CN111951045A - 一种基于大数据的电费核算方法及装置 - Google Patents
一种基于大数据的电费核算方法及装置 Download PDFInfo
- Publication number
- CN111951045A CN111951045A CN202010754822.4A CN202010754822A CN111951045A CN 111951045 A CN111951045 A CN 111951045A CN 202010754822 A CN202010754822 A CN 202010754822A CN 111951045 A CN111951045 A CN 111951045A
- Authority
- CN
- China
- Prior art keywords
- user
- electricity
- monthly
- trend
- information
- 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 28
- 230000005611 electricity Effects 0.000 title claims description 250
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 abstract description 5
- 230000000052 comparative effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012549 training Methods 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种基于大数据的电费核算方法及装置，该方法先通过年用电电费信息确定用户的用户类型，再根据该用户类型和月用电电费信息，匹配生成该用户的每月预测用电趋势，然后利用日用电电费信息，计算用户的每日用电习惯，结合每月预测用电趋势，预测用户的每日用电，从而获得用户的每月预测电费，最后通过比较每月预测电费和待核算电费信息，得到电费核算结果。本发明从用户用电的角度进行核算，先对用户用电进行预测，再利用每月预测电费对待核算电费信息进行比较核算，能够减少由于用户用电情况而带来的用电异常而带来的核算不准确。
Description
技术领域
本发明涉及电费核算技术领域，尤其涉及一种基于大数据的电费核算方法及装置。
背景技术
电费核算工作作为电费管理中的核心组成部分，其核算质量的好坏将会直接影响到供电部门的电力营销业务的正常进行，对电力企业的可持续发展也有着至关重要的影响与意义。传统的电费核算主要是依靠人工进行核算，在用户的电费生成后，通过人工检查该电费生成是否错误、是否存在异常情况、用户信息是否发生变动等内容进行核算，核算效率较低。
而随着科技的发展，电费通过计算机进行自动核算也渐渐发展起来，但其实际是将人工操作的部分转移给计算机，如异常检查、用户信息变动检查、电费计算是否正确、收费是否成功等，并没有以用户的角度进行电费核算，无法通过电费核算来采集用户用电情况，为后续电力营销业务提供更好的数据支持。而且现有不考虑用户用电情况的核算，会产生大量的因用户用电习惯所带来的用电异常，如峰值异常、非法用电等，增加了核算的难度和工作量。
发明内容
本发明提供一种基于大数据的电费核算方法及装置，以克服现有的核算方法的技术缺陷，本发明能从用户的用电角度对电费进行核算，结合大数据分析用户用电习惯，为后续电力营销业务提供更好的数据支持。
为了解决上述技术问题，本发明一实施例提供一种基于大数据的电费核算方法，包括：
获取用户的历史电费信息和待核算电费信息；其中，所述历史电费信息包括：用户的年用电电费信息、月用电电费信息和日用电电费信息；
根据所述年用电电费信息，确定所述用户的用户类型，并根据所述用户类型和所述月用电电费信息，匹配并生成所述用户的每月预测用电趋势；
根据所述日用电电费信息，计算所述用户的每日用电习惯，结合所述用户的每月预测用电趋势，预测所述用户的每日用电，从而获得所述用户的每月预测电费；
比较所述每月预测电费和所述待核算电费信息，获得电费核算结果。
进一步的，所述根据所述年用电电费信息，确定所述用户的用户类型，具体为：
根据所述年用电电费信息中的用电总量，确定所述用户的类型为：个人用电、企业用电、租赁单位用电、厂房类用电、商业用电中的一种。
进一步的，所述根据所述用户类型和所述月用电电费信息，匹配并生成所述用户的每月预测用电趋势，具体为：
当确定用户类型后，查询数据库中该用户类型对应的所有每月用电趋势，获得每月用电趋势集合；
根据所述用户的月用电电费信息，生成所述用户的每月用电初始趋势，并计算所述初始趋势与所述每月用电趋势集合中每个元素的相似度；
根据相似度由大到小排列后，获得每月用电初始趋势列表；
获取所述用户和所述每月用电初始趋势列表中各用户的位置特征信息，并根据各位置特征信息之间的匹配度，从所述每月用电初始趋势列表中筛选出匹配度最高的每月用电初始趋势，作为所述用户的每月预测用电趋势。
进一步的，所述根据所述日用电电费信息，计算所述用户的每日用电习惯，结合所述用户的每月预测用电趋势，预测所述用户的每日用电，从而获得所述用户的每月预测电费，具体为：
根据所述日用电电费信息中的用电量、用电时间段以及整日的用电曲线，构建用户用电习惯模型；
通过所述每月预测用电趋势，优化所述用户用电习惯模型，并通过优化后的用户用电习惯模型，预测所述用户的每日用电，从而获得所述用户的每月预测电费。
进一步的，所述基于大数据的电费核算方法还包括：
根据所述待核算电费信息对应的真实缴费信息，优化所述用户用电习惯模型。
相应的，本发明提供了一种基于大数据的电费核算装置，包括：获取模块、用电趋势预测模块、用电习惯预测模块和核算模块；
其中，所述获取模块用于获取用户的历史电费信息和待核算电费信息；其中，所述历史电费信息包括：用户的年用电电费信息、月用电电费信息和日用电电费信息；
所述用电趋势预测模块用于根据所述年用电电费信息，确定所述用户的用户类型，并根据所述用户类型和所述月用电电费信息，匹配并生成所述用户的每月预测用电趋势；
所述用电习惯预测模块用于根据所述日用电电费信息，计算所述用户的每日用电习惯，结合所述用户的每月预测用电趋势，预测所述用户的每日用电，从而获得所述用户的每月预测电费；
所述核算模块用于比较所述每月预测电费和所述待核算电费信息，获得电费核算结果。
进一步的，所述用电趋势预测模块用于根据所述年用电电费信息，确定所述用户的用户类型，具体为：
根据所述年用电电费信息中的用电总量，确定所述用户的类型为：个人用电、企业用电、租赁单位用电、厂房类用电、商业用电中的一种。
进一步的，所述用电趋势预测模块包括：查询单元、相似度计算单元、排序单元和用电趋势预测单元；
所述查询单元用于当确定用户类型后，查询数据库中该用户类型对应的所有每月用电趋势，获得每月用电趋势集合；
所述相似度计算单元用于根据所述用户的月用电电费信息，生成所述用户的每月用电初始趋势，并计算所述初始趋势与所述每月用电趋势集合中每个元素的相似度；
所述排序单元用于根据相似度由大到小排列后，获得每月用电初始趋势列表；
所述用电趋势预测单元用于获取所述用户和所述每月用电初始趋势列表中各用户的位置特征信息，并根据各位置特征信息之间的匹配度，从所述每月用电初始趋势列表中筛选出匹配度最高的每月用电初始趋势，作为所述用户的每月预测用电趋势。
进一步的，所述用电习惯预测模块包括：构建单元和电费预测单元；
所述构建单元用于根据所述日用电电费信息中的用电量、用电时间段以及整日的用电曲线，构建用户用电习惯模型；
所述电费预测单元用于通过所述每月用电预测用电趋势，优化所述用户用电习惯模型，并通过优化后的用户用电习惯模型，预测所述用户的每日用电，从而获得所述用户的每月预测电费。
进一步的，所述装置还包括优化模块；
所述优化模块用于根据所述待核算电费信息对应的真实缴费信息，优化所述用户用电习惯模型。
本发明的实施例，具有如下有益效果：
本发明提供了一种基于大数据的电费核算方法及装置，该方法先通过年用电电费信息确定用户的用户类型，再根据该用户类型和月用电电费信息，匹配生成该用户的每月预测用电趋势，然后利用日用电电费信息，计算用户的每日用电习惯，结合每月预测用电趋势，预测用户的每日用电，从而获得用户的每月预测电费，最后通过比较每月预测电费和待核算电费信息，得到电费核算结果。相比于现有技术通过人工核算或将人工核算流程改为自动核算流程，本发明从用户用电的角度进行核算，先对用户用电进行预测，再利用每月预测电费对待核算电费信息进行比较核算，能够减少由于用户用电情况而带来的用电异常而带来的核算不准确。此外，本发明将用户用电习惯运用到电费核算中，在后续电力营销业务中无需再次进行分析，节省时间和工作量。
附图说明
图1是本发明提供的基于大数据的电费核算方法的一种实施例的流程示意图；
图2是本发明提供的基于大数据的电费核算装置的一种实施例的结构示意图。
具体实施方式
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，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。
需要说明的是，文中的步骤编号，仅为了方便具体实施例的解释，不作为限定步骤执行先后顺序的作用。本实施例提供的方法可以由相关的服务器执行，且下文均以服务器作为执行主体为例进行说明。
参见图1，图1是本发明提供的基于大数据的电费核算方法的一种实施例的流程示意图。如图1所示，该方法包括步骤101至步骤104，各步骤具体如下：
步骤101：获取用户的历史电费信息和待核算电费信息；其中，历史电费信息包括：用户的年用电电费信息、月用电电费信息和日用电电费信息。
在本实施例中，历史电费信息包括用户的年、月、日用电电费信息，而每个用电电费信息可以但不限于包括电费总数，还包括能够以此计算出电费总数的信息，如用电时长、用电峰值、用电总量等。若用户为新用户，其所对应的数据未满足一年、一月或一日的话，可以转给人工核算或者通过数据填补技术，为其增添相应的数据，以满足后续步骤的执行。
步骤102：根据年用电电费信息，确定用户的用户类型，并根据用户类型和月用电电费信息，匹配并生成用户的每月预测用电趋势。
在本实施例中，步骤102具体为：
根据年用电电费信息中的用电总量，确定用户的类型为：个人用电、企业用电、租赁单位用电、厂房类用电、商业用电中的一种。
当确定用户类型后，查询数据库中该用户类型对应的所有每月用电趋势，获得每月用电趋势集合；
根据用户的月用电电费信息，生成用户的每月用电初始趋势，并计算每月用电初始趋势与每月用电趋势集合中每个元素的相似度；
根据相似度由大到小排列后，获得每月用电初始趋势列表；
获取用户和每月用电初始趋势列表中各用户的位置特征信息，并根据各位置特征信息之间的匹配度，从每月用电初始趋势列表中筛选出匹配度最高的每月用电初始趋势，作为用户的每月预测用电趋势。
在本实施例中，用户类型包括个人用电、企业用电、租赁单位用电、厂房类用电和商业用电。以此划分主要是根据用电习惯或用电趋势，如租赁单位用电的出租屋，其实际有许多个小单元(个人用电)组成，在分析用户习惯和用电预测时，需要结合该类型独有特征进行分析和预测。
在本实施例中，数据库存储有每个用户类型对应的所有每月用电趋势，通过确定的用户类型，查询数据库生成趋势集合，再由用户本身的月用电费信息，一般指12个月，生成用户的初始趋势。由于该用户的初始趋势并不能反映该类别用户的特性，通过大数据的方法计算初始趋势与趋势集合中各元素的相似度，既能保留该用户的用电趋势特点，又能得到大数据的支持。在获得每月用电初始趋势列表后，获取用户的位置特征信息，该信息主要为用户的实际地址。系统在获取用户的实际地址后，会对该地址的周边位置进行特征提取，将提取的特征作为该用户的位置特征信息。通过位置特征信息的匹配，从列表中筛选出匹配度最高的每月用电趋势，作为该用户的每月预测用电趋势。本发明通过位置特征信息进行匹配是因为，在相同地区或具有相同位置特征的用户的用电趋势具有一定的相似性，如同住在商场附近的人，很可能在饭后去逛商场，即在该时间段并没有产生用电。因此通过位置特征信息进行二次匹配能够使每月预测用电趋势的准确度更高。
步骤103：根据日用电电费信息，计算用户的每日用电习惯，结合用户的每月预测用电趋势，预测用户的每日用电，从而获得用户的每月预测电费。
在本实施例中，步骤103具体为：根据日用电电费信息中的用电量、用电时间段以及整日的用电曲线，构建用户用电习惯模型；通过每月预测用电趋势，优化用户用电习惯模型，并通过优化后的用户用电习惯模型，预测用户的每日用电，从而获得用户的每月预测电费。
在本实施例中，根据用电量、用电时间段以及整日的用电曲线，构建用户的用电习惯模型，可以但不限于采用一个月或一年的数据进行模型构建。模型构建可以采用神经网络模型或深度学习模型等作为模型框架。模型构建后需要对其进行训练以优化其参数，本发明除了在构建模型时进行训练，还根据每月预测用电趋势优化该模型的参数，并在优化后预测该用户的每日用电，通过每日用电得到用户的每月用电，从而计算获得用户的每月预测电费。
步骤104：比较每月预测电费和待核算电费信息，获得电费核算结果。
在本实施例中，在比较每月预测电费和待核算电费信息时，可以通过预设阈值的方式进行比较，若两者差小于阈值，则说明核算通过，否则，核算不通过，可再次计算或交由人工核算。阈值的设定可以根据核算次数进行动态调整，如该用户第一次核算时，阈值可以适当设大一点，当该用户通过几次核算后，说明模型较为准确，可适当缩小阈值，进一步提高核算的准确性。
作为本实施例的一种举例，本实施例在用户缴纳电费后，根据真实缴费信息，优化用户用电习惯模型。本发明在核算后，通过真实的数据对模型进行优化，能够使后续核算更加准确。
相应地，参见图2，图2是本发明提供的基于大数据的电费核算装置的一种实施例的结构示意图。该装置包括：获取模块201、用电趋势预测模块202、用电习惯预测模块203和核算模块204。
其中，所述获取模块201用于获取用户的历史电费信息和待核算电费信息；其中，所述历史电费信息包括：用户的年用电电费信息、月用电电费信息和日用电电费信息；
所述用电趋势预测模块202用于根据所述年用电电费信息，确定所述用户的用户类型，并根据所述用户类型和所述月用电电费信息，匹配并生成所述用户的每月预测用电趋势；
所述用电习惯预测模块203用于根据所述日用电电费信息，计算所述用户的每日用电习惯，结合所述用户的每月预测用电趋势，预测所述用户的每日用电，从而获得所述用户的每月预测电费；
所述核算模块204用于比较所述每月预测电费和所述待核算电费信息，获得电费核算结果。
进一步的，用电趋势预测模块202用于根据所述年用电电费信息，确定所述用户的用户类型，具体为：
根据所述年用电电费信息中的用电总量，确定所述用户的类型为：个人用电、企业用电、租赁单位用电、厂房类用电、商业用电中的一种。
进一步的，所述用电趋势预测模块202包括：查询单元、相似度计算单元、排序单元和用电趋势预测单元；
所述查询单元用于当确定用户类型后，查询数据库中该用户类型对应的所有每月用电趋势，获得每月用电趋势集合；
所述相似度计算单元用于根据所述用户的月用电电费信息，生成所述用户的每月用电初始趋势，并计算所述每月用电初始趋势与所述每月用电趋势集合中每个元素的相似度；
所述排序单元用于根据相似度由大到小排列后，获得每月用电初始趋势列表；
所述用电趋势预测单元用于获取所述用户和所述每月用电初始趋势列表中各用户的位置特征信息，并根据各位置特征信息之间的匹配度，从所述每月用电初始趋势列表中筛选出匹配度最高的每月用电趋势，作为所述用户的每月预测用电趋势。
进一步的，所述用电习惯预测模块203包括：构建单元和电费预测单元；
所述构建单元用于根据所述日用电电费信息中的用电量、用电时间段以及整日的用电曲线，构建用户用电习惯模型；
所述电费预测单元用于通过所述每月用电预测用电趋势，优化所述用户用电习惯模型，并通过优化后的用户用电习惯模型，预测所述用户的每日用电，从而获得所述用户的每月预测电费。
作为本实施例的一种举例，所述装置还包括优化模块，所述优化模块用于根据所述待核算电费信息对应的真实缴费信息，优化所述用户用电习惯模型。
由上可见，本发明提供了一种基于大数据的电费核算方法及装置，该方法先通过年用电电费信息确定用户的用户类型，再根据该用户类型和月用电电费信息，匹配生成该用户的每月预测用电趋势，然后利用日用电电费信息，计算用户的每日用电习惯，结合每月预测用电趋势，预测用户的每日用电，从而获得用户的每月预测电费，最后通过比较每月预测电费和待核算电费信息，得到电费核算结果。相比于现有技术通过人工核算或将人工核算流程改为自动核算流程，本发明从用户用电的角度进行核算，先对用户用电进行预测，再利用每月预测电费对待核算电费信息进行比较核算，能够减少由于用户用电情况而带来的用电异常而带来的核算不准确。此外，本发明将用户用电习惯运用到电费核算中，在后续电力营销业务中无需再次进行分析，节省时间和工作量。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
Claims (10)
1.一种基于大数据的电费核算方法，其特征在于，包括：
获取用户的历史电费信息和待核算电费信息；其中，所述历史电费信息包括：用户的年用电电费信息、月用电电费信息和日用电电费信息；
根据所述年用电电费信息，确定所述用户的用户类型，并根据所述用户类型和所述月用电电费信息，匹配并生成所述用户的每月预测用电趋势；
根据所述日用电电费信息，计算所述用户的每日用电习惯，结合所述用户的每月预测用电趋势，预测所述用户的每日用电，从而获得所述用户的每月预测电费；
比较所述每月预测电费和所述待核算电费信息，获得电费核算结果。
2.根据权利要求1所述的基于大数据的电费核算方法，其特征在于，所述根据所述年用电电费信息，确定所述用户的用户类型，具体为：
根据所述年用电电费信息中的用电总量，确定所述用户的类型为：个人用电、企业用电、租赁单位用电、厂房类用电、商业用电中的一种。
3.根据权利要求2所述的基于大数据的电费核算方法，其特征在于，所述根据所述用户类型和所述月用电电费信息，匹配并生成所述用户的每月预测用电趋势，具体为：
当确定用户类型后，查询数据库中该用户类型对应的所有每月用电趋势，获得每月用电趋势集合；
根据所述用户的月用电电费信息，生成所述用户的每月用电初始趋势，并计算所述每月用电初始趋势与所述每月用电趋势集合中每个元素的相似度；
根据相似度由大到小排列后，获得每月用电初始趋势列表；
获取所述用户和所述每月用电初始趋势列表中各用户的位置特征信息，并根据各位置特征信息之间的匹配度，从所述每月用电初始趋势列表中筛选出匹配度最高的每月用电初始趋势，作为所述用户的每月预测用电趋势。
4.根据权利要求3所述的基于大数据的电费核算方法，其特征在于，所述根据所述日用电电费信息，计算所述用户的每日用电习惯，结合所述用户的每月预测用电趋势，预测所述用户的每日用电，从而获得所述用户的每月预测电费，具体为：
根据所述日用电电费信息中的用电量、用电时间段以及整日的用电曲线，构建用户用电习惯模型；
通过所述每月预测用电趋势，优化所述用户用电习惯模型，并通过优化后的用户用电习惯模型，预测所述用户的每日用电，从而获得所述用户的每月预测电费。
5.根据权利要求4所述的基于大数据的电费核算方法，其特征在于，还包括：
根据所述待核算电费信息对应的真实缴费信息，优化所述用户用电习惯模型。
6.一种基于大数据的电费核算装置，其特征在于，包括：获取模块、用电趋势预测模块、用电习惯预测模块和核算模块；
其中，所述获取模块用于获取用户的历史电费信息和待核算电费信息；其中，所述历史电费信息包括：用户的年用电电费信息、月用电电费信息和日用电电费信息；
所述用电趋势预测模块用于根据所述年用电电费信息，确定所述用户的用户类型，并根据所述用户类型和所述月用电电费信息，匹配并生成所述用户的每月预测用电趋势；
所述用电习惯预测模块用于根据所述日用电电费信息，计算所述用户的每日用电习惯，结合所述用户的每月预测用电趋势，预测所述用户的每日用电，从而获得所述用户的每月预测电费；
所述核算模块用于比较所述每月预测电费和所述待核算电费信息，获得电费核算结果。
7.根据权利要求6所述的基于大数据的电费核算装置，其特征在于，所述用电趋势预测模块用于根据所述年用电电费信息，确定所述用户的用户类型，具体为：
根据所述年用电电费信息中的用电总量，确定所述用户的类型为：个人用电、企业用电、租赁单位用电、厂房类用电、商业用电中的一种。
8.根据权利要求7所述的基于大数据的电费核算装置，其特征在于，所述用电趋势预测模块包括：查询单元、相似度计算单元、排序单元和用电趋势预测单元；
所述查询单元用于当确定用户类型后，查询数据库中该用户类型对应的所有每月用电趋势，获得每月用电趋势集合；
所述相似度计算单元用于根据所述用户的月用电电费信息，生成所述用户的每月用电初始趋势，并计算所述每月用电初始趋势与所述每月用电趋势集合中每个元素的相似度；
所述排序单元用于根据相似度由大到小排列后，获得每月用电初始趋势列表；
所述用电趋势预测单元用于获取所述用户和所述每月用电初始趋势列表中各用户的位置特征信息，并根据各位置特征信息之间的匹配度，从所述每月用电初始趋势列表中筛选出匹配度最高的每月用电初始趋势，作为所述用户的每月预测用电趋势。
9.根据权利要求8所述的基于大数据的电费核算装置，其特征在于，所述用电习惯预测模块包括：构建单元和电费预测单元；
所述构建单元用于根据所述日用电电费信息中的用电量、用电时间段以及整日的用电曲线，构建用户用电习惯模型；
所述电费预测单元用于通过所述每月用电预测用电趋势，优化所述用户用电习惯模型，并通过优化后的用户用电习惯模型，预测所述用户的每日用电，从而获得所述用户的每月预测电费。
10.根据权利要求9所述的基于大数据的电费核算装置，其特征在于，所述装置还包括优化模块；
所述优化模块用于根据所述待核算电费信息对应的真实缴费信息，优化所述用户用电习惯模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010754822.4A CN111951045B (zh) | 2020-07-30 | 2020-07-30 | 一种基于大数据的电费核算方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010754822.4A CN111951045B (zh) | 2020-07-30 | 2020-07-30 | 一种基于大数据的电费核算方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111951045A true CN111951045A (zh) | 2020-11-17 |
| CN111951045B CN111951045B (zh) | 2024-02-27 |
Family
ID=73338780
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010754822.4A Active CN111951045B (zh) | 2020-07-30 | 2020-07-30 | 一种基于大数据的电费核算方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111951045B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112598171A (zh) * | 2020-12-21 | 2021-04-02 | 国网雄安金融科技集团有限公司 | 一种电力大数据下的企业电费预测方法及系统 |
| CN112633663A (zh) * | 2020-12-17 | 2021-04-09 | 南方电网海南数字电网研究院有限公司 | 一种基于大数据平台的电费抄表核算分析系统 |
| CN112801410A (zh) * | 2021-02-26 | 2021-05-14 | 国网山东省电力公司 | 基于大数据技术的电费流入预测分析方法 |
| CN114169878A (zh) * | 2021-10-18 | 2022-03-11 | 中标慧安信息技术股份有限公司 | 基于边缘计算的预付费管理方法和系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106846176A (zh) * | 2017-01-22 | 2017-06-13 | 国网山东省电力公司滨州供电公司 | 一种电费核算系统 |
| US20170310140A1 (en) * | 2016-04-26 | 2017-10-26 | Nec Laboratories America, Inc. | System and method for reducing time-averaged peak charges |
| CN107464146A (zh) * | 2017-08-18 | 2017-12-12 | 国网山东省电力公司济宁供电公司 | 居民类客户电费核算方法和装置 |
| CN109858880A (zh) * | 2019-01-28 | 2019-06-07 | 广州供电局有限公司 | 一种用于电力行业的一体化作业方法 |
| CN111091232A (zh) * | 2019-11-25 | 2020-05-01 | 黑龙江电力调度实业有限公司 | 一种考虑用电需求变化趋势的电力负荷预测方法 |
| CN111210056A (zh) * | 2019-12-25 | 2020-05-29 | 深圳供电局有限公司 | 电价方案确定方法、装置、计算机设备和存储介质 |
-
2020
- 2020-07-30 CN CN202010754822.4A patent/CN111951045B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170310140A1 (en) * | 2016-04-26 | 2017-10-26 | Nec Laboratories America, Inc. | System and method for reducing time-averaged peak charges |
| CN106846176A (zh) * | 2017-01-22 | 2017-06-13 | 国网山东省电力公司滨州供电公司 | 一种电费核算系统 |
| CN107464146A (zh) * | 2017-08-18 | 2017-12-12 | 国网山东省电力公司济宁供电公司 | 居民类客户电费核算方法和装置 |
| CN109858880A (zh) * | 2019-01-28 | 2019-06-07 | 广州供电局有限公司 | 一种用于电力行业的一体化作业方法 |
| CN111091232A (zh) * | 2019-11-25 | 2020-05-01 | 黑龙江电力调度实业有限公司 | 一种考虑用电需求变化趋势的电力负荷预测方法 |
| CN111210056A (zh) * | 2019-12-25 | 2020-05-29 | 深圳供电局有限公司 | 电价方案确定方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 刘莎;: "人工核算电费问题分析及管控", 大众用电, no. 03, pages 13 - 14 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112633663A (zh) * | 2020-12-17 | 2021-04-09 | 南方电网海南数字电网研究院有限公司 | 一种基于大数据平台的电费抄表核算分析系统 |
| CN112598171A (zh) * | 2020-12-21 | 2021-04-02 | 国网雄安金融科技集团有限公司 | 一种电力大数据下的企业电费预测方法及系统 |
| CN112801410A (zh) * | 2021-02-26 | 2021-05-14 | 国网山东省电力公司 | 基于大数据技术的电费流入预测分析方法 |
| CN114169878A (zh) * | 2021-10-18 | 2022-03-11 | 中标慧安信息技术股份有限公司 | 基于边缘计算的预付费管理方法和系统 |
| CN114169878B (zh) * | 2021-10-18 | 2022-09-20 | 中标慧安信息技术股份有限公司 | 基于边缘计算的预付费管理方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111951045B (zh) | 2024-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111951045B (zh) | 一种基于大数据的电费核算方法及装置 | |
| CN109615129B (zh) | 房地产客户成交概率预测方法、服务器及计算机存储介质 | |
| CN108399564B (zh) | 信用评分方法及装置 | |
| CN108345670B (zh) | 一种用于95598电力工单的服务热点发现方法 | |
| CN109636036B (zh) | 一种企业发票数量预测的方法、系统及设备 | |
| US20150278403A1 (en) | Methods and systems for modeling crowdsourcing platform | |
| CN110880127A (zh) | 消费水平的预测方法、装置、电子设备及存储介质 | |
| CN111881158A (zh) | 一种管理报表数据处理方法、装置、计算机系统及可读存储介质 | |
| CN117217380A (zh) | 停车场空余停车位预测方法、装置、电子设备及存储介质 | |
| CN111061948A (zh) | 一种用户标签推荐方法、装置、计算机设备及存储介质 | |
| CN108376300A (zh) | 一种基于概率图模型的用户用电行为预测方法 | |
| Paciello | Does Inflation Adjust Faster to Aggregate Technology Shocks than to Monetary Policy Shocks? | |
| CN116596659A (zh) | 基于大数据风控的企业智能化信贷审批方法、系统及介质 | |
| CN115936538A (zh) | 一种电网智能客服管理系统 | |
| CN112488421B (zh) | 一种电费应收账款的跟踪预测方法及装置 | |
| CN113657945A (zh) | 用户价值预测方法、装置、电子设备和计算机存储介质 | |
| CN115495570A (zh) | 应用程序用户分类方法和评估方法、装置及设备 | |
| WO2021207780A1 (en) | Systems, computer-implemented methods and computer programs for capital management | |
| CN111161042A (zh) | 个人风险评估方法、装置、终端及存储介质 | |
| JP7058804B1 (ja) | 予測システム、予測方法、及びプログラム | |
| CN117670035A (zh) | 一种电力营销业务的风险管控方法及系统 | |
| CN113554460A (zh) | 一种潜在用户的识别方法和装置 | |
| CN117932076A (zh) | 电力领域知识智能推荐方法及装置 | |
| CN116862053A (zh) | 一种基于混合模型的负荷曲线预测方法及装置 | |
| Xie et al. | A new customer selection framework for time-based pricing program |
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 |