CN110070256B - 基于critic方法的零电量用户排查优先度权重计算方法 - Google Patents

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

基于CRITIC方法的零电量用户排查优先度权重计算方法

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ρ_i，设定反映用户用电趋势的拟合系数阈值ρ₀，对于ρ_i＜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ρ_i＜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；z_ij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Z_ij和Z_ik(1≤i≤N)，其中j∈{1,2,...,M}，k∈{1,2,...,M}；假设X_jR和X_kR分别为Z_ij和Z_ik在/>和的排序值，则X_jR和X_kR对应排序值变量可以搭配组成变量对的集合，X_R该变量对集合的第i个变量对为(X_jR,X_kR)；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；N_cc和N_dc分别表示变量对的集合X_R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ρ_i，设定反映用户用电趋势的拟合系数阈值ρ₀，对于ρ_i＜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；z_ij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Z_ij和Z_ik(1≤i≤N)，其中j∈{1,2,...,M}，k∈{1,2,...,M}。假设X_jR和X_kR分别为Z_ij和Z_ik在/>和的排序值，则X_jR和X_kR对应排序值变量可以搭配组成变量对的集合，X_R该变量对集合的第i个变量对为(X_jR,X_kR)。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；N_cc和N_dc分别表示变量对的集合X_R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 (5)

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；

在步骤2)中，用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ρ_i，设定反映用户用电趋势的拟合系数阈值ρ₀，对于ρ_i<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ρ_i<ρ₀的零电量用户。

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。

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。

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：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，如果基尼系数数值越小，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：N₀为零电量用户的数目；z_ij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Z_ij和Z_ik(1≤i≤N)，其中j∈{1,2,...,M}，k∈{1,2,...,M}；假设X_jR和X_kR分别为Z_ij和Z_ik在/>和/>的排序值，则X_jR和X_kR对应排序值变量可以搭配组成变量对的集合X_R，该变量对集合的第i个变量对为(X_jR,X_kR)；第j个和第k个关键因子之间的肯德尔系数为：

式中：A为常数，其值为N(N-1)/2；N_cc和N_dc分别表示变量对的集合X_R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：

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：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。