156]Αλ=641,A2= 383；A=Aι+Α2= 1024
[0157] 管^VSillS不毎一老的姻:?? .
[0158]
[0159] 平均信息量为：
[0160]I(A〇A2) =I(641，383) = -P! ·log2P「P2 ·log2P2=0·9537
[0161] 抽样业务大工业中，异常类别为3705990和3705979分别为A1= 256,A2= 0,则 分别属于每一类的概率为：
[0162]
[0163] 平均信息量为：
[0164] I(S〇S2) =I(256, 0) = -P! ·log2P「P2 ·log2P2= 0
[0165] 抽样业务住宅中，异常类别为3705990和3705979分别为A1= 257,A2= 127,则 分别属于每一类的概率为：
[0166]
[0167] 平均信息量为：
[0168]I(S!，S2) =I(257, 127) = -P! ·log2P「P2 ·log2P2=0·9157
[0169] 抽样业务商业中，异常类别为3705990和3705979分别为A1= 128,A2= 256,则 分别属于每一类的概率为：
[0170]
[0171] 平均信息量为：
[0172] I(S〇S2) =I(128, 256) = -P! ·log2P「P2 ·log2P2= 0· 9183
[0173] 抽样业务中各组所占比例分别：
[0174] 大工业：256/1024 = 0· 25 ;
[0175] 住宅：384/1024 = 0· 375 ;
[0176] 商业：384/1024 = 0· 375。
[0177] 则用电类别的平均信息期望为：
[0178] E(用电类别）=0· 375X0. 9183+0. 25X0+0. 375X0. 9157 = 0· 6877
[0179] 因此用电类别的信息增益值为：
[0180] G(用电类别）=0· 9537_0·6877 = 0·洸6
[0181] 如上计算得到每个异常属性的信息增益值，其中用电类别的增益值最大，故选择 用电类别为根节点，内部节点为抽样业务，最后叶节点为异常类别。
[0182] 抽取1000组样本数据做验证数据，由决策树模型诊断异常类别结果如下：
[0183] 表6模型的自动诊断
[0184]
[0185] 这1000组数据中，异常类别被准确的预测的有782组，即该诊断模型的预测准确 率达到了 78.2%。具有较高精准性和实用性，根据该诊断模型识别出容易出现异常的业务 以及疑难客户，进行重点的跟踪，从而及时发现异常并改进，可以节省人力、物力、财力，提 高工作效率，为营销稽查工作提供坚实的技术支持。
[0186] 以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能 因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说， 在不脱离本发明构思的前提下，还可以做出多个变形和改进，这些都属于本发明的保护范 围。因此，本发明专利的保护范围应以所附权利要求为准。
【主权项】
1. 一种基于稽查数据的电力营销业务诊断模型的建立方法，其特征在于，包括步骤： 根据采集条件采集异常数据信息； 对所述异常数据信息进行体检分析确定关联规则； 根据所述关联规则建立专家样本库； 根据所述专家样本库，建立稽查异常的诊断模型。2. 根据权利要求1所述的基于稽查数据的电力营销业务诊断模型的建立方法，其特征 在于，所述根据所述专家样本库，建立稽查异常的诊断模型的步骤之后，还包括步骤： 通过所述诊断模型对实时监控的实时异常信息进行诊断，确定诊断异常类型及诊断异 常程度； 接收所述诊断异常类型及所述诊断异常程度是否准确的诊断结果判定信息； 根据所述诊断结果判定信息更新异常数据信息，并更新关联规则、专家样本库及诊断 模型。3. 根据权利要求1所述的基于稽查数据的电力营销业务诊断模型的建立方法，其特征 在于，所述对所述异常数据信息进行体检分析确定关联规则的步骤，具体包括： 根据所述异常数据信息确定异常数据信息项集间的支持度和置信度； 根据所述支持度和所述置信度确定最小支持度和最小置信度； 根据所述最小支持度确定最大异常信息频繁项集； 根据所述最大异常信息频繁项集确定待定关联规则； 根据所述待定关联规则及所述最小置信度确定所述关联规则。4. 根据权利要求1所述的基于稽查数据的电力营销业务诊断模型的建立方法，其特征 在于， 所述诊断模型为决策树模型，所述根据所述专家样本库，建立稽查异常的诊断模型的 步骤，具体包括： 获取所述专家样本库的每列异常属性，分别根据每列异常属性的异常属性值进行异常 分类，并进行统计，根据统计结果确定每列异常属性的信息增益值； 根据所述信息增益值确定所述每列异常属性在所述决策树模型中的节点位置。5. 根据权利要求1所述的基于稽查数据的电力营销业务诊断模型的建立方法，其特征 在于，所述根据采集条件采集异常数据信息的步骤之前，还包括步骤：获取用户自定义的采 集条件。6. -种基于稽查数据的电力营销业务诊断模型的建立系统，其特征在于，包括： 异常采集模块，用于根据采集条件采集异常数据信息； 规则确定模块，用于对所述异常数据信息进行体检分析确定关联规则； 样本确定模块，用于根据所述关联规则建立专家样本库； 模型建立模块，用于根据所述专家样本库，建立稽查异常的诊断模型。7. 根据权利要求6所述的基于稽查数据的电力营销业务诊断模型的建立系统，其特征 在于，还包括： 模型诊断模块，用于通过所述诊断模型对实时监控的实时异常信息进行诊断，确定诊 断异常类型及诊断异常程度； 结果接收模块，用于接收所述诊断异常类型及所述诊断异常程度是否准确的诊断结果 判定信息； 模型更新模块，用于根据所述诊断结果判定信息更新异常数据信息，并更新关联规则、 专家样本库及诊断模型。8. 根据权利要求6所述的基于稽查数据的电力营销业务诊断模型的建立系统，其特征 在于，所述规则确定模块，具体包括： 特征确定单元，用于根据所述异常数据信息确定异常数据间的支持度和置信度； 最小特征确定单元，用于根据所述支持度和所述置信度确定最小支持度和最小置信 度； 频繁项集确定单元，用于根据所述最小支持度确定最大异常信息频繁项集； 待定规则确定单元，用于根据所述最大异常信息频繁项集确定待定关联规则； 关联规则确定单元，用于根据所述待定关联规则及所述最小置信度确定所述关联规 则。9. 根据权利要求6所述的基于稽查数据的电力营销业务诊断模型的建立系统，其特征 在于，所述诊断模型为决策树模型，所述模型建立模块，具体包括： 增益确定单元，用于获取所述专家样本库的每列异常属性，分别根据每列异常属性的 异常属性值进行异常分类，并进行统计，根据统计结果确定每列异常属性的信息增益值； 节点确定单元，用于根据所述信息增益值确定所述每列异常属性在所述决策树模型中 的节点位置。10. 根据权利要求6所述的基于稽查数据的电力营销业务诊断模型的建立系统，其特 征在于，所述基于稽查数据的电力营销业务诊断模型的建立系统，还包括： 条件获取模块，用于获取用户自定义的采集条件。
【专利摘要】一种基于稽查数据的电力营销业务诊断模型的建立方法及系统，根据采集条件采集异常数据信息；对所述异常数据信息进行体检分析确定关联规则；根据所述关联规则建立专家样本库；根据所述专家样本库，建立稽查异常的诊断模型。上述基于稽查数据的电力营销业务诊断模型的建立方法及系统，首先根据采集条件采集异常数据信息，然后对所述异常数据信息进行体检分析确定关联规则，进而根据所述关联规则建立专家样本库，最后根据所述专家样本库，建立稽查异常的诊断模型。从而可以对电力营销数据中的异常进行异常类型及异常程度的诊断，为电力营销稽查工作提供支持。
【IPC分类】G06Q50/06, G06Q10/06
【公开号】CN105373894
【申请号】CN201510817672
【发明人】吴峰, 武华, 余飞鸥, 吕浩晖, 刘飞, 潘炜, 伍笑颜, 陈碧仪, 陈敬红, 吴疆
【申请人】广州供电局有限公司
【公开日】2016年3月2日
【申请日】2015年11月20日