应用于电费追缴工单的数据处理方法及装置与流程

1.本发明涉及数据处理技术领域，特别是涉及一种应用于电费追缴工单的数据处理方法及装置。


背景技术：

2.电费追缴是反窃电工作中的重要环节，可以准确合理地收取应补缴的电费。需要对电费追缴工单进行分析，以便于根据分析结果对电费追缴工作进行改进。但是，现有的电费追缴工单分析主要是依靠业务人员的人工排除，该方式易受业务人员的主观影响、并且排查分析会耗费巨大的人力和时间成本。随着电费追缴工单数据量的增大，上述方式已经无法实现对其进行有效分析，从而导致针对电费追缴工单的数据分析精准度低且效率较低。


技术实现要素：

3.针对于上述问题，本发明提供一种应用于电费追缴工单的数据处理方法及装置，提升了针对电费追缴工单分析的客观性、准确性和效率。
4.为了实现上述目的，本发明提供了如下技术方案：
5.一种应用于电费追缴工单的数据处理方法，包括：
6.获取追缴工单数据；
7.基于异常事件时序关系，确定所述追缴工单数据的异常分类；
8.获取每一供电所对应的各个异常分类的追缴工单的目标数据；
9.根据所述供电所的权重值，对所述目标数据进行加权计算，得到所述供电所的评分数据；
10.基于所述评分数据，确定所述供电所的执行模式，以使得所述供电所基于所述执行模式进行电费追缴。
11.可选地，所述方法还包括：
12.对历史追缴工单数据进行分析，确定工单异常的分类类别，其中，所述分类类别包括数据缺省异常分类、数据记录异常分类和数据计算异常分类，所述数据缺省异常分类表征目标字段数据为空，所述数据记录异常分类表征记录的窃电数据错误，所述数据计算异常分类表征理论追缴电量与实际追缴电量偏差大于阈值。
13.可选地，所述基于异常事件时序关系，确定所述追缴工单数据的异常分类，包括：
14.获取追缴工单数据的时序数据列；
15.对所述时序数据列进行分析，获得分析结果；
16.若所述分析结果中目标字段数据为空，确定所述追缴工单数据为数据缺省异常分类；
17.若所述分析结果中窃电数据错误，确定所述追缴工单数据为数据记录异常分类；
18.若所述分析结果中理论追缴电量与实际追缴电量偏差大于阈值，确定所述追缴工
单数据为数据计算异常分类。
19.可选地，所述方法还包括：
20.基于理论追缴电量和实际追缴电量，计算偏差比例，包括：
21.获取与所述追缴工单数据对应的用户用电的时间序列数据；
22.基于所述用户用电的时间序列数据，确定用户窃电开始时间和窃电结束时间；
23.根据所述用户窃电开始时间和所述窃电结束时间，计算理论窃电时间；
24.基于所述用户用电的时间序列数据和所述理论窃电时间，确定理论窃电电量；
25.基于所述理论窃电量、实际追缴电量和标准电量，计算得到偏差比例。
26.可选地，所述基于所述用户用电的时间序列数据，确定用户窃电开始时间和窃电结束时间，包括：
27.基于所述用户用电的时间序列数据，检测是否存在单户停电事件；
28.如果是，检测对应于所述单户停电事件后是否存在开盖事件；
29.如果是，判断开盖时间距离停电事件是否在预设时间区间内；
30.如果是，若存在开盖后电量线损突变或者零火线电流失衡，将所述开盖时间确定为用户窃电开始时间；
31.将窃电查处时间确定为窃电结束时间。
32.可选地，所述基于所述用户用电的时间序列数据和所述理论窃电时间，确定理论窃电电量，包括：
33.检测是否存在零火线电流数据；
34.如果是，根据所述窃电开始时间内用电量和目标电流，计算获得理论窃电电量，所述目标电流为零线电流或者火线电流；
35.如果否，获取窃电查处前的日均用电量和窃电查处后的日均用电量；
36.若窃电查处后的日均用电量升高，计算窃电查处后的日均用电量和所述窃电查处前的日均用电量的差值；
37.将所述差值与所述理论窃电时间的乘积，确定为理论窃电量；
38.若窃电查处后日均用电量减低或不变，获取额外用电数据以及电表计电量和实际电量的比例关系；
39.基于所述额外用电数据、所述比例关系、所述窃电查处前的日均用电量和所述窃电查处后的日均用电量，计算获得日均窃电量；
40.将所述日均窃电量和所述理论窃电时间的乘积，确定理论窃电量。
41.可选地，所述方法还包括：
42.基于箱形图对样本数据中的偏差比例进行计算，确定目标阈值，所述箱形图表征偏差比例分散情况的统计图，所述目标阈值为偏差比例进行比较的阈值，以确定是否属于数据计算异常分类。
43.可选地，所述基于箱形图对样本数据中的偏差比例进行计算，确定目标阈值，包括：
44.对样本数据中的偏差比例进行由小到大排序，获得排序结果；
45.基于所述排序结果，分别计算下四分位数和上四分位数；
46.根据所述下四分位数和所述上四分位数，计算四分位距；
47.基于所述下四分位数、所述上四分位数和四分位距，计算获得目标阈值。
48.可选地，所述根据各个异常分类对应的权重值，对所述目标数据进行加权计算，得到所述供电所的评分数据，包括：
49.确定所述供电所的所有工单的数量，以及各个异常分类的追缴工单的数量，并计算各个异常分类的权重值；
50.基于所述权重值、供电所所有工单的数量以及所述供电所的异常工单数量，计算得到所述供电所的评分数据。
51.一种应用于电费追缴工单的数据处理装置，包括：
52.第一获取单元，用于获取追缴工单数据；
53.第一确定单元，用于基于异常事件时序关系，确定所述追缴工单数据的异常分类；
54.第二获取单元，用于获取每一供电所对应的各个异常分类的追缴工单的目标数据；
55.计算单元，用于根据所述供电所的权重值，对所述目标数据进行加权计算，得到所述供电所的评分数据；
56.第二确定单元，用于基于所述评分数据，确定所述供电所的执行模式，以使得所述供电所基于所述执行模式进行电费追缴。
57.相较于现有技术，本发明提供了一种应用于电费追缴工单的数据处理方法及装置，包括：获取追缴工单数据；基于异常事件时序关系，确定所述追缴工单数据的异常分类；获取每一供电所对应的各个异常分类的追缴工单的目标数据；根据所述供电所的权重值，对所述目标数据进行加权计算，得到所述供电所的评分数据；基于所述评分数据，确定所述供电所的执行模式，以使得所述供电所基于所述执行模式进行电费追缴。实现了对追缴工单数据的客观自动化的数据处理，提升了针对电费追缴工单分析的客观性、准确性和效率。
附图说明
58.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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本发明的实施例，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获得其他的附图。
59.图1为本发明实施例提供的一种应用于电费追缴工单的数据处理方法的流程示意图；
60.图2为本发明实施例提供的一种窃电开始时间确定流程的示意图；
61.图3为本发明实施例提供的一种箱形图异常检测示意图；
62.图4为本发明实施例提供的一种某个供电所的箱形图的检测示意图；
63.图5为本发明实施例提供的一种应用于电费追缴工单的数据处理装置的结构示意图。
具体实施方式
64.下面将结合本发明实施例中的附图，对本发明实施例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。
65.本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
66.为了便于对本发明实施例进行描述，现将本发明实施例中应用的相关术语进行说明。
67.用电量：是用电用户一段时间内用户电表上的数据总和。
68.火零线电流：正常用户发生用电时，电表火零线电流比应趋近1，当发生异常用电行为后，通常会导致火零线电流失衡。
69.开盖事件：智能电表的表箱被违规开启后，记录开盖次数及时间。
70.停上电事件：智能电表产生停电行为后，记录停电及上电时间。
71.城网用户：城市电网用户。
72.农网用户：农村电网用户。
73.在本发明实施例中提供了一种应用于电费追缴工单的数据处理方法，利用大量历史案例数据，深度结合业务专家经验，对工单数据的异常类型进行区分，定义异常类型，然后，基于异常事件时序关系结合统计分析方法筛选出不同类型的异常供电，然后以供电所为单位，按行业分类，计算加权评分，以便可以按照年度或月度进行追缴工单评价，根据相对排名对低分单位确定对应的执行模式，如可以进行相关业务培训知识的输出和工作改进。
74.参见图1，其示出了本发明实施例提供的一种应用于电费追缴工单的数据处理方法的流程示意图，该方法可以包括以下步骤：
75.s101、获取追缴工单数据。
76.其中，追缴工单数据是指针对追缴工单对应的用电用户的历史用电数据，如可以是各个追缴工单对应的用电用户被查出前3个月至1年的历史数据，也可根据数据存储情况确定对应的追缴工单数据。
77.s102、基于异常事件时序关系，确定所述追缴工单数据的异常分类。
78.其中，异常事件时序关系是指异常事件在时间上的关系，即本发明实施例通过对产生异常事件的与时间相关的参数进行分析，以确定对应的追缴工单数据的异常分类。在本发明实施例中定义了异常分类类别，通过对追缴工单数据进行分析，来确定其是否满足异常分类类别对应的条件，以便于后续处理。
79.s103、获取每一供电所对应的各个异常分类的追缴工单的目标数据。
80.其中，各个异常分类的追缴工单的目标数据是指属于每一异常分类的追缴工单的数量等信息。
81.s104、根据供电所的权重值，对目标数据进行加权计算，得到供电所的评分数据。
82.s105、基于评分数据，确定供电所的执行模式，以使得所述供电所基于所述执行模式进行电费追缴。
83.在获得了各个类别对应的工单数量后，可以得到供电所的所有异常工单数量的总
和，然后基于由供电所工单数量确定的供电所的权重值，对由目标数据计算获得异常工单的数据之和供电所的工单总数进行相关计算，得到该供电所的评分数据。执行模式是指根据该评分数据输出的供电所待执行的改进数据，如可以是培训数据，电表核查改进措施等。
84.本发明实施例提供了一种应用于电费追缴工单的数据处理方法，包括：获取追缴工单数据；基于异常事件时序关系，确定所述追缴工单数据的异常分类；获取每一供电所对应的各个异常分类的追缴工单的目标数据；根据所述供电所的权重值，对所述目标数据进行加权计算，得到所述供电所的评分数据；基于所述评分数据，确定所述供电所的执行模式，以使得所述供电所基于所述执行模式进行电费追缴。实现了对追缴工单数据的客观自动化的数据处理，提升了针对电费追缴工单分析的客观性、准确性和效率。
85.在本发明实施例中还提供了生成工单异常分类的方法，该过程包括：
86.对历史追缴工单数据进行分析，确定工单异常的分类类别，其中，所述分类类别包括数据缺省异常分类、数据记录异常分类和数据计算异常分类，所述数据缺省异常分类表征目标字段数据为空，所述数据记录异常分类表征记录的窃电数据错误，所述数据计算异常分类表征理论追缴电量与实际追缴电量偏差大于阈值。
87.具体的，通过分析历史追缴工单数据，结合业务经验，将工单异常定义为三类：
88.(1)数据缺省异常分类，将该分类记为x1：
89.关键数据列为空，如追补依据、现场情况、追补电费、违约窃电分类等，则该工单可能存在数据缺省异常。
90.(2)数据记录异常分类，将该分类记为x2：
91.窃电时间小于等于0，且追补电量大于0的工单，明显记录的窃电时间有误，则该工单可能存在数据记录异常。
92.(3)数据计算异常分类，将该分类记为x3：
93.理论追缴电量与实际追缴电量偏差过大，则该工单可能存在数据计算异常。
94.基于上述的分类，本发明实施例的所述基于异常事件时序关系，确定所述追缴工单数据的异常分类，包括：
95.获取追缴工单数据的时序数据列；
96.对所述时序数据列进行分析，获得分析结果；
97.若所述分析结果中目标字段数据为空，确定所述追缴工单数据为数据缺省异常分类；
98.若所述分析结果中窃电数据错误，确定所述追缴工单数据为数据记录异常分类；
99.若所述分析结果中理论追缴电量与实际追缴电量偏差大于阈值，确定所述追缴工单数据为数据计算异常分类。
100.具体的，在进行异常工单筛选时，通过定位关键列，若存在空值则判断为数据缺省异常(x1)；若数值型数据出现编辑异常(如追缴电费/电量数据为0或者负)，或数据处理后的中间数据出现逻辑异常(窃电开始时间晚于窃电查处或结束时间)，则判定为数据记录异常(x2)；若所述分析结果中理论追缴电量与实际追缴电量偏差大于阈值，确定所述追缴工单数据为数据计算异常分类(x3)。
101.所述方法还包括：
102.基于理论追缴电量和实际追缴电量，计算偏差比例，包括：
103.获取与所述追缴工单数据对应的用户用电的时间序列数据；
104.基于所述用户用电的时间序列数据，确定用户窃电开始时间和窃电结束时间；
105.根据所述用户窃电开始时间和所述窃电结束时间，计算理论窃电时间；
106.基于所述用户用电的时间序列数据和所述理论窃电时间，确定理论窃电电量；
107.基于所述理论窃电量、实际追缴电量和标准电量，计算得到偏差比例。
108.对应的，所述基于所述用户用电的时间序列数据，确定用户窃电开始时间和窃电结束时间，包括：基于所述用户用电的时间序列数据，检测是否存在单户停电事件；如果是，检测对应于所述单户停电事件后是否存在开盖事件；如果是，判断开盖时间距离停电事件是否在预设时间区间内；如果是，若存在开盖后电量线损突变或者零火线电流失衡，将所述开盖时间确定为用户窃电开始时间；
109.对应的，所述基于所述用户用电的时间序列数据和所述理论窃电时间，确定理论窃电电量，包括：检测是否存在零火线电流数据；如果是，根据所述窃电开始时间内用电量和目标电流，计算获得理论窃电电量，所述目标电流为零线电流或者火线电流；如果否，获取窃电查处前的日均用电量和窃电查处后的日均用电量；若窃电查处后的日均用电量升高，计算窃电查处后的日均用电量和所述窃电查处前的日均用电量的差值；将所述差值与所述理论窃电时间的乘积，确定为理论窃电量；若窃电查处后日均用电量减低或不变，获取额外用电数据以及电表计电量和实际电量的比例关系；基于所述额外用电数据、所述比例关系、所述窃电查处前的日均用电量和所述窃电查处后的日均用电量，计算获得日均窃电量；将所述日均窃电量和所述理论窃电时间的乘积，确定理论窃电量。
110.具体的，参见图2，其示出了本发明实施例提供的一种窃电开始时间确定流程的示意图。为判断实际追缴电量是否存在偏差过大的现象，计算理论上应追缴的标准电量，首先需确定用户窃电时间及用电水平。
111.城网用户受限于客观环境，绕越窃电发生的情况相对较少，窃电方式通常表现为对电表即相关计量装置进行违规操作，致使计量装置不准从而达到不缴或少缴电费的目的，此类方式往往会产生停电及动表行为。
112.在确定理论窃电时间时，首先要确定用户窃电开始时间：
113.针对追缴工单，获取用户被查处前3个月至1年的历史数据(具体可根据数据存储情况而定)：
114.判断是否发生过停上电事件，若存在，获取第一停电事件；
115.判断是否为单户停电，若非台区或线路大面积停电，则判定为是单户停电，否则定位至下一次停电；
116.判断停电后是否存在开盖时间，否则定位至下一次停电；
117.判断其开盖事件发生时间是否距停电时间n至m内(结合历史数据及业务经验，定义为n＝5min，m＝24h)，否则同上；
118.判断是否存在开盖后电量线损突变或零火线电流失衡现象(其中，开盖后电量线损突变事件定义为：开盖前后周平均用电量降低且台区周平均线损电量升高；零火线电流失衡现象：(零线电流
‑
火线电流)/(零线电流 火线电流)>5％)，若存在，则将该开盖日期确定为窃电开始时间，否则同上；
119.若不存在停电事件，判断是否曾发生过开表盖事件，若存在，获取第一次开盖事
件；
120.判断是否存在开盖后电量线损突变或零火线电流失衡现象，若存在，则将该开盖日期确定为窃电开始时间，否则定位至下一次开盖事件；
121.若不存在开盖事件，则将档案数据中的窃电开始时间作为窃电开始时间。
122.将窃电查处时间确定为窃电结束时间，则：
123.理论窃电时间t＝窃电结束时间
‑
窃电开始时间。
124.理论窃电电量确定：
125.(1)若存在零火线电流数据，则：
126.用户理论追缴电量＝窃电起始时间内用电量*(零线电流/火线电流)。
127.(2)若不存在零火线电流数据，获取窃电查处前后的日均用电量pb及pa，其中：
128.查处前日均用电量pb＝窃电查处前抄核时间段内的抄核电量/抄核时间；
129.查处后日均用电量pa＝窃电查处后抄核时间段内的抄核电量/抄核时间。
130.pb为窃电查处前的用电量，即窃电期间用户的表计用电量，其通常数倍低于实际用电量；pb为窃电查处后的用电量，即用户恢复正常后的日常用电量。
131.对应的，会出现两种情况，情况一，查处后日均用电量升高。窃电期间表计电量会较实际用电量偏低，因而恢复正常用电后，日均用电量升高。则：日均窃电电量＝pa
‑
pb。用户理论追缴电量＝日均窃电电量*窃电时间＝(pa
‑
pb)*t。
132.情况二，查处后日均用电量降低(或不变)。窃电期间除了正常使用用电设备外，还存在一些其他的用电行为(如增加用电时长、使用非必要用电器等，将此事件定义为额外用电a)，因而恢复正常用电后，日均用电量反而表现为降低(或不变)。
133.此时用电量存在以下关系：c*(a pa)＝pb
134.c为表计电量和实际电量的比例关系：火零线电流比理论上会逼近供电量及用电量之比，一定程度上反映了该比例关系，通过数据分析，该比例大部分数值集中于0.03
‑
0.5，可根据每个供电所的数据情况进行设置，此处设置为0.35。
135.日均窃电量＝(a pa)
‑
pb
136.＝(pb/c
‑
pa pa)
‑
pb
137.＝pb/c
‑
pb
138.＝pb*(1
‑
c)/c
139.用户理论追缴电量＝日均窃电量*t；
140.定义偏差比例＝(实际追缴电量
‑
理论追缴电量)/标准电量*100。
141.在本发明实施例中，基于箱形图对样本数据中的偏差比例进行计算，确定目标阈值，所述箱形图表征偏差比例分散情况的统计图，所述目标阈值为偏差比例进行比较的阈值，以确定是否属于数据计算异常分类。对应的，所述基于箱形图对样本数据中的偏差比例进行计算，确定目标阈值，包括：对样本数据中的偏差比例进行由小到大排序，获得排序结果；基于所述排序结果，分别计算下四分位数和上四分位数；根据所述下四分位数和所述上四分位数，计算四分位距；基于所述下四分位数、所述上四分位数和四分位距，计算获得目标阈值。
142.箱形图是一种用作显示一组数据分散情况资料的统计图，在各种领域也经常被使用，常见于品质管理，快速识别异常值。参见图3，其示出了本发明实施例提供的一种箱形图
异常检测示意图。箱形图的优点是不受异常值的影响，能够准确稳定地描绘出数据的离散分布情况。
143.以供电所为单位，分行业类别进行计算，过程如下：
144.(1)计算下四分位数q1，即该样本中所有数值由小到大排列后第25％的数字；
145.(2)计算上四分位数q3，即该样本中所有数值由小到大排列后第75％的数字；
146.(3)计算四分位距iqr＝q3
‑
q1，上极限为q3 1.5iqr，下极限为q1－1.5iqr；
147.(4)将偏差比例大于上极限或小于下极限的工单归为异常工单。
148.参见图4，其示出了某个地区的供电所的箱形图的检测示意图，在该图中横坐标为单位编号，纵坐标为偏差比例。具体的为某地区以供电所为单位，行业类别为居民用电的工单偏差比例情况，可以看出部分供电所可能出现异常工单，将这些异常工单判定为异常x3。
149.在本发明实施例中所述根据各个异常分类对应的权重值，对所述目标数据进行加权计算，得到所述供电所的评分数据，包括：确定所述供电所的所有工单的数量，以及各个异常分类的追缴工单的数量，并计算各个异常分类的权重值；基于所述权重值、供电所所有工单的数量以及所述供电所的异常工单数量，计算得到所述供电所的评分数据。
150.具体的，在对工单进行评价时，假设供电所i工单总数为yi，异常工单量为三种异常类型之和，即xi＝xi1 xi2 xi3；
151.因为部分供电所工单量偏大，从而使异常工单量也相对较大，此类供电所因分配更高权重以肯定其工作量，因而设置工单权重wi＝yi/(y1 y2
…
yn)*a 1，利用部分工单实例让业务专家进行评价，根据专家经验设置a为0.7；
152.供电所得分zi＝(yi
‑
xi)/yi*100*wi
153.z越大，则表示该供电所追缴工单质量越好，反之则越差；可按年度或月度进行追缴工单评价，根据相对排名对低分单位进行业务培训和工作改进。
154.例如：
155.某地区有供电所甲、乙、丙，2019年分别处理窃电工单100、50、70例，筛选出异常工单量分别为20、10、15，则三家得分为105.6 92.8 95.865
156.评价：甲工单质量相对较好，乙丙差距不大，但也存在改进空间，可针对具体异常清单的工作人员进行业务培训。
157.本发明利用大量历史案例数据，深度结合业务专家经验，首先，对工单异常类型进行区分，定义统一标准；然后，基于异常事件时序关系结合统计分析方法筛选出不同类型的异常工单；最后，以供电所为单位，按行业分类，计算加权评分，可按年度或月度进行追缴工单评价，根据相对排名对低分单位进行业务培训和工作改进。
158.基于前述实施例，本发明实施例还提供了一种应用于电费追缴工单的数据处理装置，参见图5，包括：
159.第一获取单元10，用于获取追缴工单数据；
160.第一确定单元20，用于基于异常事件时序关系，确定所述追缴工单数据的异常分类；
161.第二获取单元30，用于获取每一供电所对应的各个异常分类的追缴工单的目标数据；
162.计算单元40，用于根据所述供电所的权重值，对所述目标数据进行加权计算，得到
所述供电所的评分数据；
163.第二确定单元50，用于基于所述评分数据，确定所述供电所的执行模式，以使得所述供电所基于所述执行模式进行电费追缴。
164.进一步地，所述装置还包括：
165.类别确定单元，用于对历史追缴工单数据进行分析，确定工单异常的分类类别，其中，所述分类类别包括数据缺省异常分类、数据记录异常分类和数据计算异常分类，所述数据缺省异常分类表征目标字段数据为空，所述数据记录异常分类表征记录的窃电数据错误，所述数据计算异常分类表征理论追缴电量与实际追缴电量偏差大于阈值。
166.进一步地，所述第一确定单元：
167.第一获取子单元，用于获取追缴工单数据的时序数据列；
168.分析子单元，用于对所述时序数据列进行分析，获得分析结果；
169.第一确定子单元，用于若所述分析结果中目标字段数据为空，确定所述追缴工单数据为数据缺省异常分类；
170.第二确定子单元，用于若所述分析结果中窃电数据错误，确定所述追缴工单数据为数据记录异常分类；
171.第三确定子单元，用于若所述分析结果中理论追缴电量与实际追缴电量偏差大于阈值，确定所述追缴工单数据为数据计算异常分类。
172.进一步地，所述装置还包括：
173.偏差计算单元，用于基于理论追缴电量和实际追缴电量，计算偏差比例，所述偏差计算单元包括：
174.第二获取子单元，用于获取与所述追缴工单数据对应的用户用电的时间序列数据；
175.第四确定子单元，用于基于所述用户用电的时间序列数据，确定用户窃电开始时间和窃电结束时间；
176.第一计算子单元，用于根据所述用户窃电开始时间和所述窃电结束时间，计算理论窃电时间；
177.第五确定子单元，用于基于所述用户用电的时间序列数据和所述理论窃电时间，确定理论窃电电量；
178.第二计算子单元，用于基于所述理论窃电量、实际追缴电量和标准电量，计算得到偏差比例。
179.进一步地，所述第四确定子单元具体用于：
180.基于所述用户用电的时间序列数据，检测是否存在单户停电事件；
181.如果是，检测对应于所述单户停电事件后是否存在开盖事件；
182.如果是，判断开盖时间距离停电事件是否在预设时间区间内；
183.如果是，若存在开盖后电量线损突变或者零火线电流失衡，将所述开盖时间确定为用户窃电开始时间；
184.将窃电查处时间确定为窃电结束时间。
185.进一步地，所述第五确定子单元具体用于：
186.检测是否存在零火线电流数据；
187.如果是，根据所述窃电开始时间内用电量和目标电流，计算获得理论窃电电量，所述目标电流为零线电流或者火线电流；
188.如果否，获取窃电查处前的日均用电量和窃电查处后的日均用电量；
189.若窃电查处后的日均用电量升高，计算窃电查处后的日均用电量和所述窃电查处前的日均用电量的差值；
190.将所述差值与所述理论窃电时间的乘积，确定为理论窃电量；
191.若窃电查处后日均用电量减低或不变，获取额外用电数据以及电表计电量和实际电量的比例关系；
192.基于所述额外用电数据、所述比例关系、所述窃电查处前的日均用电量和所述窃电查处后的日均用电量，计算获得日均窃电量；
193.将所述日均窃电量和所述理论窃电时间的乘积，确定理论窃电量。
194.可选地，所述装置还包括：
195.阈值确定单元，用于基于箱形图对样本数据中的偏差比例进行计算，确定目标阈值，所述箱形图表征偏差比例分散情况的统计图，所述目标阈值为偏差比例进行比较的阈值，以确定是否属于数据计算异常分类。
196.对应的，所述阈值确定单元具体用于：
197.对样本数据中的偏差比例进行由小到大排序，获得排序结果；
198.基于所述排序结果，分别计算下四分位数和上四分位数；
199.根据所述下四分位数和所述上四分位数，计算四分位距；
200.基于所述下四分位数、所述上四分位数和四分位距，计算获得目标阈值。
201.进一步地，所述计算单元具体用于：
202.确定所述供电所的所有工单的数量，以及各个异常分类的追缴工单的数量，并计算各个异常分类的权重值；
203.基于所述权重值、供电所所有工单的数量以及所述供电所的异常工单数量，计算得到所述供电所的评分数据。
204.本发明提供了一种应用于电费追缴工单的数据处理装置，包括：获取追缴工单数据；基于异常事件时序关系，确定所述追缴工单数据的异常分类；获取每一供电所对应的各个异常分类的追缴工单的目标数据；根据所述供电所的权重值，对所述目标数据进行加权计算，得到所述供电所的评分数据；基于所述评分数据，确定所述供电所的执行模式，以使得所述供电所基于所述执行模式进行电费追缴。实现了对追缴工单数据的客观自动化的数据处理，提升了针对电费追缴工单分析的客观性、准确性和效率。
205.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。
206.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
207.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。
对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。