CN113609113B - 基于电力数据的用户信息生成方法、装置、电子设备 - Google Patents

基于电力数据的用户信息生成方法、装置、电子设备 Download PDF

Info

Publication number
CN113609113B
CN113609113B CN202110880162.9A CN202110880162A CN113609113B CN 113609113 B CN113609113 B CN 113609113B CN 202110880162 A CN202110880162 A CN 202110880162A CN 113609113 B CN113609113 B CN 113609113B
Authority
CN
China
Prior art keywords
information
user
group
user information
power
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
Application number
CN202110880162.9A
Other languages
English (en)
Other versions
CN113609113A (zh
Inventor
张才俊
严文昊
江帆
卢彩霞
王佳佳
谢尔曼
余锦河
杨维
王思尧
王坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Co ltd Customer Service Center
State Grid Information and Telecommunication Co Ltd
Beijing Guodiantong Network Technology Co Ltd
Original Assignee
State Grid Co ltd Customer Service Center
State Grid Information and Telecommunication Co Ltd
Beijing Guodiantong Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Co ltd Customer Service Center, State Grid Information and Telecommunication Co Ltd, Beijing Guodiantong Network Technology Co Ltd filed Critical State Grid Co ltd Customer Service Center
Priority to CN202110880162.9A priority Critical patent/CN113609113B/zh
Publication of CN113609113A publication Critical patent/CN113609113A/zh
Application granted granted Critical
Publication of CN113609113B publication Critical patent/CN113609113B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Water Supply & Treatment (AREA)
  • Bioethics (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Operations Research (AREA)
  • Primary Health Care (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开的实施例公开了基于电力数据的用户信息生成方法、装置、电子设备。该方法的一具体实施方式包括：获取各个目标用户的用户信息集和预设时间段内的电力信息集；对上述电力信息集包括的各个电力信息进行预处理，得到预处理电力信息集；将上述预处理电力信息集中的每个预处理电力信息对应的上述用户信息集中的用户信息确定为预处理用户信息，得到预处理用户信息集；基于上述预处理电力信息集和上述预处理用户信息集，生成检测信息组；基于上述检测信息组，生成目标用户信息组。该实施方式降低了对用户的用电量进行分配控制时的误差，提高了对用户的用电量进行分配控制的准确率。

Description

基于电力数据的用户信息生成方法、装置、电子设备
技术领域
本公开的实施例涉及计算机技术领域，具体涉及基于电力数据的用户信息生成方法、装置、电子设备。
背景技术
随着电力技术的快速发展，已经形成了密集的电路网络。目前，在对用户的用电量进行分配控制时，通常采用的方式为：根据电力用户的电费缴纳状态，对用户的用电量进行分配控制。
然而，采用上述方式通常会存在以下技术问题：
第一，考量的因素过于单一，导致在对用户的用电量进行分配控制时存在误差，造成对用户的用电量进行分配控制的准确率较低；
第二，在对用户的用电量进行分配控制时，无法及时识别出异常电力用户并对异常电力用户的用电量进行控制，造成电力浪费；
第三，电力用户信息具有敏感性，未对电力用户的信息进行加密，会导致电力用户信息可能会被改动，降低了信息传输的安全性。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了基于电力数据的用户信息生成方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种基于电力数据的用户信息生成方法，该方法包括：获取各个目标用户的用户信息集和预设时间段内的电力信息集，其中，上述电力信息集中的电力信息对应上述用户信息集中的用户信息；对上述电力信息集包括的各个电力信息进行预处理，得到预处理电力信息集；将上述预处理电力信息集中的每个预处理电力信息对应的上述用户信息集中的用户信息确定为预处理用户信息，得到预处理用户信息集；基于上述预处理电力信息集和上述预处理用户信息集，生成检测信息组，其中，上述检测信息组中的检测信息对应上述预处理用户信息集中的预处理用户信息；基于上述检测信息组，生成目标用户信息组。
第二方面，本公开的一些实施例提供了一种基于电力数据的用户信息生成装置，装置包括：获取单元，被配置成获取各个目标用户的用户信息集和预设时间段内的电力信息集，其中，上述电力信息集中的电力信息对应上述用户信息集中的用户信息；预处理单元，被配置成对上述电力信息集包括的各个电力信息进行预处理，得到预处理电力信息集；确定单元，被配置成将上述预处理电力信息集中的每个预处理电力信息对应的上述用户信息集中的用户信息确定为预处理用户信息，得到预处理用户信息集；第一生成单元，被配置成基于上述预处理电力信息集和上述预处理用户信息集，生成检测信息组，其中，上述检测信息组中的检测信息表征预处理用户信息；第二生成单元，被配置成基于上述检测信息组，生成目标用户信息组。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的基于电力数据的用户信息生成方法，降低了对用户的用电量进行分配控制时的误差，提高了对用户的用电量进行分配控制的准确率。具体来说，造成对用户的用电量进行分配控制的准确率较低的原因在于：考量的因素过于单一，导致在对用户的用电量进行分配控制时存在误差，造成对用户的用电量进行分配控制的准确率较低。基于此，本公开的一些实施例的基于电力数据的用户信息生成方法，首先，获取各个目标用户的用户信息集和预设时间段内的电力信息集。这里，因为电力信息数据属于源头数据，具有较高准确性和较高可靠性的特性，可以作为考量用户的信用度的重要因素。其次，对上述电力信息集包括的各个电力信息进行预处理，得到预处理电力信息集。由此，可以去除电力信息集中的无效数据，为后续选择目标用户信息提供了有效的数据支持。接着，将上述预处理电力信息集中的每个预处理电力信息对应的上述用户信息集中的用户信息确定为预处理用户信息，得到预处理用户信息集。然后，基于上述预处理电力信息集和上述预处理用户信息集，生成检测信息组。由此，可以检测出电力信息符合条件的用户信息，为选择出信用度较高的目标用户信息提供了参考依据。最后，基于上述检测信息组，生成目标用户信息组。由此，降低了对用户的用电量进行分配控制时的误差，提高了对用户的用电量进行分配控制的准确率。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的基于电力数据的用户信息生成方法的一个应用场景的示意图；
图2是根据本公开的基于电力数据的用户信息生成方法的一些实施例的流程图；
图3是根据本公开的基于电力数据的用户信息生成方法的另一些实施例的流程图；
图4是根据本公开的基于电力数据的用户信息生成装置的一些实施例的结构示意图；
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的基于电力数据的用户信息生成方法的应用场景的一个示意图。
在图1的应用场景中，首先，计算设备101可以获取各个目标用户的用户信息集102和预设时间段内的电力信息集103。其中，上述电力信息集103中的电力信息对应上述用户信息集102中的用户信息。其次，计算设备101可以对上述电力信息集103包括的各个电力信息进行预处理，得到预处理电力信息集104。接着，计算设备101可以将上述预处理电力信息集104中的每个预处理电力信息对应的上述用户信息集102中的用户信息确定为预处理用户信息，得到预处理用户信息集105。然后，计算设备101可以基于上述预处理电力信息集104和上述预处理用户信息集105，生成检测信息组106。其中，上述检测信息组106中的检测信息对应预处理用户信息集105中的预处理用户信息。最后，计算设备101可以基于上述检测信息组106，生成目标用户信息组107。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
继续参考图2，示出了根据本公开的基于电力数据的用户信息生成方法的一些实施例的流程200。该基于电力数据的用户信息生成方法，包括以下步骤：
步骤201，获取各个目标用户的用户信息集和预设时间段内的电力信息集。
在一些实施例中，基于电力数据的用户信息生成方法的执行主体(例如，图1所示的计算设备101)可以通过有线连接方式或者无线连接方式从终端设备获取各个目标用户的用户信息集和预设时间段内的电力信息集。其中，上述电力信息集中的电力信息对应上述用户信息集中的用户信息。这里，各个目标用户中的目标用户可以是指向银行递交信贷申请的，与电力系统关联的企业用户。这里，用户信息集中的用户信息可以是企业用户的信用信息，可以包括但不限于：用户名称和信用额度(例如，贷款额度)。这里，预设时间段内的电力信息集中的电力信息可以是指在预设时间段内，企业的电力数据信息，可以包括但不限于：电量序列和对应上述电量序列的电量价值属性值(电费)序列。例如，预设时间段可以是1月-3月，1月，A用户的电量为：500度，电量价值属性值为：250元；2月，A用户的电量为：600度，电量价值属性值为：300元；3月，A用户的电量为：400度，电量价值属性值为：200元。即在1月-3月，A用户的电力信息为：{[500度；600度；400度]；[250元；300元；200元]}。
作为示例，用户信息集可以是：{[A用户；信用额度：100万]；[B用户；信用额度：90万]}。预设时间段可以是：1月-3月。预设时间段“1月-3月”内的电力信息集可以是：{[500度；600度；400度]；[250元；300元；200元]}；{[500度；600度；600度]；[250元；300元；null]}。
步骤202，对上述电力信息集包括的各个电力信息进行预处理，得到预处理电力信息集。
在一些实施例中，上述执行主体可以对上述电力信息集包括的各个电力信息进行预处理，得到预处理电力信息集。这里，预处理可以是指对预处理电力信息集中的异常值(例如，电量价值属性值与电量对应的实际电量价值属性值之间的差异较大)进行删除、对缺失值进行补充。
作为示例，电力信息集可以是：{[500度；600度；400度]；[250元；300元；200元]}；{[500度；600度；600度]；[250元；300元；null]}。可以将第2个电力信息中的第3个电量对应的缺失值“null”补充为“300元”。从而，得到预处理电力信息集{[500度；600度；400度]；[250元；300元；200元]}；{[500度；600度；600度]；[250元；300元；300元]}。
步骤203，将上述预处理电力信息集中的每个预处理电力信息对应的上述用户信息集中的用户信息确定为预处理用户信息，得到预处理用户信息集。
在一些实施例中，上述执行主体可以将上述预处理电力信息集中的每个预处理电力信息对应的上述用户信息集中的用户信息确定为预处理用户信息，得到预处理用户信息集。
作为示例，预处理电力信息集可以是：{[500度；600度；400度]；[250元；300元；200元]}；{[500度；600度；600度]；[250元；300元；300元]}。可以将预处理电力信息{[500度；600度；400度]；[250元；300元；200元]}对应的用户信息[A用户；信用额度：100万]确定为预处理用户信息。可以将预处理电力信息{[500度；600度；600度]；[250元；300元；300元]}对应的用户信息[B用户；信用额度：90万]确定为预处理用户信息。从而，得到预处理用户信息集{[A用户；信用额度：100万]；[B用户；信用额度：90万]}。
步骤204，基于上述预处理电力信息集和上述预处理用户信息集，生成检测信息组。
在一些实施例中，上述执行主体可以通过以下步骤生成检测信息组：
第一步，将上述预处理电力信息集中的每个预处理电力信息包括的电量序列包括的后一个电量与前一个电量的差值绝对值与前一个电量的比值确定为电量比值，以生成对应上述预处理电力信息的电量比值组；
作为示例，预处理电力信息包括的电量序列可以是[500度；600度；400度]。这里，可以将电量“600度”与电量“500度”的差值绝对值“100”与电量“500度”的比值“0.2”确定为电量比值。可以将电量“400度”与电量“600度”的差值绝对值“200”与电量“500度”的比值“0.4”确定为电量比值。从而，得到对应上述预处理电力信息[500度；600度；400度]的电量比值组“0.2，0.4”。
作为另外一个示例，预处理电力信息包括的电量序列可以是[500度；600度；600度]。这里，可以将电量“600度”与电量“500度”的差值绝对值“100”与电量“500度”的比值“0.2”确定为电量比值。可以将电量“600度”与电量“600度”的差值绝对值“0”与电量“600度”的比值“0”确定为电量比值。从而，得到对应上述预处理电力信息[500度；600度；600度]的电量比值组“0.2，0”。
第二步，将上述预处理电力信息集中的每个预处理电力信息包括的电量价值属性值序列包括的后一个电量价值属性值与前一个电量价值属性值的差值绝对值与前一个电量价值属性值的比值确定为电量价值属性值比值，得到对应上述预处理电力信息的电量价值属性值比值组。
作为示例，预处理电力信息包括的电量价值属性值序列可以是[250元；300元；200元]。这里，可以将电量价值属性值“300元”与电量价值属性值“250元”的差值绝对值“50”与电量价值属性值“250元”的比值“0.2”确定为电量价值属性值比值。可以将电量价值属性值“200元”与电量价值属性值“300元”的差值绝对值“100”与电量价值属性值“300元”的比值“0.33”确定为电量价值属性值比值。从而，得到对应上述预处理电力信息的电量价值属性值比值组“0.2，0.33”。
作为另外一个示例，预处理电力信息包括的电量价值属性值序列可以是[250元；300元；300元]。这里，可以将电量价值属性值“300元”与电量价值属性值“250元”的差值绝对值“50”与电量价值属性值“250元”的比值“0.2”确定为电量价值属性值比值。可以将电量价值属性值“300元”与电量价值属性值“300元”的差值绝对值“0”与电量价值属性值“300元”的比值“0”确定为电量价值属性值比值。从而，得到对应上述预处理电力信息的电量价值属性值比值组“0.2，0”。
第三步，将所得到的电量比值组中的每个电量比值组的均值确定为电量波动值，得到电量波动值组。
作为示例，可以将所得到的电量比值组“[0.2，0.4]；[0.2，0]”中的电量比值组“[0.2，0.4]”的均值“0.3”确定为电量波动值。可以将所得到的电量比值组“[0.2，0.4]；[0.2，0]”中的电量比值组“[0.2，0]”的均值“0.1”确定为电量波动值。从而得到电量波动值组“0.3，0.1”。
第四步，将所得到的电量价值属性值比值组中的每个电量价值属性值比值组的均值确定为电量价值波动值，得到电量价值波动值组。
作为示例，可以将所得到的电量价值属性值比值组“[0.2，0.33]；[0.2，0]”中的电量价值属性值比值组“[0.2，0.33]”的均值“0.265”确定为电量价值波动值。可以将所得到的电量价值属性值比值组“[0.2，0.33]；[0.2，0]”中的电量价值属性值比值组“[0.2，0]”的均值“0.1”确定为电量价值波动值。从而，得到电量价值波动值组“0.265，0.1”。
第五步，将上述预处理电力信息集中的每个预处理电力信息对应的电量波动值和电量价值波动值进行组合以生成二元组，以及将上述二元组确定为对应上述预处理电力信息的预处理用户信息的检测信息。
作为示例，可以将预处理电力信息{[500度；600度；400度]；[250元；300元；200元]}对应的电量波动值“0.3”和电量价值波动值“0.265”进行组合以生成二元组(0.3，0.265)。可以将二元组(0.3，0.265)确定为对应上述预处理电力信息{[500度；600度；400度]；[250元；300元；200元]}的预处理用户信息的检测信息。可以将预处理电力信息{[500度；600度；600度]；[250元；300元；300元]}对应的电量波动值“0.1”和电量价值波动值“0.1”进行组合以生成二元组(0.1，0.1)。可以将二元组(0.1，0.1)确定为对应上述预处理电力信息{[500度；600度；600度]；[250元；300元；300元]}的预处理用户信息的检测信息。从而，得到检测信息组“(0.3，0.265)；(0.1，0.1)”。
在一些实施例的一些可选的实现方式中，上述执行主体可以将上述预处理电力信息集和上述预处理用户信息集输入至预先训练好的信息检测模型中，得到检测信息组。其中，上述检测信息组中的检测信息对应预处理用户信息集中的预处理用户信息。这里，信息检测模型可以是包括多种网络结构的模型。例如，CNN(Convolutional Neural Networks，卷积神经网络)，RNN(Recurrent Neural Networks，循环神经网络)等等。当然，也可以是根据实际需要进行搭建的模型。
可选地，上述信息检测模型可以是通过以下步骤训练得到的：
第一步，获取训练样本集。其中，上述训练样本集中的训练样本包括：样本电力信息和对应上述样本电力信息的样本用户信息，上述样本电力信息包括样本电力名称、样本电量组和对应上述样本电量组的样本电量价值属性值组，上述样本用户信息包括样本用户名称和样本用户标签，上述样本用户标签表征用户是否为授信用户。
第二步，基于训练样本集，执行如下处理步骤：
第一步骤，将训练样本集中的至少一个训练样本包括的样本电力信息和对应上述样本电力信息的样本用户信息包括的样本用户标签输入至初始神经网络，得到上述至少一个训练样本中的每个训练样本对应的检测信息。其中，上述检测信息包括电量组和电量价值属性值组。
实践中，在上述第一步骤之前需要确定初始神经网络的网络结构。例如，需要确定初始神经网络模型包括哪些层，层与层之间的连接顺序关系，以及每层都包括哪些神经元，每个神经元对应的权重(weight)和偏置项(bias)，每层的激活函数等等。作为示例，当上述初始神经网络模型为深度卷积神经网络时，由于深度卷积神经网络是一个多层的神经网络，因此需要确定深度卷积神经网络包括哪些层(例如，卷积层，池化层，全连接层，分类器等等)，层与层之间的连接顺序关系，以及每个层都包括哪些网络参数(例如，权重、偏置项、卷积的步长)等等。其中，卷积层可以用于提取信息特征。针对每个卷积层可以确定有多少个卷积核，每个卷积核的大小，每个卷积核中的各个神经元的权重，每个卷积核对应的偏置项，相邻两次卷积之间的步长等等。池化层用于对特征信息进行降维处理。
第二步骤，通过预设的损失函数，确定上述至少一个训练样本中的每个训练样本包括的样本电量组和样本电量价值属性值组与对应的检测信息包括电量组和电量价值属性值组的损失值。这里，预设的损失函数可以包括但不限于：均方误差损失函数(MSE)、合页损失函数(SVM)、交叉熵损失函数(CrossEntropy)等等。
第三步骤，响应于确定损失值小于等于预设阈值，将初始神经网络确定为信息检测模型。
第四步骤，响应于确定损失值大于上述预设阈值，调整初始神经网络的网络参数，以及使用未使用过的训练样本组成训练样本集，将调整后的初始神经网络作为初始神经网络，再次执行上述处理步骤。例如，可以对损失值和预设阈值求差值，得到损失差值。在此基础上，利用反向传播、随机梯度下降等方法将损失差值从模型的最后一层向前传递，以调整每一层的参数。当然根据需要，也可以采用网络冻结(dropout)的方法，对其中的一些层的网络参数保持不变，不进行调整，对此，不做任何限定。
步骤205，基于上述检测信息组，生成目标用户信息组。
在一些实施例中，上述执行主体可以将上述检测信息组中电量波动值小于等于第一阈值以及电量价值波动值小于等于第二阈值的检测信息所对应的预处理用户信息确定为目标用户信息，得到目标用户信息组。这里，对于第一阈值和第二阈值的设定，不作限制。例如，第一阈值可以是“0.3”。第二阈值可以是“0.3”。
作为示例，可以将上述检测信息组“(0.3，0.265)；(0.1，0.1)”中电量波动值小于等于第一阈值“0.3”以及电量价值波动值小于等于第二阈值“0.3”的检测信息所对应的预处理用户信息确定为目标用户信息，得到目标用户信息组“{[A用户；信用额度：100万]；[B用户；信用额度：90万]}”。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的基于电力数据的用户信息生成方法，降低了对用户的用电量进行分配控制时的误差，提高了对用户的用电量进行分配控制的准确率。具体来说，造成对用户的用电量进行分配控制的准确率较低的原因在于：考量的因素过于单一，导致在对用户的用电量进行分配控制时存在误差，造成对用户的用电量进行分配控制的准确率较低。基于此，本公开的一些实施例的基于电力数据的用户信息生成方法，首先，获取各个目标用户的用户信息集和预设时间段内的电力信息集。这里，因为电力信息数据属于源头数据，具有较高准确性和较高可靠性的特性，可以作为考量用户的信用度的重要因素。其次，对上述电力信息集包括的各个电力信息进行预处理，得到预处理电力信息集。由此，可以去除电力信息集中的无效数据，为后续选择目标用户信息提供了有效的数据支持。接着，将上述预处理电力信息集中的每个预处理电力信息对应的上述用户信息集中的用户信息确定为预处理用户信息，得到预处理用户信息集。然后，基于上述预处理电力信息集和上述预处理用户信息集，生成检测信息组。由此，可以检测出电力信息符合条件的用户信息，为选择出信用度较高的目标用户信息提供了参考依据。最后，基于上述检测信息组，生成目标用户信息组。由此，降低了对用户的用电量进行分配控制时的误差，提高了对用户的用电量进行分配控制的准确率。
进一步参考图3，示出了根据本公开的基于电力数据的用户信息生成方法的另一些实施例的流程300。该基于电力数据的用户信息生成方法，包括以下步骤：
步骤301，获取各个目标用户的用户信息集和预设时间段内的电力信息集。
步骤302，对上述电力信息集包括的各个电力信息进行预处理，得到预处理电力信息集。
步骤303，将上述预处理电力信息集中的每个预处理电力信息对应的上述用户信息集中的用户信息确定为预处理用户信息，得到预处理用户信息集。
步骤304，基于上述预处理电力信息集和上述预处理用户信息集，生成检测信息组。
在一些实施例中，步骤301-304的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-204，在此不再赘述。
步骤305，将上述检测信息组中的每个检测信息对应的预处理用户信息确定为备选用户信息，得到备选用户信息组。
在一些实施例中，基于电力数据的用户信息生成方法的执行主体(例如，图1所示的计算设备101)可以将上述检测信息组中的每个检测信息对应的预处理用户信息确定为备选用户信息，得到备选用户信息组。
作为示例，检测信息组可以是“(0.3，0.265)；(0.1，0.1)”。可以将检测信息“(0.3，0.265)”对应的预处理用户信息“[A用户；信用额度：100万]”确定为备选用户信息。可以将检测信息“(0.1，0.1)”对应的预处理用户信息“[B用户；信用额度：90万]”确定为备选用户信息。
步骤306，基于上述预处理电力信息集和上述备选用户信息组，生成目标用户信息组。
在一些实施例中，上述预处理电力信息集中的预处理电力信息包括：电量组、电量价值属性值组和及时缴纳比率组，上述电量组中的电量对应上述电量价值属性值组中的电量价值属性值，上述电量价值属性值组中的电量价值属性值对应上述及时缴纳比率组中的及时缴纳比率，上述备选用户信息组中的备选用户信息包括用户信用等级。这里，及时缴纳比率组中的及时缴纳比率可以是指用户所缴纳的价值属性值与电量价值属性值的比值。例如，用户所缴纳的价值属性值可以为“100”，电力价值属性值可以为“120”，即及时缴纳比率为“100/120＝0.83”。上述执行主体可以通过以下步骤生成目标用户信息组：
第一步，基于上述预处理电力信息集中的每个预处理电力信息包括的电量组、电量价值属性值组和及时缴纳比率组，以及对应上述预处理电力信息的备选用户信息所包括的用户信用等级，生成用户置信度，得到用户置信度组。
实践中，上述第一步可以通过以下公式，生成用户置信度：
其中，Degree表示用户置信度。D表示对应上述预处理电力信息的备选用户信息所包括的用户信用等级。i表示上述电量组中电量的序号。n表示上述电量组所包括的电量的数量。Ai表示上述电量组中的第i个电量。t表示上述电量价值属性值组中的电力价值属性值的序号。T表示上述电量价值属性值组所包括的电量价值属性值的数量。Bt表示上述电量价值属性值组中的第t个电量价值属性值。j表示上述及时缴纳比率组中及时缴纳比率的序号。J表示上述及时缴纳比率组所包括的及时缴纳比率的数量。Cj表示上述及时缴纳比率组中的第j个及时缴纳比率。
第二步，从上述用户置信度组中选择大于等于目标阈值的用户置信度作为目标用户置信度，得到目标用户置信度组。这里，对于目标阈值的设定，不作限制。
第三步，将上述目标用户置信度组中的每个目标用户置信度对应的备选用户信息确定为目标用户信息，得到目标用户信息组。
步骤306中的公式作为本公开的一个发明点，由此解决了背景技术提及的技术问题二“在对用户的用电量进行分配控制时，无法及时识别出异常电力用户并对异常电力用户的用电量进行控制，造成电力浪费”。导致电力浪费的因素往往如下：在对用户的用电量进行分配控制时，无法及时识别出异常电力用户并对异常电力用户的用电量进行控制，造成电力浪费。如果解决了上述因素，就能达到提高对用户的用电量进行分配控制的有效率。为了达到这一效果，首先，本公开引入用户信用等级，是为了考虑用户在税务数据方面的可靠性，用户信用等级越高，表明用户越可靠。接着，本公开引入电量、电量价值属性值以及及时缴纳比率是为了考量用户在电力数据方面是否能对应上用户信用等级。这里，引入电量和电量价值属性值(电费)是为了考量用户的电量消耗以及电量价值属性值(电费)与用户信用等级是否成正比。通常来说，用户的用电量越大，实体设备就越多，表明用户的固定资产越多。这里，引入及时缴纳比率是为了考量用户是否能支撑电量价值属性值(电费)的缴纳。这里，及时缴纳比率越大，表明用户的可支配价值属性值越多(流动资金)。由此，使得生成的用户置信度贴合于用户的实际情况。从而，可以根据所生成的用户置信度，完成对异常用户的用电量进行控制。提高了对用户的用电量进行分配控制的有效率。进而，减少了电力资源的浪费。
可选地，从上述用户置信度组中选择小于上述目标阈值的用户置信度作为异常用户置信度，得到异常用户置信度组；将上述异常用户置信度组中的每个异常用户置信度对应的用户信息作为异常用户信息，得到异常用户信息组；根据上述异常用户信息组，控制电量控制设备进行断电操作。例如，上述执行主体可以将异常用户信息组中异常用户信息所表征的用户标记为异常用户，并控制电量控制设备对上述异常用户进行断电操作。由此，可以实现在对各个企业的信贷申请进行审核的同时，实现对异常用户的断电操作。从而，可以实现对各个用户的用电量的监控。
步骤307，对上述目标用户信息组中的每个目标用户信息进行加密处理以生成目标用户加密信息，得到目标用户加密信息组。
在一些实施例中，上述执行主体可以通过以下步骤对上述目标用户信息组中的每个目标用户信息进行加密处理以生成目标用户加密信息：
第一步，对上述目标用户信息进行编码处理以生成目标用户编码信息。这里，编码处理可以是指国际预处理编码。例如，目标用户信息可以是[百香果]。可以对“[百香果]”进行国际预处理编码处理以生成目标用户编码信息“[b′\xb0\xd9\xcf\xe3\xb9\xfb′]”。
第二步，对上述目标用户编码信息进行进制转换处理以生成进制编码信息。其中，进制编码信息以一维矩阵的形式表示。这里，进制转换处理可以是十进制转换处理。例如，可以对目标用户编码信息“[b′\xb0\xd9\xcf\xe3\xb9\xfb′]”进行十进制转换处理以生成进制编码信息“”。
第三步，随机选择一个正整数，作为备选密钥。例如，正整数可以是“9”。
第四步，基于上述备选密钥，生成加密密钥。
实践中，上述第四步，可以通过以下公式，生成加密密钥：
P＝rem(S，Y)。
其中，P表示加密密钥。S表示上述备选密钥。Y表示随机质数。rem()表示取余运算。
第五步，基于上述加密密钥和上述进制编码信息，生成目标用户加密信息。
实践中，上述第五步，可以通过以下公式，生成目标用户加密信息：
其中，code表示目标用户加密信息。表示上述进制编码信息。Z表示上述进制编码信息包括的进制编码值的数量。P表示上述加密密钥。mod()表示取模运算。
步骤307中的公式及其相关内容作为本公开的一个发明点，由此解决了背景技术提及的技术问题三“电力用户信息具有敏感性，未对电力用户的信息进行加密，会导致电力用户信息可能会被改动，降低了信息传输的安全性”。造成信息传输的可靠性降低的因素往往如下：电力用户信息具有敏感性，未对电力用户的信息进行加密，会导致电力用户信息可能会被改动，降低了信息传输的安全性。如果解决了上述因素，就能达到提高信息传输的可靠性的效果。为了达到这一效果，首先，对上述目标用户信息进行编码处理以生成目标用户编码信息。由此，便于对目标用户信息进行加密。接着，对上述目标用户编码信息进行进制转换处理以生成进制编码信息。由此，既方便了对信息进行加密，又提高了信息的保密性。然后，随机选择一个正整数，作为备选密钥，再通过公式生成加密密钥。由于加密密钥是通过随机选择的质数和备选密钥生成的，提高了加密密钥的安全性。最后，再以矩阵的形式对信息进行加密，极大地提高了信息在传输时的安全性。
步骤308，将上述目标用户加密信息组存储至目标数据库中以供调用。
在一些实施例中，上述执行主体可以将上述目标用户加密信息组存储至目标数据库中以供调用。这里，目标数据库可以是指与银行系统连接的数据库。
从图3可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的基于电力数据的用户信息生成方法的流程300，首先，对上述目标用户信息进行编码处理以生成目标用户编码信息。由此，便于对目标用户信息进行加密。接着，对上述目标用户编码信息进行进制转换处理以生成进制编码信息。由此，既方便了对信息进行加密，又提高了信息的保密性。然后，随机选择一个正整数，作为备选密钥，再通过公式生成加密密钥。由于加密密钥是通过随机选择的质数和备选密钥生成的，提高了加密密钥的安全性。最后，再以矩阵的形式对信息进行加密，极大地提高了信息在传输时的安全性。
进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种基于电力数据的用户信息生成装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，一些实施例的基于电力数据的用户信息生成装置400包括：获取单元401、预处理单元402、确定单元403、第一生成单元404和第二生成单元405。其中，获取单元401被配置成获取各个目标用户的用户信息集和预设时间段内的电力信息集，其中，上述电力信息集中的电力信息对应上述用户信息集中的用户信息。预处理单元402被配置成对上述电力信息集包括的各个电力信息进行预处理，得到预处理电力信息集。确定单元403被配置成将上述预处理电力信息集中的每个预处理电力信息对应的上述用户信息集中的用户信息确定为预处理用户信息，得到预处理用户信息集。第一生成单元404被配置成基于上述预处理电力信息集和上述预处理用户信息集，生成检测信息组，其中，上述检测信息组中的检测信息对应上述预处理用户信息集中的预处理用户信息。第二生成单元405被配置成基于上述预处理电力信息集和上述检测信息组，生成目标用户信息组。
可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。
下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取各个目标用户的用户信息集和预设时间段内的电力信息集，其中，上述电力信息集中的电力信息对应上述用户信息集中的用户信息；对上述电力信息集包括的各个电力信息进行预处理，得到预处理电力信息集；将上述预处理电力信息集中的每个预处理电力信息对应的上述用户信息集中的用户信息确定为预处理用户信息，得到预处理用户信息集；基于上述预处理电力信息集和上述预处理用户信息集，生成检测信息组，其中，上述检测信息组中的检测信息表征预处理用户信息；基于上述检测信息组，生成目标用户信息组。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、预处理单元、确定单元、第一生成单元和第二生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，预处理单元还可以被描述为“对上述电力信息集包括的各个电力信息进行预处理，得到预处理电力信息集的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用预处理产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种基于电力数据的用户信息生成方法，包括：
获取各个目标用户的用户信息集和预设时间段内的电力信息集，其中，所述电力信息集中的电力信息对应所述用户信息集中的用户信息；
对所述电力信息集包括的各个电力信息进行预处理，得到预处理电力信息集；
将所述预处理电力信息集中的每个预处理电力信息对应的所述用户信息集中的用户信息确定为预处理用户信息，得到预处理用户信息集；
基于所述预处理电力信息集和所述预处理用户信息集，生成检测信息组，其中，所述检测信息组中的检测信息对应所述预处理用户信息集中的预处理用户信息；
基于所述检测信息组，生成目标用户信息组。
2.根据权利要求1所述的方法，其中，所述方法还包括：
对所述目标用户信息组中的每个目标用户信息进行加密处理以生成目标用户加密信息，得到目标用户加密信息组；
将所述目标用户加密信息组存储至目标数据库中以供调用。
3.根据权利要求1所述的方法，其中，所述基于所述检测信息组，生成目标用户信息组，包括：
将所述检测信息组中的每个检测信息对应的预处理用户信息确定为备选用户信息，得到备选用户信息组；
基于所述预处理电力信息集和所述备选用户信息组，生成目标用户信息组。
4.根据权利要求3所述的方法，其中，所述预处理电力信息集中的预处理电力信息包括：电量组、电量价值属性值组和及时缴纳比率组，所述电量组中的电量对应所述电量价值属性值组中的电量价值属性值，所述电量价值属性值组中的电量价值属性值对应所述及时缴纳比率组中的及时缴纳比率，所述备选用户信息组中的备选用户信息包括用户信用等级；以及
所述基于所述预处理电力信息集和所述备选用户信息组，生成目标用户信息组，包括：
基于所述预处理电力信息集中的每个预处理电力信息包括的电量组、电量价值属性值组和及时缴纳比率组，以及对应所述预处理电力信息的备选用户信息所包括的用户信用等级，生成用户置信度，得到用户置信度组；
从所述用户置信度组中选择大于等于目标阈值的用户置信度作为目标用户置信度，得到目标用户置信度组；
将所述目标用户置信度组中的每个目标用户置信度对应的备选用户信息确定为目标用户信息，得到目标用户信息组。
5.根据权利要求4所述的方法，其中，所述方法还包括：
从所述用户置信度组中选择小于所述目标阈值的用户置信度作为异常用户置信度，得到异常用户置信度组；
将所述异常用户置信度组中的每个异常用户置信度对应的用户信息作为异常用户信息，得到异常用户信息组；
根据所述异常用户信息组，控制电量控制设备进行断电操作。
6.根据权利要求1所述的方法，其中，所述基于所述预处理电力信息集和所述预处理用户信息集，生成检测信息组，包括：
将所述预处理电力信息集和所述预处理用户信息集输入至预先训练好的信息检测模型中，得到检测信息组。
7.根据权利要求6所述的方法，其中，所述信息检测模型是通过以下步骤训练得到的：
获取训练样本集，其中，所述训练样本集中的训练样本包括：样本电力信息和对应所述样本电力信息的样本用户信息，所述样本电力信息包括样本电力名称、样本电量组和对应所述样本电量组的样本电量价值属性值组，所述样本用户信息包括样本用户名称和样本用户标签，所述样本用户标签表征用户是否为授信用户；
基于训练样本集，执行如下处理步骤：
将训练样本集中的至少一个训练样本包括的样本电力信息和对应所述样本电力信息的样本用户信息包括的样本用户标签输入至初始神经网络，得到所述至少一个训练样本中的每个训练样本对应的检测信息，其中，所述检测信息包括电量组和电量价值属性值组；
通过预设的损失函数，确定所述至少一个训练样本中的每个训练样本包括的样本电量组和样本电量价值属性值组与对应的检测信息包括电量组和电量价值属性值组的损失值；
响应于确定损失值小于等于预设阈值，将初始神经网络确定为信息检测模型。
8.一种基于电力数据的用户信息生成装置，包括：
获取单元，被配置成获取各个目标用户的用户信息集和预设时间段内的电力信息集，其中，所述电力信息集中的电力信息对应所述用户信息集中的用户信息；
预处理单元，被配置成对所述电力信息集包括的各个电力信息进行预处理，得到预处理电力信息集；
确定单元，被配置成将所述预处理电力信息集中的每个预处理电力信息对应的所述用户信息集中的用户信息确定为预处理用户信息，得到预处理用户信息集；
第一生成单元，被配置成基于所述预处理电力信息集和所述预处理用户信息集，生成检测信息组，其中，所述检测信息组中的检测信息对应所述预处理用户信息集中的预处理用户信息；
第二生成单元，被配置成基于所述检测信息组，生成目标用户信息组。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN202110880162.9A 2021-08-02 2021-08-02 基于电力数据的用户信息生成方法、装置、电子设备 Active CN113609113B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110880162.9A CN113609113B (zh) 2021-08-02 2021-08-02 基于电力数据的用户信息生成方法、装置、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110880162.9A CN113609113B (zh) 2021-08-02 2021-08-02 基于电力数据的用户信息生成方法、装置、电子设备

Publications (2)

Publication Number Publication Date
CN113609113A CN113609113A (zh) 2021-11-05
CN113609113B true CN113609113B (zh) 2023-09-15

Family

ID=78306442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110880162.9A Active CN113609113B (zh) 2021-08-02 2021-08-02 基于电力数据的用户信息生成方法、装置、电子设备

Country Status (1)

Country Link
CN (1) CN113609113B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114785822B (zh) * 2022-04-01 2022-11-04 广东新邦智联科技有限公司 基于物联网的电力信息共享方法、装置、设备和存储介质
CN114781351B (zh) * 2022-04-07 2023-08-18 国网江苏省电力有限公司泰州供电分公司 基于电力数据的投标文件解析方法、装置、设备和介质
CN115081958B (zh) * 2022-08-18 2022-12-02 国网信息通信产业集团有限公司 用户电力调整方法、装置、电子设备和计算机可读介质
CN115689210B (zh) * 2022-11-02 2023-07-25 北京国电通网络技术有限公司 基于用水用电隐私数据的水电调整方法、装置、电子设备
CN115599640B (zh) * 2022-11-29 2023-03-28 北京国电通网络技术有限公司 异常供应端告警方法、电子设备和介质
CN116757443B (zh) * 2023-08-11 2023-10-27 北京国电通网络技术有限公司 新型配电网电力线损率预测方法、装置、电子设备和介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102068715B1 (ko) * 2019-06-05 2020-01-21 (주)위세아이텍 변수 중요도에 따른 가중치가 적용된 변수를 이용한 이상값 탐지 장치 및 방법
CN110909348A (zh) * 2019-09-26 2020-03-24 中国科学院信息工程研究所 一种内部威胁检测方法及装置
CN112288447A (zh) * 2020-10-30 2021-01-29 北京每日优鲜电子商务有限公司 物品信息显示方法、装置、电子设备和计算机可读介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102068715B1 (ko) * 2019-06-05 2020-01-21 (주)위세아이텍 변수 중요도에 따른 가중치가 적용된 변수를 이용한 이상값 탐지 장치 및 방법
CN110909348A (zh) * 2019-09-26 2020-03-24 中国科学院信息工程研究所 一种内部威胁检测方法及装置
CN112288447A (zh) * 2020-10-30 2021-01-29 北京每日优鲜电子商务有限公司 物品信息显示方法、装置、电子设备和计算机可读介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于BP神经网络电力大客户信用等级评价研究;王宇哲;雷霞;陈晓盛;黄贵鸿;徐贵阳;;电力需求侧管理(05);全文 *

Also Published As

Publication number Publication date
CN113609113A (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
CN113609113B (zh) 基于电力数据的用户信息生成方法、装置、电子设备
US11087180B2 (en) Risky transaction identification method and apparatus
AU2019257397B2 (en) Secure multi-party computation with no trusted initializer
CN111915480B (zh) 生成特征提取网络的方法、装置、设备和计算机可读介质
US11886955B2 (en) Self-supervised data obfuscation in foundation models
CN113409090A (zh) 广告点击率预测模型的训练方法、预测方法及装置
CN114781351B (zh) 基于电力数据的投标文件解析方法、装置、设备和介质
CN110321705A (zh) 用于生成模型的方法、装置和用于检测文件的方法、装置
CN112182374B (zh) 库存控制方法、装置、电子设备和计算机可读介质
CN112288447A (zh) 物品信息显示方法、装置、电子设备和计算机可读介质
CN116127925A (zh) 基于对文本进行破坏处理的文本数据增强方法及装置
WO2022218068A1 (zh) 素材投放方法、装置、设备和介质
CN116109374A (zh) 资源位展示方法、装置、电子设备和计算机可读介质
CN109753708A (zh) 一种付费金额预测方法、装置及可读存储介质
CN113780318B (zh) 用于生成提示信息的方法、装置、服务器和介质
CN114863162A (zh) 对象分类方法、深度学习模型的训练方法、装置和设备
CN111784377A (zh) 用于生成信息的方法和装置
CN111709787B (zh) 用于生成用户留存时间的方法、装置、电子设备和介质
CN111949938B (zh) 异动信息的确定方法、装置、电子设备和计算机可读介质
CN111709583B (zh) 用户留存时间生成方法、装置、电子设备和介质
CN117273241B (zh) 一种处理数据的方法和装置
CN111814807B (zh) 用于处理图像的方法、装置、电子设备和计算机可读介质
US20220321581A1 (en) Optimally compressed feature representation deployment for automated refresh in event driven learning paradigms
US20240185080A1 (en) Self-supervised data obfuscation in foundation models
CN117974187A (zh) 数据处理方法、装置、电子设备和计算机可读介质

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