CN110070256A - 基于critic方法的零电量用户排查优先度权重计算方法 - Google Patents
基于critic方法的零电量用户排查优先度权重计算方法 Download PDFInfo
- Publication number
- CN110070256A CN110070256A CN201910152874.1A CN201910152874A CN110070256A CN 110070256 A CN110070256 A CN 110070256A CN 201910152874 A CN201910152874 A CN 201910152874A CN 110070256 A CN110070256 A CN 110070256A
- Authority
- CN
- China
- Prior art keywords
- user
- key factor
- zero power
- coefficient
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005303 weighing Methods 0.000 title claims abstract description 15
- 230000005611 electricity Effects 0.000 claims abstract description 62
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 238000005259 measurement Methods 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims description 23
- 238000012216 screening Methods 0.000 claims description 20
- 230000002547 anomalous effect Effects 0.000 claims description 16
- 239000006185 dispersion Substances 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000007717 exclusion Effects 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 2
- 238000011835 investigation Methods 0.000 abstract description 4
- 238000012795 verification Methods 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 description 5
- 238000011002 quantification Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Water Supply & Treatment (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于CRITIC方法的零电量用户排查优先度权重计算方法,涉及一种零电量用户排查优先度权重计算方法。目前,常通过专家经验确定用户排查关键因子权重,不客观。本发明首先,筛选出零电量用户目标群体,从电力系统计量采集系统和营销系统提取用户多源数据;然后,对零电量用户进行预处理,缩小异常用户目标群体;其次,提取这些零电量用户的关键因子;最后,基于CRITIC方法确定各个关键因子的权重,分析各个关键因子对零电量用户发生异常的影响程度。本技术方案有效地降低了零电量用户进行现场核查的工作量,对零电量用户就计量差错或窃电行为存在的可能性大小进行有针对性的轻重缓急排序,且不依赖于专家经验,用户排查关键因子权重的方法客观。
Description
技术领域
本发明涉及一种零电量用户排查优先度权重计算方法,尤其涉及基于CRITIC方法的零电量用户排查优先度权重计算方法。
背景技术
在市场经济迅速发展的当今社会,用电检查环节成为供电企业管理的核心环节。但随着用电客户越来越多,客户用电形式多样化,这些都对供电质量造成了很大的影响,尤其是越来越多的零电量用户的出现,对供电企业营销管理造成了极大影响。各供电公司三个月以上零电量用户数量都不少,例如国网浙江省电力有限公司义乌供电局辖区范围内36万用户中就存在有5万多户零电量用户。对这些零电量用户进行现场核查的工作量巨大,传统无差别的核查方式无法对零电量用户就计量差错或窃电行为存在的可能性大小进行有针对性的轻重缓急排序,后续的监督检查也无从下手。原始的通过专家经验确定用户排查关键因子权重的方法与专家的经验情况直接关联,在一定程度上不够客观。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进,提供基于CRITIC方法的零电量用户排查优先度权重计算方法,以达到客观体现各关键因子权重的目的。为此,本发明采取以下技术方案。
基于CRITIC方法的零电量用户排查优先度权重计算方法,包括以下步骤:
1)筛选出零电量用户目标群体,从电力系统计量采集系统和营销系统提取用户多源数据;
2)基于这些多源数据对零电量用户进行预处理,包括用户日用电量阈值筛选和用户日用电量拟合,缩小异常用户目标群体;
3)提取这些零电量用户的关键因子,包括用户的基本属性、用电量特征、用户所属台区特征和用户异常事件;
4)基于CRITIC方法确定各个关键因子的权重,分析各个关键因子对零电量用户发生异常的影响程度
作为优选技术手段:在步骤2)中,户日用电量阈值筛选包括反向电能量筛选、用电量阈值筛选、用电量趋势筛选;
反向电能量筛选时,如果用户存在反向电量,则该用户极大概率存在“进出线反接”异常,则认为该用户需要进行排查。
用电量阈值筛选时,通过确认用户在15个月的日用电量情况,设定用户日用电量阈值,对15个月内日用电量一直小于阈值的用户进行筛选排除,认为这些用户大概率属于“无人居住”状态;
用电量趋势筛选时,分析零电量用户去年和今年的用电量趋势变化情况,通过线性拟合系数来反映;当前该用户该时期是零电量状态,故今年累加用电量的线性拟合系数为0;对用户去年同期累加电量进行线性拟合,得到第i个用户的的拟合系数为ρi,设定反映用户用电趋势的拟合系数阈值ρ0,对于ρi<ρ0的零电量用户,考虑该用户“季节性用电”的几率较大,出现异常的概率不高,故去除ρi<ρ0的零电量用户。
作为优选技术手段:在步骤3)中,对通过预处理剩下的零电量用户进行分析,综合考虑零电量用户的采集信息和营销信息,其中,用户的基本属性包括用户的电压等级、受电容量、城乡类别信息、电价形式;用户的用电量特征包括用户的用电量同比、环比和离散系数;用户所属台区特征包括用户所在台区线损越限时间占比;用户异常事件包括用户换表时间、现场核抄时间。
作为优选技术手段:在步骤4)中,CRITIC方法是基于评价关键因子的对比强度以及评价关键因子之间的冲突性来确定评价关键因子的客观权重。其中,评价关键因子的对比强度表示的是该关键因子在不同评价对象的取值差异性;评价关键因子之间的冲突性则是用关键因子之间的相关性来衡量。采用基尼系数和肯德尔系数分别来衡量关键因子在不同评价对象的取值差异性和评价关键因子之间的冲突性。
作为优选技术手段:基尼系数用于表征零电量用户关键因子的差异状况;基尼系数数值越大,则表明提取的零电量用户关键因子的差异越大;反之,如果该数值越小,则表明提取的零电量用户关键因子的差异越小;因此,第j个关键因子的基尼指数可以定义为:
式中:N为零电量用户的数目;zij表示为第i个零电量用户的第j个关键因子值。
肯德尔系数是用于衡量多列等级变量相关程度的一种相关系数;对于都具有N个元素的两列变量和其第i个变量值分别为Zij和Zik(1≤i≤N),其中j∈{1,2,...,M},k∈{1,2,...,M};假设XjR和XkR分别为Zij和Zik在和的排序值,则XjR和XkR对应排序值变量可以搭配组成变量对的集合,XR该变量对集合的第i个变量对为(XjR,XkR);第j个和第k个关键因子之间的肯德尔相关系数为:
式中:A为常数,其值为N(N-1)/2;Ncc和Ndc分别表示变量对的集合XR中变量排序值相等的变量对数目和变量值排序值不相等的变量对数目;和分别表示变量和中具有相同变量值的个数;因此,第j个关键因子与其他关键因子的整体肯德尔相关系数定义为:
当关键因子j肯德尔系数为1时,则表明该关键因子与其他关键因子具有一致的等级相关性;而肯德尔系数为0时,则表明该关键因子与其他关键因子是相互独立的;
综合基尼系数和肯德尔系数用于确定各个关键因子的客观权重,即关键因子j的客观权重可以表示为:
作为优选技术手段:在基于选取的用户基本属性、用户用电量特征、用户所属台区特征和用户重要异常事件四个主要特征因素进行数据的预处理后,对缺失关键因子进行填充,并对各个关键因子进行归一化处理,再采用CRITIC权重确立方法确定各个关键因子的权重。
有益效果:
1、本发明通过“反向电量”、“用电量阈值”、“用电量趋势”等筛选方式对零电量用户的状态进行初步判定,可以给出部分零电量用户的成因,缩小了需要进一步判定的零电量用户范围,对于零电量用户排查的初步筛选提供了一种有效的方案。
2、本发明在提取的零电量电力用户排查关键因子的基础上,利用基于纯数据驱动的CRITIC权重方法,来确定各个关键因子的客观权重,体现用户关键因子的重要度,有效地降低了零电量用户进行现场核查的工作量,对零电量用户就计量差错或窃电行为存在的可能性大小进行有针对性的轻重缓急排序,有利于后续的监督检查。且不依赖于专家经验,用户排查关键因子权重的方法客观。
附图说明
图1是本发明的流程图。
图2是部分零电量用户日累积用电量拟合结果。
图3是零电量电力用户关键因子提取结构图。
图4基于CRITIC方法确定的零电量电力用户排查优先度权重结果图。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。
如图1所示,本方法主要采用CRITIC方法来确定零电量电力用户排查关键因子权重,流程图如图1所示。主要步骤如下:
1)筛选出零电量用户目标群体,从电力系统计量采集系统和营销系统提取用户多源数据;
2)基于这些多源数据对零电量用户进行预处理,包括用户日用电量阈值筛选和用户日用电量拟合,缩小异常用户目标群体;
3)提取这些零电量用户的关键因子,包括用户的基本属性、用电量特征、用户所属台区特征和用户异常事件;
4)基于CRITIC方法确定各个关键因子的权重,分析各个关键因子对零电量用户发生异常的影响程度。
以下对各步骤进行详细说明:
1.零电量电力用户排查优先度多源数据搜集
电力营销系统、用电信息采集系统和生产PMS系统等各类业务系统已全面覆盖全部电力用户,用户各类信息的在线化程度越来越高,从频度和维度上对用户进行特征评估和画像的可能性也越来越高,这些系统使得采集用户各类信息数据更为精准便利,可以为本项目提供有效的数据支撑。本项目从营销系统和用电信息采集系统获取零电量用户的用电数据信息。
2.零电量电力用户数据筛选
2.1反向电能量筛选
通过计量采集系统采集的数据,对零电量用户进行判别。如果用户存在反向电量,则该用户极大概率存在“进出线反接”异常,则认为该用户需要进行排查。
2.2用电量阈值筛选
通过确认用户在15个月的日用电量情况,设定用户日用电量阈值,对15个月内日用电量一直小于阈值的用户进行筛选排除,认为这些用户大概率属于“无人居住”状态,排查的必要性不高。
2.3用电量趋势筛选
分析零电量用户去年和今年的用电量趋势变化情况,通过线性拟合系数来反映。由于今年该用户该时期是零电量状态,故今年累加用电量的线性拟合系数为0;对用户去年同期累加电量进行线性拟合,得到第i个用户的的拟合系数为ρi,设定反映用户用电趋势的拟合系数阈值ρ0,对于ρi<ρ0的零电量用户,考虑该用户“季节性用电”的几率较大,出现异常的概率不高。部分用户的拟合结果如图2所示,这些用户的拟合系数如表1所示。
表1部分零电量用户日累计用电量拟合系数
3.零电量电力用户排查优先度关键因子提取
对通过预处理剩下的零电量用户进行分析,综合考虑零电量用户的采集信息和营销信息,选取以下关键因子做为零电量用户排查的关键因子,分为用户基本属性、用户用电量特征、用户所属台区特征和用户重要异常事件四个主要特征因素,如图3所示。其中,用户的基本属性包括用户的电压等级、城乡类别等用户基本属性;用户的用电量特征包括用户的用电量同比、环比和离散系数等用电量特征;用户所属台区特征主要指用户所在台区线损越限时间占比;用户异常事件主要是用户换表时间、现场核抄时间等异常事件。
3.1零电量用户基本属性
用户的基本特征主要包括用户的电压等级、受电容量、城乡类别信息、电价形式,这些属性在一定程度上反映了零电量用户在排查过程中的优先度,如高电压等级用户比低电压等级用户的优先级要高,售电容量高的用户比售电容量低的用户排查优先度高。并利用专家经验对关键因子进行量化。其中,电压等级、居民类型、信用等级的量化方式如表2-表4所示。
表2居民类型的量化方式
表3电压等级的量化方式
表4信用等级的量化方式
3.2零电量用户用电量特征
用户的用电量特征主要选取了用户的用电量同比、环比和离散系数等关键因子,具体含义如表5所示:
表5用户用电量特征
3.3零电量用户所属台区特征
主要从用户所属的台区线损率出发,一个台区中如果出现台区线损波动较大,往往出现窃电现象的可能性大大增加。故以用户所在台区15个月的线损平均值为基准值,计算用户在零电量周期内台区线损超过线损基准值的时间占比,作为用户的台区线损关键因子。
3.4零电量用户重要异常事件
用户的重要异常事件包括用户的最近一次换表时间、电能表开盖时间、最近一次现场核抄时间、最近一次业扩查勘时间等异常事件。设定在基准日期之后未发生过这些异常事件,则关键因子值加1,最后统计这些异常事件发生的次数,做为用户重要异常事件关键因子。
4.采用CRITIC方法确定零电量电力用户关键因子权重
4.1CRITIC方法
CRITIC是一种适用于确定多属性决策问题中属性权重的客观赋权法。该方法是基于评价关键因子的对比强度以及评价关键因子之间的冲突性来确定评价关键因子的客观权重。其中,评价关键因子的对比强度表示的是该关键因子在不同评价对象的取值差异性;评价关键因子之间的冲突性则是用关键因子之间的相关性来衡量。在本文中,采用基尼系数(Gini coefficient)和肯德尔系数(Kendall coefficient)分别来衡量关键因子在不同评价对象的取值差异性(即评价关键因子的对比强度)和评价关键因子之间的冲突性。
基尼系数数值越大,则表明提取的零电量用户关键因子的差异越大;反之,如果该数值越小,则表明提取的零电量用户关键因子的差异越小。因此,第j个关键因子的基尼指数可以定义为:
式中:N为零电量用户的数目;zij表示为第i个零电量用户的第j个关键因子值。
肯德尔系数是用于衡量多列等级变量相关程度的一种相关系数。对于都具有N个元素的两列变量和其第i个变量值分别为Zij和Zik(1≤i≤N),其中j∈{1,2,...,M},k∈{1,2,...,M}。假设XjR和XkR分别为Zij和Zik在和的排序值,则XjR和XkR对应排序值变量可以搭配组成变量对的集合,XR该变量对集合的第i个变量对为(XjR,XkR)。因此,第j个和第k个关键因子之间的肯德尔相关系数可以定义为:
式中:A为常数,其值为N(N-1)/2;Ncc和Ndc分别表示变量对的集合XR中变量排序值相等的变量对数目和变量值排序值不相等的变量对数目;和分别表示变量和中具有相同变量值的个数。因此,第j个关键因子与其他关键因子的整体肯德尔相关系数可以定义为:
当关键因子j肯德尔系数为1时,则表明该关键因子与其他关键因子具有一致的等级相关性;而肯德尔系数为0时,则表明该关键因子与其他关键因子是相互独立的。
从上述可以看出,基尼系数和肯德尔系数分别可以用于衡量评价关键因子的对比强度和评价关键因子之间的冲突性。因此,综合基尼系数和肯德尔系数可以用于确定各个关键因子的客观权重,即关键因子j的客观权重可以表示为:
4.2基于CRITIC方法确定提取的零电量用户关键因子权重
基于选取的用户基本属性、用户用电量特征、用户所属台区特征和用户重要异常事件四个主要特征因素进行数据的预处理,对缺失关键因子进行填充,并对各个关键因子进行归一化处理,部分用户提取的关键因子如表6所示;
表6部分零电量用户的关键因子提取结果
采用CRITIC权重确立方法确定各个关键因子的权重。基于以获取的数据信息,已采用如下关键因子做分析,首先进行归一化处理,然后利用CRITIC法分析用户数据,获取各个关键因子的权重信息如图4所示。
5.零电量电力用户排查优先度关键因子权重结果分析
对CRITIC方法确定的零电量电力用户排查优先度关键因子的权重结果进行分析,可以看出该批次用户的异常事件和电压等级的权重较高,说明该批次用户的异常事件和电压等级对零电量用户排查的影响程度最大;其次是用户所属台区线损、合同容量及用户用电量离散系数对零电量用户排查优先度的影响程度也较大;而用户的信用等级、同比电量和环比电量对用户排查优先度的影响较小。
以上图1所示的基于CRITIC方法的零电量用户排查优先度权重计算方法是本发明的具体实施例,已经体现出本发明实质性特点和进步,可根据实际的使用需要,在本发明的启示下,对其进行形状、结构等方面的等同修改,均在本方案的保护范围之列。
Claims (6)
1.基于CRITIC方法的零电量用户排查优先度权重计算方法,其特征在于包括以下步骤:
1)筛选出零电量用户目标群体,从电力系统计量采集系统和营销系统提取用户多源数据;
2)基于这些多源数据对零电量用户进行预处理,包括用户日用电量阈值筛选和用户日用电量拟合,缩小异常用户目标群体;
3)提取这些零电量用户的关键因子,包括用户的基本属性、用电量特征、用户所属台区特征和用户异常事件;
4)基于CRITIC方法确定各个关键因子的权重,分析各个关键因子对零电量用户发生异常的影响程度。
2.根据权利要求1所述的基于CRITIC方法的零电量用户排查优先度权重计算方法,其特征在于:在步骤2)中,户日用电量阈值筛选包括反向电能量筛选、用电量阈值筛选、用电量趋势筛选;
反向电能量筛选时,如果用户存在反向电量,则该用户极大概率存在“进出线反接”异常,则认为该用户需要进行排查。
用电量阈值筛选时,通过确认用户在15个月的日用电量情况,设定用户日用电量阈值,对15个月内日用电量一直小于阈值的用户进行筛选排除,认为这些用户大概率属于“无人居住”状态;
用电量趋势筛选时,分析零电量用户去年和今年的用电量趋势变化情况,通过线性拟合系数来反映;当前该用户该时期是零电量状态,故今年累加用电量的线性拟合系数为0;对用户去年同期累加电量进行线性拟合,得到第i个用户的的拟合系数为ρi,设定反映用户用电趋势的拟合系数阈值ρ0,对于ρi<ρ0的零电量用户,考虑该用户“季节性用电”的几率较大,出现异常的概率不高,故去除ρi<ρ0的零电量用户。
3.根据权利要求2所述的基于CRITIC方法的零电量用户排查优先度权重计算方法,其特征在于:在步骤3)中,对通过预处理剩下的零电量用户进行分析,综合考虑零电量用户的采集信息和营销信息,其中,用户的基本属性包括用户的电压等级、受电容量、城乡类别信息、电价形式;用户的用电量特征包括用户的用电量同比、环比和离散系数;用户所属台区特征包括用户所在台区线损越限时间占比;用户异常事件包括用户换表时间、现场核抄时间。
4.根据权利要求3所述的基于CRITIC方法的零电量用户排查优先度权重计算方法,其特征在于:在步骤4)中,CRITIC方法是基于评价关键因子的对比强度以及评价关键因子之间的冲突性来确定评价关键因子的客观权重。其中,评价关键因子的对比强度表示的是该关键因子在不同评价对象的取值差异性;评价关键因子之间的冲突性则是用关键因子之间的相关性来衡量。采用基尼系数和肯德尔系数分别来衡量关键因子在不同评价对象的取值差异性和评价关键因子之间的冲突性。
5.根据权利要求4所述的基于CRITIC方法的零电量用户排查优先度权重计算方法,其特征在于:基尼系数用于表征零电量用户关键因子的差异状况;该数值越大,则表明提取的零电量用户关键因子的差异越大;反之,如果该数值越小,则表明提取的零电量用户关键因子的差异越小;因此,第j个关键因子的基尼指数可以定义为:
式中:N为零电量用户的数目;zij表示为第i个零电量用户的第j个关键因子值。
肯德尔系数是用于衡量多列等级变量相关程度的一种相关系数;对于都具有N个元素的两列变量和其第i个变量值分别为Zij和Zik(1≤i≤N),其中j∈{1,2,...,M},k∈{1,2,...,M};假设XjR和XkR分别为Zij和Zik在和的排序值,则XjR和XkR对应排序值变量可以搭配组成变量对的集合,XR该变量对集合的第i个变量对为(XjR,XkR);第j个和第k个关键因子之间的肯德尔相关系数为:
式中:A为常数,其值为N(N-1)/2;Ncc和Ndc分别表示变量对的集合XR中变量排序值相等的变量对数目和变量值排序值不相等的变量对数目;和分别表示变量和中具有相同变量值的个数;因此,第j个关键因子与其他关键因子的整体肯德尔相关系数定义为:
当关键因子j肯德尔系数为1时,则表明该关键因子与其他关键因子具有一致的等级相关性;而肯德尔系数为0时,则表明该关键因子与其他关键因子是相互独立的;
综合基尼系数和肯德尔系数用于确定各个关键因子的客观权重,即关键因子j的客观权重表示为:
6.根据权利要求5所述的基于CRITIC方法的零电量用户排查优先度权重计算方法,其特征在于:在基于选取的用户基本属性、用户用电量特征、用户所属台区特征和用户重要异常事件四个主要特征因素进行数据的预处理后,对缺失关键因子进行填充,并对各个关键因子进行归一化处理,再采用CRITIC权重确立方法确定各个关键因子的权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910152874.1A CN110070256B (zh) | 2019-02-28 | 2019-02-28 | 基于critic方法的零电量用户排查优先度权重计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910152874.1A CN110070256B (zh) | 2019-02-28 | 2019-02-28 | 基于critic方法的零电量用户排查优先度权重计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110070256A true CN110070256A (zh) | 2019-07-30 |
CN110070256B CN110070256B (zh) | 2023-12-08 |
Family
ID=67365968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910152874.1A Active CN110070256B (zh) | 2019-02-28 | 2019-02-28 | 基于critic方法的零电量用户排查优先度权重计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110070256B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111190890A (zh) * | 2019-12-26 | 2020-05-22 | 深圳供电局有限公司 | 用户日用电量数据清洗方法、装置、设备和介质 |
CN111459597A (zh) * | 2020-04-01 | 2020-07-28 | 北京字节跳动网络技术有限公司 | 用户引导的生成方法、装置、电子设备及计算机可读介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101160775B1 (ko) * | 2011-05-17 | 2012-06-28 | 한국전력공사 | 변압기 건전도 평가 시스템 및 그 방법 |
CN103488867A (zh) * | 2013-07-16 | 2014-01-01 | 深圳市航天泰瑞捷电子有限公司 | 一种用电异常用户自动筛选方法 |
CN106384186A (zh) * | 2016-08-26 | 2017-02-08 | 国家电网公司 | 一种分布式新能源并网电能质量监控方法及系统 |
CN106503880A (zh) * | 2016-09-22 | 2017-03-15 | 国网上海市电力公司 | 一种低压集抄系统零电量用户的智能辨识方法 |
CN106711998A (zh) * | 2016-12-08 | 2017-05-24 | 国网浙江杭州市富阳区供电公司 | 一种基于异常持续时间的采集异常紧急程度计算方法 |
CN106845748A (zh) * | 2016-09-22 | 2017-06-13 | 国网上海市电力公司 | 一种低压集抄系统数据偏差原因的智能辨识方法 |
CN107220906A (zh) * | 2017-05-31 | 2017-09-29 | 国网上海市电力公司 | 基于用电采集系统的多时间尺度用电异常分析方法 |
CN107368958A (zh) * | 2017-07-05 | 2017-11-21 | 国网江苏省电力公司电力科学研究院 | 基于主成分分析法的大客户价值评价指标权重确定方法 |
CN107482626A (zh) * | 2017-08-17 | 2017-12-15 | 广东电网有限责任公司惠州供电局 | 一种区域电网关键节点识别方法 |
CN107633050A (zh) * | 2017-09-18 | 2018-01-26 | 安徽蓝杰鑫信息科技有限公司 | 一种基于大数据分析用电行为判定窃电概率的方法 |
WO2018053934A1 (zh) * | 2016-09-22 | 2018-03-29 | 北京国电通网络技术有限公司 | 一种电网中设备预警方法及预警装置 |
CN108198408A (zh) * | 2017-12-08 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 |
US20180349355A1 (en) * | 2017-05-31 | 2018-12-06 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Artificial Intelligence Based Method and Apparatus for Constructing Comment Graph |
-
2019
- 2019-02-28 CN CN201910152874.1A patent/CN110070256B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101160775B1 (ko) * | 2011-05-17 | 2012-06-28 | 한국전력공사 | 변압기 건전도 평가 시스템 및 그 방법 |
CN103488867A (zh) * | 2013-07-16 | 2014-01-01 | 深圳市航天泰瑞捷电子有限公司 | 一种用电异常用户自动筛选方法 |
CN106384186A (zh) * | 2016-08-26 | 2017-02-08 | 国家电网公司 | 一种分布式新能源并网电能质量监控方法及系统 |
WO2018053934A1 (zh) * | 2016-09-22 | 2018-03-29 | 北京国电通网络技术有限公司 | 一种电网中设备预警方法及预警装置 |
CN106503880A (zh) * | 2016-09-22 | 2017-03-15 | 国网上海市电力公司 | 一种低压集抄系统零电量用户的智能辨识方法 |
CN106845748A (zh) * | 2016-09-22 | 2017-06-13 | 国网上海市电力公司 | 一种低压集抄系统数据偏差原因的智能辨识方法 |
CN106711998A (zh) * | 2016-12-08 | 2017-05-24 | 国网浙江杭州市富阳区供电公司 | 一种基于异常持续时间的采集异常紧急程度计算方法 |
CN107220906A (zh) * | 2017-05-31 | 2017-09-29 | 国网上海市电力公司 | 基于用电采集系统的多时间尺度用电异常分析方法 |
US20180349355A1 (en) * | 2017-05-31 | 2018-12-06 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Artificial Intelligence Based Method and Apparatus for Constructing Comment Graph |
CN107368958A (zh) * | 2017-07-05 | 2017-11-21 | 国网江苏省电力公司电力科学研究院 | 基于主成分分析法的大客户价值评价指标权重确定方法 |
CN107482626A (zh) * | 2017-08-17 | 2017-12-15 | 广东电网有限责任公司惠州供电局 | 一种区域电网关键节点识别方法 |
CN107633050A (zh) * | 2017-09-18 | 2018-01-26 | 安徽蓝杰鑫信息科技有限公司 | 一种基于大数据分析用电行为判定窃电概率的方法 |
CN108198408A (zh) * | 2017-12-08 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 |
Non-Patent Citations (8)
Title |
---|
MINAKSHI KUMARI 等: "Single-measure and multi-measure approach of predictive manufacturing control: A comparative study", vol. 127, pages 182 - 195 * |
TANVEER AHMAD等: "Review of various modeling techniques for the detection of electricity theft in smart grid environment", RENEWABLE AND SUSTAINABLE ENERGY REVIEWS, vol. 82, pages 2916 - 2933, XP085314747, DOI: 10.1016/j.rser.2017.10.040 * |
李芙蓉;: "零电量用户智能诊断方法的优化", no. 04, pages 116 * |
沈海涛等: "电力用户用电数据的异常数据审查和分类", 电力与能源, vol. 37, no. 01, pages 17 - 22 * |
王涓等: "应用皮尔逊相关系数算法查找异常电能表用户", 电力需求侧管理, vol. 16, no. 02, pages 52 - 54 * |
赵俊鹏DENG: "基于用电信息采集系统的反窃电风险评估研究与应用", no. 01, pages 24 - 25 * |
陈文瑛等: "应用大数据技术的反窃电分析", 电子测量与仪器学报, vol. 30, no. 10, pages 1558 - 1567 * |
鲍卫东;吴佳佳;: "基于大数据的零电量用户分级管理", no. 1, pages 258 - 259 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111190890A (zh) * | 2019-12-26 | 2020-05-22 | 深圳供电局有限公司 | 用户日用电量数据清洗方法、装置、设备和介质 |
CN111190890B (zh) * | 2019-12-26 | 2024-03-29 | 深圳供电局有限公司 | 用户日用电量数据清洗方法、装置、设备和介质 |
CN111459597A (zh) * | 2020-04-01 | 2020-07-28 | 北京字节跳动网络技术有限公司 | 用户引导的生成方法、装置、电子设备及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110070256B (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097297B (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN110046792A (zh) | 基于雷达图综合评价法的零电量用户排查方法 | |
KR100913125B1 (ko) | 패턴분석을 이용한 전력 수요정보분석 시스템 및 그 방법 | |
CN106447206A (zh) | 基于用电信息采集数据的用电分析方法 | |
CN111860600A (zh) | 一种基于最大相关最小冗余判据的用户用电特征选择方法 | |
CN103678766A (zh) | 一种基于pso算法的异常用电客户检测方法 | |
CN108805443A (zh) | 一种电网性能综合评价方法和系统 | |
CN107221927A (zh) | 一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法 | |
CN107832927B (zh) | 基于灰色关联分析法的10kV线路线变关系评价方法 | |
CN111291076A (zh) | 基于大数据的异常用水监测报警系统及其构建方法 | |
CN108460698A (zh) | 构建专利价值度评价模型的方法和计算机可读存储介质 | |
CN108694462A (zh) | 专利价值度评价方法和计算机可读存储介质 | |
CN111428745A (zh) | 一种基于聚类分析的低压用户用电特征提取方法 | |
CN110070256A (zh) | 基于critic方法的零电量用户排查优先度权重计算方法 | |
Kojury-Naftchali et al. | Identifying susceptible consumers for demand response and energy efficiency policies by time-series analysis and supplementary approaches | |
CN111931992A (zh) | 一种电力负荷预测指标选取方法及装置 | |
CN115994778A (zh) | 多元用户用能行为精细画像方法 | |
Zhou et al. | Study on the distribution characteristics and uncertainty of multiple energy load patterns for building group to enhance demand side management | |
CN113450031A (zh) | 居民智慧用能服务潜在台区选取方法及装置 | |
Chicco et al. | A review of concepts and techniques for emergent customer categorisation | |
CN112950048A (zh) | 基于模糊综合评价的国家高等教育体系健康评价 | |
CN111275337A (zh) | 一种电力市场发展状态评价方法及系统 | |
Chen et al. | Spatial–temporal information model-based load current interval prediction for transmission lines | |
CN101021869A (zh) | 一种数据价值定量评价方法 | |
Ząbkowski et al. | Grade analysis for households segmentation based on energy usage patterns |
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 |