基于大数据技术的电力用户画像建立与分析方法与流程

技术特征：

1.一种基于大数据技术的电力用户画像建立与分析方法，其特征是：包括以下步骤：

(1)获取电力用户的历史用电信息、基本属性、缴费信息和诉求信息；

(2)确定用户画像分类类别的集合，以及分类结果的影响因素集，确定影响因素集与分类集合的映射关系；

(3)将获取的数据进行随机抽取，一部分作为训练样本，其与数据作为预测样本；

(4)对训练样本和预测样本进行归一化处理，离散化处理以及属性约简，确定校正后的影响因素集合；

(5)对训练样本进行训练，并以十折交叉验证作为测试模式，建立基于朴素贝叶斯分类器的电力用户画像预测模型，利用预测模型对预测样本进行数据分类挖掘分析，得到电力用户画像。

2.如权利要求1所述的一种基于大数据技术的电力用户画像建立与分析方法，其特征是：所述步骤(1)中，所述影响因素包括基本信息、用电行为、缴费信息、诉求信息和社交信息，所述用户画像分类类别包括高质量用户，一般用户和低质量用户，具体质量等级根据设定的标准划分。

3.如权利要求1所述的一种基于大数据技术的电力用户画像建立与分析方法，其特征是：所述步骤(3)中，以20％的数据作为训练样本，其余80％数据作为预测样本。

4.如权利要求1所述的一种基于大数据技术的电力用户画像建立与分析方法，其特征是：所述步骤(4)中，对数据进行归一化处理：

$s_{ij}=\frac{x_{ij}-\min \left(x_j\right)}{\max \left(x_j\right)-\min \left(x_j\right)}$

式中：x_ij是归一化前样本，s_ij是归一化后样本；min(x_j)是原始样本中的最小值；max(x_j)是原始样本中的最大值。

5.如权利要求1所述的一种基于大数据技术的电力用户画像建立与分析方法，其特征是：所述步骤(4)中，对训练样本数据进行离散化处理：

$z_{ij}=\left\{\begin{array}{cc}0,& \min \left(s_j\right)\<s_{ij}\<\min \left(s_j\right)+Q\\ 1,& \min \left(s_j\right)+Q\<s_{ij}\<\min \left(s_j\right)+2Q\\ 2,& \min \left(s_j\right)+2Q\<s_{ij}\<\max \left(s_j\right)\end{array}\right.$

式中：z_ij为离散化后样本，min(s_j)为归一化后样本的最小值，max(s_j)为归一化后样本的最大值，Q为步长：

$Q=\frac{max\left(s_j\right)-\min \left(s_j\right)}{3}.$

6.如权利要求1所述的一种基于大数据技术的电力用户画像建立与分析方法，其特征是：所述步骤(4)中，属性约简的具体步骤包括：当去掉某个属性后，若没有发现有重复的训练样本数据，决策表中的不可辩关系发生了相对应的变化，所以此属性予以保留；以此类推，最终得到确定的影响因素集合。

7.如权利要求1所述的一种基于大数据技术的电力用户画像建立与分析方法，其特征是：所述步骤(5)中，建立电力用户画像预测模型的具体方法为：

(5-1)建立基于朴素贝叶斯分类器的电力用户画像预测模型，该模型以确定的影响因素集合为输入向量，以用户画像分类类别结合为输出向量；

(5-2)分别从详细精度、混淆矩阵和节点错误率三个方面，检验电力用户画像预测模型的准确性。

8.如权利要求7所述的一种基于大数据技术的电力用户画像建立与分析方法，其特征是：所述步骤(5-2)中，详细精度包括：真正元比率、假正元比率、精准度、查全率、查准率和查全率的调和平均数。

9.如权利要求1所述的一种基于大数据技术的电力用户画像建立与分析方法，其特征是：所述步骤(5)中，利用预测模型对预测样本进行数据分类挖掘分析的具体方法：

(5-a)统计出实例训练样本的个数S、类别为C_i的样本数S_i、第k个属性A_k等于x_k且类别为C_i的训练实例样本个数S_ik；

(5-b)分别计算各类别的概率与各类别中属性A_k等于x_k的概率；

(5-c)利用分类器

$C\left(X\right)=\underset{C_i\∈C}{\mathrm{argmax}}P\left(C_i\right)\underset{k=1}{\overset{n}{\Π}}P\left(x_k\right|C_i)$

得出预测实例样本X的归属分类结果，把用户画像的预测结果与实际情况做对比。

10.如权利要求9所述的一种基于大数据技术的电力用户画像建立与分析方法，其特征是：所述步骤(5-b)中，

$P\left(C_i\right)=\frac{S_i+1}{S+S_c}$

$P(A_k=x_k|C_i)=\frac{S_{ik}+1}{S_i+S_k}$

这里，S_c为所有分类数量，S_k示训练样本中第k个属性取值数目。