一种电网用户量价费异常分析方法与流程

1.本发明涉及电网用户量价费监控管理技术领域，尤其是一种电网用户量价费异常分析方法。


背景技术：

2.抄表和电费核算是电网企业重要的营销业务之一，准确地抄表计量、电价执行、电费核算关系电网企业的发展和收益，也关系到用户的切身利益。但是由于电网用户庞大，不同区域电网业务会不断的变更和调整，这就导致电网内部会不断出现量价费异常问题。现有技术仅仅通过人工巡检来发现异常，这种方式效率低下，很多异常问题无法得到及时解决。


技术实现要素：

3.本发明要解决的技术问题是提供一种电网用户量价费异常分析方法，能够解决现有技术的不足，提高量价费异常问题的识别效率。
4.为解决上述技术问题，本发明所采取的技术方案如下。
5.一种电网用户量价费异常分析方法，包括以下步骤：
6.a、在用户侧采集用户数据，对用户数据进行分类，提取每类数据的特征数据集；
7.b、将分类后的用户数据以及对应的特征数据集通过通讯网络发送至中心服务器；
8.c、中心服务器使用特征数据集计算生成异常状态特征，使用异常状态特征对用户数据进行辨别，得到异常用户数据。
9.作为优选，步骤a中，根据数据类型、生成时间、采集地址、关联设备维度分别对用户数据进行分类。
10.作为优选，步骤a中，提取特征数据集包括以下步骤，
11.a1、根据预设的高频数据判定准则提取同类数据中的高频数据；
12.a2、以高频数据为参考数据，计算其它数据与参考数据在非分类维度上的关联度；
13.a3、将参考数据以及关联度超过预设阈值的其它数据进行重组，得到若干个数据包，每个非分类维度至少包括一个数据包，得到特征数据集。
14.作为优选，步骤b中，通讯网络发送过程包括以下步骤，
15.b1、在通讯网络中建立数据缓冲区，待发送的数据首先进入数据缓冲区；
16.b2、在中心服务器内创建数据接收父项目，在数据缓冲区内创建数据发送子项目；
17.b3、数据接收父项目向通讯网关发送数据过滤请求，通讯网关根据数据过滤请求建立数据接收父项目与不同数据发送子项目的通讯连接；
18.b4、当数据传输过程中通讯网关的熔断次数得到预设阈值后，数据接收父项目重新向通讯网关发送新的数据过滤请求。
19.作为优选，所述数据过滤请求包括前置过滤请求和后置过滤请求，前置过滤请求在进行数据通讯前进行验证，后置过滤请求在数据经过通讯网关时进行验证。
20.作为优选，步骤c中，使用特征数据集计算生成异常状态特征包括以下步骤，
21.c1、依次使用每个数据包在数据库中匹配相似度超过匹配阈值的历史数据；
22.c2、对匹配出的历史数据进行去重处理；
23.c3、提取经过步骤c2处理后的历史数据在对应数据包包含的维度上的异常状态数据；
24.c4、将不同维度的异常状态数据进行合并，对每个维度的异常状态数据按照数据量降序排列，提取排在前三个的异常状态数据的数据特征，作为异常状态特征。
25.采用上述技术方案所带来的有益效果在于：本发明采用分布式的数据处理结构，同时通过优化数据通讯过程，有效提高了数据的分类识别速率。特征数据采用多维度特征生成，便于在生成异常状态特征时根据不同维度进行历史数据的匹配和异常状态提取，从而使异常状态特征具有多维度的可匹配性，有效提高异常数据的识别准确率。
附图说明
26.图1是本发明一个具体实施方式的原理图。
具体实施方式
27.参照图1，本发明所述电网用户量价费异常分析方法，包括以下步骤：
28.a、在用户侧采集用户数据，对用户数据进行分类，提取每类数据的特征数据集；
29.b、将分类后的用户数据以及对应的特征数据集通过通讯网络发送至中心服务器；
30.c、中心服务器使用特征数据集计算生成异常状态特征，使用异常状态特征对用户数据进行辨别，得到异常用户数据。
31.步骤a中，根据数据类型、生成时间、采集地址、关联设备维度分别对用户数据进行分类。
32.步骤a中，提取特征数据集包括以下步骤，
33.a1、根据预设的高频数据判定准则提取同类数据中的高频数据；
34.a2、以高频数据为参考数据，计算其它数据与参考数据在非分类维度上的关联度；
35.a3、将参考数据以及关联度超过预设阈值的其它数据进行重组，得到若干个数据包，每个非分类维度至少包括一个数据包，得到特征数据集。
36.步骤b中，通讯网络发送过程包括以下步骤，
37.b1、在通讯网络中建立数据缓冲区，待发送的数据首先进入数据缓冲区；
38.b2、在中心服务器内创建数据接收父项目，在数据缓冲区内创建数据发送子项目；
39.b3、数据接收父项目向通讯网关发送数据过滤请求，通讯网关根据数据过滤请求建立数据接收父项目与不同数据发送子项目的通讯连接；
40.b4、当数据传输过程中通讯网关的熔断次数得到预设阈值后，数据接收父项目重新向通讯网关发送新的数据过滤请求。
41.步骤c中，使用特征数据集计算生成异常状态特征包括以下步骤，
42.c1、依次使用每个数据包在数据库中匹配相似度超过匹配阈值的历史数据；
43.c2、对匹配出的历史数据进行去重处理；
44.c3、提取经过步骤c2处理后的历史数据在对应数据包包含的维度上的异常状态数
据；
45.c4、将不同维度的异常状态数据进行合并，对每个维度的异常状态数据按照数据量降序排列，提取排在前三个的异常状态数据的数据特征，作为异常状态特征。
46.具体的，所述数据过滤请求包括前置过滤请求和后置过滤请求，前置过滤请求在进行数据通讯前进行验证，后置过滤请求在数据经过通讯网关时进行验证。前置过滤请求对数据通讯地址以及数据校验位进行验证，后置过滤请求对前置过滤请求的执行结果进行随机抽检并对数据的合法性进行验证，同时使用数据接收父项目所接收的数据建立校验数据集，使用校验数据集进行自校验，根据校验结果对后置过滤请求进行修正。
47.以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。


技术特征：
1.一种电网用户量价费异常分析方法，其特征在于包括以下步骤：a、在用户侧采集用户数据，对用户数据进行分类，提取每类数据的特征数据集；b、将分类后的用户数据以及对应的特征数据集通过通讯网络发送至中心服务器；c、中心服务器使用特征数据集计算生成异常状态特征，使用异常状态特征对用户数据进行辨别，得到异常用户数据。2.根据权利要求1所述的电网用户量价费异常分析方法，其特征在于：步骤a中，根据数据类型、生成时间、采集地址、关联设备维度分别对用户数据进行分类。3.根据权利要求2所述的电网用户量价费异常分析方法，其特征在于：步骤a中，提取特征数据集包括以下步骤，a1、根据预设的高频数据判定准则提取同类数据中的高频数据；a2、以高频数据为参考数据，计算其它数据与参考数据在非分类维度上的关联度；a3、将参考数据以及关联度超过预设阈值的其它数据进行重组，得到若干个数据包，每个非分类维度至少包括一个数据包，得到特征数据集。4.根据权利要求1所述的电网用户量价费异常分析方法，其特征在于：步骤b中，通讯网络发送过程包括以下步骤，b1、在通讯网络中建立数据缓冲区，待发送的数据首先进入数据缓冲区；b2、在中心服务器内创建数据接收父项目，在数据缓冲区内创建数据发送子项目；b3、数据接收父项目向通讯网关发送数据过滤请求，通讯网关根据数据过滤请求建立数据接收父项目与不同数据发送子项目的通讯连接；b4、当数据传输过程中通讯网关的熔断次数得到预设阈值后，数据接收父项目重新向通讯网关发送新的数据过滤请求。5.根据权利要求4所述的电网用户量价费异常分析方法，其特征在于：所述数据过滤请求包括前置过滤请求和后置过滤请求，前置过滤请求在进行数据通讯前进行验证，后置过滤请求在数据经过通讯网关时进行验证。6.根据权利要求3所述的电网用户量价费异常分析方法，其特征在于：步骤c中，使用特征数据集计算生成异常状态特征包括以下步骤，c1、依次使用每个数据包在数据库中匹配相似度超过匹配阈值的历史数据；c2、对匹配出的历史数据进行去重处理；c3、提取经过步骤c2处理后的历史数据在对应数据包包含的维度上的异常状态数据；c4、将不同维度的异常状态数据进行合并，对每个维度的异常状态数据按照数据量降序排列，提取排在前三个的异常状态数据的数据特征，作为异常状态特征。

技术总结
本发明公开了一种电网用户量价费异常分析方法，包括以下步骤：A、在用户侧采集用户数据，对用户数据进行分类，提取每类数据的特征数据集；B、将分类后的用户数据以及对应的特征数据集通过通讯网络发送至中心服务器；C、中心服务器使用特征数据集计算生成异常状态特征，使用异常状态特征对用户数据进行辨别，得到异常用户数据。本发明能够改进现有技术的不足，提高量价费异常问题的识别效率。提高量价费异常问题的识别效率。提高量价费异常问题的识别效率。


技术研发人员：王海燕 高宇豆 田园 保富 原野
受保护的技术使用者：云南电网有限责任公司信息中心
技术研发日：2022.01.06
技术公布日：2022/4/22