CN111143431B - 一种智能化量费核查与异常识别系统 - Google Patents
一种智能化量费核查与异常识别系统 Download PDFInfo
- Publication number
- CN111143431B CN111143431B CN201911254603.3A CN201911254603A CN111143431B CN 111143431 B CN111143431 B CN 111143431B CN 201911254603 A CN201911254603 A CN 201911254603A CN 111143431 B CN111143431 B CN 111143431B
- Authority
- CN
- China
- Prior art keywords
- data
- charge
- unit
- check
- checking
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 claims abstract description 93
- 230000010354 integration Effects 0.000 claims abstract description 78
- 230000005611 electricity Effects 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000002159 abnormal effect Effects 0.000 claims description 51
- 238000007726 management method Methods 0.000 claims description 40
- 230000006399 behavior Effects 0.000 claims description 28
- 238000010801 machine learning Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 19
- 230000005856 abnormality Effects 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 abstract description 7
- 238000011217 control strategy Methods 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Probability & Statistics with Applications (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种智能化量费核查与异常识别系统，具体涉及电量电费核算领域，包括中央处理器，所述中央处理器连接端设有量费核查模块、数据集成模块和异常分析模块，所述中央处理器输出端设有量费核查应用模块，所述数据集成模块连接端设有数据源模块。本发明通过设置量费核查模块、数据集成模块和异常分析模块，根据用户的历史抄核收信息建模进行量费异常识别分析，最终将量费核查结果及量费异常识别结果进行整合分析，解决量费核查管理模式主要依赖于经验规则的局限性，将量费异常管控精益化做实，精确发现业务管理过程中的电量电费异常，及时调整业务管控策略，实现利用数据分析支撑业务管理的提升。
Description
技术领域
本发明实施例涉及电量电费核算领域，具体涉及一种智能化量费核查与异常识别系统。
背景技术
电量电价是按照实际发生的交易电量计费的电价。在发电上网电价中，指按发电企业上网电量计费的电价；在输、配电价中，指按实际输、配电量计费的电价；在销售电价中，指按用户所用电度数计费的电价。
现有技术存在以下不足：现有的量费核查系统基于数据库进行运算，速度慢，性能差，同时规则阈值设定过于刚性，假异常多，效率低。
发明内容
为此，本发明实施例提供一种智能化量费核查与异常识别系统，通过设置量费核查模块、数据集成模块和异常分析模块，主要通过对营销量费数据及核查规则，进行数据集成及规则拆解灵活配置，进行量费核查，同时根据用户的历史抄核收信息建模进行量费异常识别分析，最终将量费核查结果及量费异常识别结果进行整合分析，解决量费核查管理模式主要依赖于经验规则的局限性，将量费异常管控精益化做实，精确发现业务管理过程中的电量电费异常，及时调整业务管控策略，实现利用数据分析支撑业务管理的提升，通过基于大数据的智能化量费核查与异常识别，可以跳出现有的基于人为经验规则的量费异常识别方法，通过机器学习将AI引入到核查工作中，提高量费异常目标的识别率，提升工作效率，降低人员投入成本，开创大数据驱动数据运营的新局面，借助新一代信息技术构建有效的量费异常过滤排查技术手段，可以最大限度的提高量费异常识别率，减少公司供电收入的损失，实现企业效益的最大化，从整体上提高核查效果，促进量费核查新模式的进一步拓展，由于大部分核查工作由大数据分析完成，这极大减轻了核查人员的工作量，从模式上杜绝了因为人力不足所导致的天价电费事件，对供电企业的社会效益将产生极大的提升，以解决现有技术中由于导致的问题。
为了实现上述目的，本发明实施例提供如下技术方案：一种智能化量费核查与异常识别系统，包括中央处理器，所述中央处理器连接端设有量费核查模块、数据集成模块和异常分析模块，所述中央处理器输出端设有量费核查应用模块，所述数据集成模块连接端设有数据源模块，所述量费核查应用模块连接端设有WEB展示模块，所述量费核查模块包括量费核查结果分析单元、量费核查任务单元、规则单元、标签单元和参数单元，所述异常分析模块包括异常结果分析单元、量费异常识别单元、量费行为分析单元和量费异常分析单元，所述数据集成模块包括数据集成任务管理单元、数据集成程序管理单元和数据集成资源管理单元；
所述数据集成模块用于将量费核查与数据库解耦，把核查需要的原始数据，通过配置数据集成任务，将量费核查用到的数据保存在分布式计算分析平台上，充分利用平台的存储、计算和分析能力，减轻数据库负担；
所述数据集成资源管理单元用于配置并维护营销档案、营销量费核查结果相关的数据源库表相关连接配置信息，配置信息将用于数据集成功能中表的选取；
所述数据集成程序管理单元用于传维护数据集成任务中数据加工处理程序的对应功能包，创建数据集成任务时可以从程序管理列表中选择启用的程序。
所述数据集成任务管理单元用于管理所有数据集成任务，包含读取库表数据生成数据集及运行数据集任务功能包生成数据集，支持单表全量集成及增量集成，支持数据集成任务的执行、任务运行实例日志查看、数据集元数据字段查看，数据集成任务将基础数据同步到分布式计算平台，同时运行对基础数据预处理的程序任务得到预处理数据，集成的数据将用于量费核查、异常分析等功能；
所述量费核查模块用于将核查规则条件进行拆分，将每个条件拆为一个标签，重复条件共用一个标签，条件使用的参数拆出综合管理，可以将多个标签灵活的组合成各种规则，可以根据规则分组及规则启用停用灵活配置量费核查任务，然后根据量费核查任务结果进行结果分析得出结论在应用层处理使用；
所述标签单元用于对业务中出现的问题点进行汇总管理，包括标签名称、问题描述、所属业务、数据来源、标签层次关系等内容，通过对文字规则的拆分将每个条件拆为一个标签，重复条件共用一个标签，对拆分出的所有标签进行分类分组管理，配置好的标签将用于配置规则；
所述参数单元用于对标签中涉及到的可变参数进行管理；
所述规则单元用于根据配置好的标签以流程图的方式自定义配置生成个性化规则，并对配置生成的核查规则进行管理；
所述量费核查任务单元用于管理根据需求选择核查数据集及配置好的规则分组创建的所有量费核查任务，支持量费核查任务的执行及任务运行实例日志查看；
所述量费核查结果分析单元用于通过统一的异常查询服务对所有标签产生的异常进行查询，可以通过标签类别、核查流程、数据集、地区编码、所属业务、异常时间等字段对查询结果进行过滤，并提供多种格式的结果导出，从数据集的维度、核查标签的维度、核查流程角度对异常数据进行分析；
所述异常结果分析单元用于通过用对用户的历史抄核收信息进行统计，采用机器学习算法进行量费行为分析、量费异常分析的特征提取和机器学习建模，通过量费行为分析、量费异常分析及历史异常核查数据进行量费异常识别的特征提取和机器学习建模，对结果和模型进行分析及可视化展示；
所述量费行为分析单元基于预处理后的行为数据，利用分布式计算能力和并行机器学习算法，对用户进行群体划分。由于划分是一种典型的无监督学习方法，因此需要在群体划分识别过程中不断调整参数，并基于运行结果和评价分数进行反复迭代运行，最终生成优化后的建议参数，创建量费行为分析模型；
所述量费异常分析单元通过配置对应的计量点信息、工单信息以及电价代码等历史数据集，并输入任务建模参数等，创建量费异常分析模型；
所述量费异常识别单元用于根据量费行为分析的结果，利用待检验数据，对每一用户群体分别分析量费异常的用户，综合使用多种异常数据检测算法并进行综合评估建模。
进一步地，所述量费核查应用模块用于通过中央处理器对整体的数据进行计算，同时在生活中进行实际应用。
进一步地，所述WEB展示模块用于对量费核查和异常识别的通过WEB进行网络展示。
进一步地，所述数据源模块为数据集成模块提供用户的量费数据，起到数据库的效果。
进一步地，所述规则单元用于通过将核查规则条件进行拆分，将每个条件拆为一个标签，可以将多个标签灵活的组合成各种规则。
进一步地，所述量费异常识别单元利用大数据技术所提供的海量数据处理能力，结合有监督学习和无监督学习等多种不同机器学习方法构建量费异常识别模型，实现电费核查方式的多样化及提高核查的准确性，通过用电行为对客户进行群体划分，实现基于聚类的异常发现模型，对用户的历史抄核收信息进行统计，采用分布分析、极值分析、密度分析等方法识别异常，对历史异常核查数据进行特征提取和机器学习建模，利用神经网络、分类树等方法实现基于有监督学习的异常识别。
本发明实施例具有如下优点：
通过设置量费核查模块、数据集成模块和异常分析模块，主要通过对营销量费数据及核查规则，进行数据集成及规则拆解灵活配置，进行量费核查，同时根据用户的历史抄核收信息建模进行量费异常识别分析，最终将量费核查结果及量费异常识别结果进行整合分析，解决量费核查管理模式主要依赖于经验规则的局限性，将量费异常管控精益化做实，精确发现业务管理过程中的电量电费异常，及时调整业务管控策略，实现利用数据分析支撑业务管理的提升，通过基于大数据的智能化量费核查与异常识别，可以跳出现有的基于人为经验规则的量费异常识别方法，通过机器学习将AI引入到核查工作中，提高量费异常目标的识别率，提升工作效率，降低人员投入成本，开创大数据驱动数据运营的新局面，借助新一代信息技术构建有效的量费异常过滤排查技术手段，可以最大限度的提高量费异常识别率，减少公司供电收入的损失，实现企业效益的最大化，从整体上提高核查效果，促进量费核查新模式的进一步拓展，由于大部分核查工作由大数据分析完成，这极大减轻了核查人员的工作量，从模式上杜绝了因为人力不足所导致的天价电费事件，对供电企业的社会效益将产生极大的提升。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术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示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施例1提供的系统示意图；
图2为本发明实施例1提供的量费核查模块示意图；
图3为本发明实施例1提供的异常分析模块示意图；
图4为本发明实施例1提供的数据集成模块示意图；
图中：1中央处理器、2量费核查模块、3数据集成模块、4异常分析模块、5量费核查应用模块、6数据源模块、7 WEB展示模块、8量费核查结果分析单元、9量费核查任务单元、10规则单元、11标签单元、12参数单元、13异常结果分析单元、14量费异常识别单元、15量费行为分析单元、16量费异常分析单元、17数据集成任务管理单元、18数据集成程序管理单元、19数据集成资源管理单元。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例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。
参照说明书附图1-4，该实施例的一种智能化量费核查与异常识别系统，包括中央处理器1，其特征在于：所述中央处理器1连接端设有量费核查模块2、数据集成模块3和异常分析模块4，所述中央处理器1输出端设有量费核查应用模块5，所述数据集成模块3连接端设有数据源模块6，所述量费核查应用模块5连接端设有WEB展示模块7，所述量费核查模块2包括量费核查结果分析单元8、量费核查任务单元9、规则单元10、标签单元11和参数单元12，所述异常分析模块4包括异常结果分析单元13、量费异常识别单元14、量费行为分析单元15和量费异常分析单元16，所述数据集成模块3包括数据集成任务管理单元17、数据集成程序管理单元18和数据集成资源管理单元19；
所述数据集成模块3用于将量费核查与数据库解耦，把核查需要的原始数据，通过配置数据集成任务，将量费核查用到的数据保存在分布式计算分析平台上，充分利用平台的存储、计算和分析能力，减轻数据库负担；
所述数据集成资源管理单元19用于配置并维护营销档案、营销量费核查结果相关的数据源库表相关连接配置信息，配置信息将用于数据集成功能中表的选取；
所述数据集成程序管理单元18用于传维护数据集成任务中数据加工处理程序的对应功能包，创建数据集成任务时可以从程序管理列表中选择启用的程序。
所述数据集成任务管理单元17用于管理所有数据集成任务，包含读取库表数据生成数据集及运行数据集任务功能包生成数据集，支持单表全量集成及增量集成，支持数据集成任务的执行、任务运行实例日志查看、数据集元数据字段查看，数据集成任务将基础数据同步到分布式计算平台，同时运行对基础数据预处理的程序任务得到预处理数据，集成的数据将用于量费核查、异常分析等功能；
所述量费核查模块2用于将核查规则条件进行拆分，将每个条件拆为一个标签，重复条件共用一个标签，条件使用的参数拆出综合管理，可以将多个标签灵活的组合成各种规则，可以根据规则分组及规则启用停用灵活配置量费核查任务，然后根据量费核查任务结果进行结果分析得出结论在应用层处理使用；
所述标签单元11用于对业务中出现的问题点进行汇总管理，包括标签名称、问题描述、所属业务、数据来源、标签层次关系等内容，通过对文字规则的拆分将每个条件拆为一个标签，重复条件共用一个标签，对拆分出的所有标签进行分类分组管理，配置好的标签将用于配置规则；
所述参数单元12用于对标签中涉及到的可变参数进行管理；
所述规则单元10用于根据配置好的标签以流程图的方式自定义配置生成个性化规则，并对配置生成的核查规则进行管理；
所述量费核查任务单元9用于管理根据需求选择核查数据集及配置好的规则分组创建的所有量费核查任务，支持量费核查任务的执行及任务运行实例日志查看；
所述量费核查结果分析单元8用于通过统一的异常查询服务对所有标签产生的异常进行查询，可以通过标签类别、核查流程、数据集、地区编码、所属业务、异常时间等字段对查询结果进行过滤，并提供多种格式的结果导出，从数据集的维度、核查标签的维度、核查流程角度对异常数据进行分析；
所述异常结果分析单元13用于通过用对用户的历史抄核收信息进行统计，采用机器学习算法进行量费行为分析、量费异常分析的特征提取和机器学习建模，通过量费行为分析、量费异常分析及历史异常核查数据进行量费异常识别的特征提取和机器学习建模，对结果和模型进行分析及可视化展示；
所述量费行为分析单元15基于预处理后的行为数据，利用分布式计算能力和并行机器学习算法，对用户进行群体划分。由于划分是一种典型的无监督学习方法，因此需要在群体划分识别过程中不断调整参数，并基于运行结果和评价分数进行反复迭代运行，最终生成优化后的建议参数，创建量费行为分析模型；
所述量费异常分析单元16通过配置对应的计量点信息、工单信息以及电价代码等历史数据集，并输入任务建模参数等，创建量费异常分析模型；
所述量费异常识别单元14用于根据量费行为分析的结果，利用待检验数据，对每一用户群体分别分析量费异常的用户，综合使用多种异常数据检测算法并进行综合评估建模。
进一步地，所述量费核查应用模块5用于通过中央处理器1对整体的数据进行计算，同时在生活中进行实际应用。
进一步地，所述WEB展示模块7用于对量费核查和异常识别的通过WEB进行网络展示。
进一步地，所述数据源模块6为数据集成模块3提供用户的量费数据，起到数据库的效果。
进一步地，所述数据源模块6为数据集成模块3提供用户的量费数据，起到数据库的效果。
进一步地，所述量费异常识别单元14利用大数据技术所提供的海量数据处理能力，结合有监督学习和无监督学习等多种不同机器学习方法构建量费异常识别模型，实现电费核查方式的多样化及提高核查的准确性，通过用电行为对客户进行群体划分，实现基于聚类的异常发现模型，对用户的历史抄核收信息进行统计，采用分布分析、极值分析、密度分析等方法识别异常，对历史异常核查数据进行特征提取和机器学习建模，利用神经网络、分类树等方法实现基于有监督学习的异常识别。
实施场景具体为：本发明主要从数据源模块6中抽取量费核查基础数据到中央处理器1中，采用初始全量，后续增量方式，之后对待核查数据以及基础数据进行整合加工，构建量费规则核查所需的基础宽表，之后数据集成模块3在待核查宽表基础上使用分布式内存技术，根据可视化配置的规则进行量费核查，并保存结果，之后基于基础数据以及用户近N月的用电行为，构建异常结果分析单元13、量费异常识别单元14、量费行为分析单元15和量费异常分析单元16，通过对用户近N个与的用电量以及用电量波动情况，进行聚类分析，将用户划分为N类，然后对每一类用户分别进行异常分析，基于历史复合工单信息，构建量费异常识别单元14，包含有监督的机器学习模型和无监督的学习模型，量费核查模块2对待核查的数据进行分析，使用量费行为分析单元15和量费异常分析单元16进行无监督的离群异常识别，识别出疑似异常用户，再进一步通过有监督的机器学习模型对结果进行进一步提纯，之后异常分析模块4将规则单元10核查结果与智能算法核查结果进行合并，并输出最终异常结果，通过对营销量费数据及核查规则，进行数据集成及规则拆解灵活配置，进行量费核查，同时根据用户的历史抄核收信息建模进行量费异常识别分析，最终将量费核查结果及量费异常识别结果进行整合分析，将结果展示给用户，解决量费核查管理模式主要依赖于经验规则的局限性，将量费异常管控精益化做实，精确发现业务管理过程中的电量电费异常，及时调整业务管控策略，实现利用数据分析支撑业务管理的提升，通过基于大数据的智能化量费核查与异常识别，可以跳出现有的基于人为经验规则的量费异常识别方法，通过机器学习将AI引入到核查工作中，提高量费异常目标的识别率，提升工作效率，降低人员投入成本，开创大数据驱动数据运营的新局面，借助新一代信息技术构建有效的量费异常过滤排查技术手段，可以最大限度的提高量费异常识别率，减少公司供电收入的损失，实现企业效益的最大化，从整体上提高核查效果，促进量费核查新模式的进一步拓展，由于大部分核查工作由大数据分析完成，这极大减轻了核查人员的工作量，从模式上杜绝了因为人力不足所导致的天价电费事件，对供电企业的社会效益将产生极大的提升。
工作原理：主要通过对营销量费数据及核查规则，进行数据集成及规则拆解灵活配置，进行量费核查，同时根据用户的历史抄核收信息建模进行量费异常识别分析，最终将量费核查结果及量费异常识别结果进行整合分析，解决量费核查管理模式主要依赖于经验规则的局限性，将量费异常管控精益化做实，精确发现业务管理过程中的电量电费异常，及时调整业务管控策略，实现利用数据分析支撑业务管理的提升，通过基于大数据的智能化量费核查与异常识别，可以跳出现有的基于人为经验规则的量费异常识别方法，通过机器学习将AI引入到核查工作中，提高量费异常目标的识别率，提升工作效率，降低人员投入成本，开创大数据驱动数据运营的新局面，借助新一代信息技术构建有效的量费异常过滤排查技术手段，可以最大限度的提高量费异常识别率，减少公司供电收入的损失，实现企业效益的最大化，从整体上提高核查效果，促进量费核查新模式的进一步拓展，由于大部分核查工作由大数据分析完成，这极大减轻了核查人员的工作量，从模式上杜绝了因为人力不足所导致的天价电费事件，对供电企业的社会效益将产生极大的提升。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (6)
1.一种智能化量费核查与异常识别系统，包括中央处理器1，其特征在于：所述中央处理器1连接端设有量费核查模块2、数据集成模块3和异常分析模块4，所述中央处理器1输出端设有量费核查应用模块5，所述数据集成模块3连接端设有数据源模块6，所述量费核查应用模块5连接端设有WEB展示模块7，所述量费核查模块2包括量费核查结果分析单元8、量费核查任务单元9、规则单元10、标签单元11和参数单元12，所述异常分析模块4包括异常结果分析单元13、量费异常识别单元14、量费行为分析单元15和量费异常分析单元16，所述数据集成模块3包括数据集成任务管理单元17、数据集成程序管理单元18和数据集成资源管理单元19；
所述数据集成模块3用于将量费核查与数据库解耦，把核查需要的原始数据，通过配置数据集成任务，将量费核查用到的数据保存在分布式计算分析平台上，充分利用平台的存储、计算和分析能力，减轻数据库负担；
所述数据集成资源管理单元19用于配置并维护营销档案、营销量费核查结果相关的数据源库表相关连接配置信息，配置信息将用于数据集成功能中表的选取；
所述数据集成程序管理单元18用于传维护数据集成任务中数据加工处理程序的对应功能包，创建数据集成任务时可以从程序管理列表中选择启用的程序；
所述数据集成任务管理单元17用于管理所有数据集成任务，包含读取库表数据生成数据集及运行数据集任务功能包生成数据集，支持单表全量集成及增量集成，支持数据集成任务的执行、任务运行实例日志查看、数据集元数据字段查看，数据集成任务将基础数据同步到分布式计算平台，同时运行对基础数据预处理的程序任务得到预处理数据，集成的数据将用于量费核查、异常分析功能；
所述量费核查模块2用于将核查规则条件进行拆分，将每个条件拆为一个标签，重复条件共用一个标签，条件使用的参数拆出综合管理，可以将多个标签灵活的组合成各种规则，可以根据规则分组及规则启用停用灵活配置量费核查任务，然后根据量费核查任务结果进行结果分析得出结论在应用层处理使用；
所述标签单元11用于对业务中出现的问题点进行汇总管理，包括标签名称、问题描述、所属业务、数据来源、标签层次关系内容，通过对文字规则的拆分将每个条件拆为一个标签，重复条件共用一个标签，对拆分出的所有标签进行分类分组管理，配置好的标签将用于配置规则；
所述参数单元12用于对标签中涉及到的可变参数进行管理；
所述规则单元10用于根据配置好的标签以流程图的方式自定义配置生成个性化规则，并对配置生成的核查规则进行管理；
所述量费核查任务单元9用于管理根据需求选择核查数据集及配置好的规则分组创建的所有量费核查任务，支持量费核查任务的执行及任务运行实例日志查看；
所述量费核查结果分 析单元8用于通过统一的异常查询服务对所有标签产生的异常进行查询，可以通过标签类别、核查流程、数据集、地区编码、所属业务、异常时间字段对查询结果进行过滤，并提供多种格式的结果导出，从数据集的维度、核查标签的维度、核查流程角度对异常数据进行分析；
所述异常结果分析单元13用于通过用对用户的历史抄核收信息进行统计，采用机器学习算法进行量费行为分析、量费异常分析的特征提取和机器学习建模，通过量费行为分析、量费异常分析及历史异常核查数据进行量费异常识别的特征提取和机器学习建模，对结果和模型进行分析及可视化展示；
所述量费行为分析单元15基于预处理后的行为数据，利用分布式计算能力和并行机器学习算法，对用户进行群体划分；由于划分是一种典型的无监督学习方法，因此需要在群体划分识别过程中不断调整参数，并基于运行结果和评价分数进行反复迭代运行，最终生成优化后的建议参数，创建量费行为分析模型；
所述量费异常分析单元16通过配置对应的计量点信息、工单信息以及电价代码历史数据集，并输入任务建模参数，创建量费异常分析模型；
所述量费异常识别单元14用于根据量费行为分析的结果，利用待检验数据，对每一用户群体分别分析量费异常的用户，综合使用多种异常数据检测算法并进行综合评估建模。
2.根据权利要求1所述的一种智能化量费核查与异常识别系统，其特征在于：所述量费核查应用模块5用于通过中央处理器1对整体的数据进行计算，同时在生活中进行实际应用。
3.根据权利要求1所述的一种智能化量费核查与异常识别系统，其特征在于：所述WEB展示模块7用于对量费核查和异常识别的通过WEB进行网络展示。
4.根据权利要求1所述的一种智能化量费核查与异常识别系统，其特征在于：所述数据源模块6为数据集成模块3提供用户的量费数据，起到数据库的效果。
5.根据权利要求1所述的一种智能化量费核查与异常识别系统，其特征在于：所述规则单元10用于通过将核查规则条件进行拆分，将每个条件拆为一个标签，可以将多个标签灵活的组合成各种规则。
6.根据权利要求1所述的一种智能化量费核查与异常识别系统，其特征在于：所述量费异常识别单元14利用大数据技术所提供的海量数据处理能力，结合有监督学习和无监督学习多种不同机器学习方法构建量费异常识别模型，实现电费核查方式的多样化及提高核查的准确性，通过用电行为对客户进行群体划分，实现基于聚类的异常发现模型，对用户的历史抄核收信息进行统计，采用分布分析、极值分析、密度分析方法识别异常，对历史异常核查数据进行特征提取和机器学习建模，利用神经网络、分类树方法实现基于有监督学习的异常识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911254603.3A CN111143431B (zh) | 2019-12-10 | 2019-12-10 | 一种智能化量费核查与异常识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911254603.3A CN111143431B (zh) | 2019-12-10 | 2019-12-10 | 一种智能化量费核查与异常识别系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111143431A CN111143431A (zh) | 2020-05-12 |
| CN111143431B true CN111143431B (zh) | 2022-12-13 |
Family
ID=70518475
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911254603.3A Active CN111143431B (zh) | 2019-12-10 | 2019-12-10 | 一种智能化量费核查与异常识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111143431B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112258175A (zh) * | 2020-09-04 | 2021-01-22 | 国网浙江省电力有限公司 | 基于云平台的电力市场电费结算数据监管平台及其使用方法 |
| CN116150616A (zh) * | 2022-12-12 | 2023-05-23 | 东北电力大学 | 一种电费异常核算方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104182840A (zh) * | 2014-08-26 | 2014-12-03 | 国家电网公司 | 电力营销计量移动应用系统及其工作方法 |
| CN107818431A (zh) * | 2016-09-14 | 2018-03-20 | 北京京东尚科信息技术有限公司 | 一种提供订单轨迹数据的方法和系统 |
| CN110543579A (zh) * | 2019-07-26 | 2019-12-06 | 华为技术有限公司 | 一种图像显示方法与电子设备 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130054259A1 (en) * | 2011-02-22 | 2013-02-28 | Janusz Wojtusiak | Rule-based Prediction of Medical Claims' Payments |
| US20120289787A1 (en) * | 2011-05-13 | 2012-11-15 | Kurgan Michael J | System for clinical workflow enhancements using a business rules engine that collates heterogeneous healthcare data, and a method thereof |
| CN109949141B (zh) * | 2017-12-20 | 2021-02-26 | 北京京东尚科信息技术有限公司 | 财务结算方法与装置 |
| CN110163621A (zh) * | 2018-02-10 | 2019-08-23 | 广州供电局有限公司 | 一种电力客服大数据决策支持系统 |
| CN109325542A (zh) * | 2018-10-09 | 2019-02-12 | 烟台海颐软件股份有限公司 | 一种基于多阶机器学习的电量异常智能识别方法及系统 |
| CN109214719B (zh) * | 2018-11-02 | 2021-07-13 | 广东电网有限责任公司 | 一种基于人工智能的营销稽查分析的系统和方法 |
| CN109919676B (zh) * | 2019-03-05 | 2023-04-18 | 苏州卡海尔思信息技术有限公司 | 一种智能环保袋计费管理的方法及系统 |
| CN110119755A (zh) * | 2019-03-22 | 2019-08-13 | 国网浙江省电力有限公司信息通信分公司 | 基于Ensemble学习模型的电量异常检测方法 |
| CN110490722A (zh) * | 2019-08-16 | 2019-11-22 | 安徽航天信息有限公司 | 一种基于大数据的税收风险监控方法及系统 |
-
2019
- 2019-12-10 CN CN201911254603.3A patent/CN111143431B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104182840A (zh) * | 2014-08-26 | 2014-12-03 | 国家电网公司 | 电力营销计量移动应用系统及其工作方法 |
| CN107818431A (zh) * | 2016-09-14 | 2018-03-20 | 北京京东尚科信息技术有限公司 | 一种提供订单轨迹数据的方法和系统 |
| CN110543579A (zh) * | 2019-07-26 | 2019-12-06 | 华为技术有限公司 | 一种图像显示方法与电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111143431A (zh) | 2020-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110223168B (zh) | 一种基于企业关系图谱的标签传播反欺诈检测方法及系统 | |
| CN107145586B (zh) | 一种基于电力营销数据的标签产出方法和装置 | |
| CN111104394A (zh) | 一种能源数据仓库系统构建方法及装置 | |
| CN108280541A (zh) | 基于随机森林和决策树的客户服务策略制定方法、装置 | |
| CN108470228A (zh) | 财务数据稽核方法及稽核系统 | |
| CN112232909A (zh) | 一种基于企业画像的商机挖掘方法 | |
| CN115423289B (zh) | 智能板材加工车间数据处理方法及终端 | |
| CN111143431B (zh) | 一种智能化量费核查与异常识别系统 | |
| CN114049150A (zh) | 一种工程造价核算管理系统 | |
| CN202948475U (zh) | 施工材料信息化管理系统 | |
| CN111752935A (zh) | 一种电力交易用户数据稽查方法及装置 | |
| CN104346698A (zh) | 基于云计算和数据挖掘的餐饮会员大数据分析和考核系统 | |
| CN108154311A (zh) | 基于随机森林和决策树的优质客户识别方法及装置 | |
| CN113076353A (zh) | 一种电力核算异常分析方法及系统 | |
| CN114372731B (zh) | 基于大数据的岗位目标制定方法、装置，设备及存储介质 | |
| Chen | Construction project cost management and control system based on big data | |
| CN113590607A (zh) | 一种基于报表因子的电力营销报表实现方法和系统 | |
| CN202584217U (zh) | 一种银行数据的并行批量处理系统 | |
| CN101059852A (zh) | 用于管理企业环境影响的系统和方法 | |
| CN116976948A (zh) | 一种制造型企业全价值链动态反馈流图生成方法及系统 | |
| Gutiérrez-Avilés et al. | SmartFD: a real big data application for electrical fraud detection | |
| Wei et al. | Advanced Artificial Intelligence Model for Financial Accounting Transformation Based on Enterprise Unstructured Text Data | |
| CN112100246A (zh) | 一种基于多维图码标签的客户用电价值挖掘方法 | |
| CN112434093A (zh) | 一种资产大数据智能分析方法 | |
| Mishuchkov et al. | New Resources for Energy Audit and Energy Services in the Context of Developing Digital Technologies |
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 |