
数据分析模块，用于对第一用户电费数据进行分析，找出异常数据；
数据判断模块，用于对异常数据进行判断，对于部分异常数据根据判断恢复为正常数据；
扣费销账模块，获取正常用户电费数据并进行扣费销账。
9.存储介质，其特征是，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现权利要求1至7任意一项权利要求所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310422532.3A CN116433402B (zh) | 2023-04-11 | 2023-04-11 | 用户电费自动化销账的分析处理装置、方法和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310422532.3A CN116433402B (zh) | 2023-04-11 | 2023-04-11 | 用户电费自动化销账的分析处理装置、方法和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116433402A true CN116433402A (zh) | 2023-07-14 |
| CN116433402B CN116433402B (zh) | 2024-03-08 |
Family
ID=87094142
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310422532.3A Active CN116433402B (zh) | 2023-04-11 | 2023-04-11 | 用户电费自动化销账的分析处理装置、方法和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116433402B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140358838A1 (en) * | 2013-06-04 | 2014-12-04 | International Business Machines Corporation | Detecting electricity theft via meter tampering using statistical methods |
| CN105630885A (zh) * | 2015-12-18 | 2016-06-01 | 国网福建省电力有限公司泉州供电公司 | 一种用电异常检测方法及*** |
| US20180330250A1 (en) * | 2017-05-09 | 2018-11-15 | Nec Laboratories America, Inc. | Energy management system with intelligent anomaly detection and prediction |
| CN113723861A (zh) * | 2021-09-13 | 2021-11-30 | 南方电网数字电网研究院有限公司 | 异常用电行为检测方法、装置、计算机设备和存储介质 |
| CN114328625A (zh) * | 2021-12-29 | 2022-04-12 | 深圳供电局有限公司 | 一种电费数据的复筛方法及*** |
| CN115905319A (zh) * | 2022-11-16 | 2023-04-04 | 国网山东省电力公司营销服务中心(计量中心) | 一种海量用户电费异常的自动识别方法及*** |
-
2023
- 2023-04-11 CN CN202310422532.3A patent/CN116433402B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140358838A1 (en) * | 2013-06-04 | 2014-12-04 | International Business Machines Corporation | Detecting electricity theft via meter tampering using statistical methods |
| CN105630885A (zh) * | 2015-12-18 | 2016-06-01 | 国网福建省电力有限公司泉州供电公司 | 一种用电异常检测方法及*** |
| US20180330250A1 (en) * | 2017-05-09 | 2018-11-15 | Nec Laboratories America, Inc. | Energy management system with intelligent anomaly detection and prediction |
| CN113723861A (zh) * | 2021-09-13 | 2021-11-30 | 南方电网数字电网研究院有限公司 | 异常用电行为检测方法、装置、计算机设备和存储介质 |
| CN114328625A (zh) * | 2021-12-29 | 2022-04-12 | 深圳供电局有限公司 | 一种电费数据的复筛方法及*** |
| CN115905319A (zh) * | 2022-11-16 | 2023-04-04 | 国网山东省电力公司营销服务中心(计量中心) | 一种海量用户电费异常的自动识别方法及*** |
Non-Patent Citations (2)
| Title |
|---|
| 王新娜;郝宁;郑爽;郭晨晨;: "基于水平迁移侦测的异常用电在线分析方法", 电气自动化, no. 06, 30 November 2016 (2016-11-30), pages 108 * |
| 王新娜;郝宁;郑爽;郭晨晨;: "基于水平迁移侦测的异常用电在线分析方法", 电气自动化, no. 06, pages 108 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116433402B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109034244B (zh) | 基于电量曲线特征模型的线损异常诊断方法及装置 | |
| CN104811344A (zh) | 网络动态业务监控方法及装置 | |
| CN112565422B (zh) | 一种对电力物联网故障数据的识别方法、***和存储介质 | |
| CN117076894B (zh) | 供应链风险全过程监测防控管理方法及管理*** | |
| CN116258484B (zh) | 设备的预测性运维方案生成方法、装置、终端设备和介质 | |
| CN113723861A (zh) | 异常用电行为检测方法、装置、计算机设备和存储介质 | |
| CN113011899A (zh) | 一种企业信用评价方法、装置、设备及计算机存储介质 | |
| CN114662602A (zh) | 一种离群点检测方法、装置、电子设备及存储介质 | |
| CN116433402B (zh) | 用户电费自动化销账的分析处理装置、方法和存储介质 | |
| CN116434425B (zh) | 电费数据采集方法、采集设备及存储介质 | |
| CN114721326B (zh) | 基于深度学习算法的营销稽查信息处理方法及装置 | |
| CN112132672A (zh) | 对账方法及装置 | |
| CN109857816B (zh) | 测试样本的选取方法及装置、存储介质、电子设备 | |
| CN116228225A (zh) | 一种在线充值自动匹配钱包的匹配方法和*** | |
| CN116304935A (zh) | 一种异常数据检测方法、装置及电子设备 | |
| CN114037285A (zh) | 一种配网自动化应用成效分析方法及相关*** | |
| CN115130577A (zh) | 一种欺诈号码识别方法、装置及电子设备 | |
| CN111835281B (zh) | 一种太阳能充电故障的检测方法、装置及可读存储介质 | |
| CN113743532B (zh) | 异常检测方法、装置、设备及计算机存储介质 | |
| CN116777305B (zh) | 电力数据质量提升方法、装置、电子设备及存储介质 | |
| CN116843489B (zh) | 基于多***联动的工程财务核算方法及*** | |
| CN110880101A (zh) | 数据处理方法、装置、服务器及其存储介质 | |
| CN114648025B (zh) | 基于电力领域多维度演化图的电网数据处理方法及*** | |
| US20030074308A1 (en) | System and method for optimizing collection from skip accounts | |
| CN116861101B (zh) | 用于社交匹配的数据处理方法和装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |