(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211479010.9 (22)申请日 2022.11.24 (71)申请人 国网江苏省电力有限公司营销服 务 中心 地址 210019 江苏省南京市 建邺区奥体大 街9号 (72)发明人 潘熙　祝宇楠　黄奇峰　刘云鹏　 左强　蔡奇新　殷勇　江明　 (74)专利代理 机构 无锡市大为专利商标事务所 (普通合伙) 32104 专利代理师 季玉晴　曹祖良 (51)Int.Cl. G06K 9/62(2022.01) G06F 9/448(2018.01) G06N 3/08(2006.01)G06N 20/10(2019.01) G06Q 50/06(2012.01) (54)发明名称 一种基于增量主动学习的电费异常检测方 法及其装置 (57)摘要 本发明涉及信息处理和电力营销技术领域， 具体公开了基于增量主动学习的电费异常检测 方法， 包括： 对获取到的多个目标用户的当前电 费数据进行初次异常检测， 如果触发异常规则， 则输出多个目标用户中的疑似异常用户； 对疑似 异常用户的电费数据进行二次异常检测， 以得到 疑似异常用户检测结果， 如果疑似异常用户检测 结果的不确定度低于预设阈值， 则直接输出疑似 异常用户检测结果； 如果高于预设阈值， 则对不 确定度高的疑似异常用户的电费数据进行最终 研判， 输出该不确定度高的疑似异常用户中的正 常用户。 本发 明还公开了基于增量主动学习的电 费异常检测装置。 本发明能够解决当前核算规则 体系命中率低、 无法应用业务数据自主完成模型 迭代更新的问题。 权利要求书3页 说明书8页 附图2页 CN 115511016 A 2022.12.23 CN 115511016 A 1.一种基于增量主动学习的电费异常检测方法， 其特征在于， 所述基于增量主动学习 的电费异常检测方法包括： 步骤S1： 获取多个目标用户的当前电费数据， 每一所述目标用户的当前电费数据包括 档案数据、 业 务变更数据以及量 价费数据； 步骤S2： 基于核算规则体系对所述目标用户的当前电费数据进行初次异常检测， 如果 所述目标用户的当前电费数据不触发异常规则， 则直接输出目标用户无异常的检测结果； 如果所述目标用户的当前电费数据触发所述异常规则， 则输出多个目标用户中的疑似异常 用户； 步骤S3： 基于SVDD异常检测模型对所述疑似异常用户的电费数据进行二次异常检测， 以得到疑似异常用户检测结果， 并对所述疑似异常用户检测结果的不确定度进行判断， 以 确定是否 输出所述疑似异常用户检测结果； 步骤S4： 如果所述疑似异常用户检测结果的不确定度低于预设阈值， 则直接输出所述 疑似异常用户的检测结果； 如果所述疑似异常用户检测结果的不确定度高于所述预设阈 值， 则对该不确定度高的疑似异常用户的电费数据进行最终异常研判， 输出该不确定度高 的疑似异常用户中的正常用户。 2.根据权利要求1所述的基于增量主动学习的电费异常检测方法， 其特征在于， 所述基 于核算规则体系对所述目标用户的当前电费数据进行初次异常检测， 如果所述目标用户的 当前电费数据不触发异常规则， 则直接输出目标用户无异常的检测结果； 如果所述 目标用 户的当前电费数据触发所述异常规则， 则输出多个目标用户中的疑似异常用户， 还 包括： 根据所述核算规则 体系中的每一条异常规则的定义， 判定该条异常规则是否被所述目 标用户的当前电费数据触发； 对于所述目标用户的每一个当前电费数据， 计算其触发异常规则的情况， 将触发至少 一条异常规则的目标用户， 计入疑似异常用户， 等待二次异常检测。 3.根据权利要求2所述的基于增量主动学习的电费异常检测方法， 其特征在于， 还包 括： 选取所述核算 规则体系中的多条异常规则开展验证； 如果 ， 则表示所述目标用户的当前电费数据x触发了第k条异常规则； 如果 则表示所述 目标用户的当前电费数据x未触发第k条异常规则； 则每个所述 目标 用户的当前电费数据x的初步检测结果表示为 ， 其中p表示所述核 算规则体系中异常规则的数目。 4.根据权利要求3所述的基于增量主动学习的电费异常检测方法， 其特征在于， 所述基 于SVDD异常检测模型对 所述疑似异常用户的电费数据进 行二次异常检测， 以得到 疑似异常 用户检测结果， 并对所述疑似异常用户检测结果的不确定度进行判断， 以确定是否输出所 述疑似异常用户检测结果， 还 包括： 根据所述疑似异常用户所触发的异常规则， 采用对应的SVDD异常检测模型， 计算所述 疑似异常用户的电费数据与 支持向量描述模型中心 点之间的距离度量， 并根据度量值对所 述疑似异常用户进行二次研判， 得到疑似异常用户检测结果；权　利　要　求　书 1/3 页 2 CN 115511016 A 2根据所述疑似异常用户的电费数据的异常分布特点， 确定所述疑似异常用户检测结果 的不确定度， 对于该不确定度高的疑似异常用户的电费数据， 需要 进行人工再研判。 5.根据权利要求4所述的基于增量主动学习的电费异常检测方法， 其特征在于， 还包 括： 对于每个所述目标用户的当前电费数据x的初步检测结果r， 如果 ， 则表示 多个目标用户中存在疑似异常用户， 然后对所述疑似异常用户的电费数据进 行二次异常检 测； 根据每条异常规则对应的异常类别， 实现了一个SVDD异常检测模型， 用Fk表示第k条异 常规则对应的SVD D异常检测模型， 一共有p个SVD D异常检测模型； 假定所有正常电费数据在高维空间中被最小边界包围， 位于最小边界上的电费数据被 称为支持向量， 通过SVDD异常检测模型检测所述疑似异常用户的电费数据是否位于最小边 界内来判定异常用户； 基于信息熵公式计算所述疑似异常用户的电费数据的不确定度。 6.根据权利要求1所述的基于增量主动学习的电费异常检测方法， 其特征在于， 还包 括： 基于所述 正常用户的电费数据， 对所述SVD D异常检测模型进行增量训练。 7.根据权利要求1所述的基于增量主动学习的电费异常检测方法， 其特征在于， 所述档 案数据包括用户的用电类型、 市场化属性、 电压等级、 计量方式、 运行容量、 合同容量、 定价 策略类型、 功 率因数考核方式、 基本电费计算方式、 电源数量、 电量计算方式、 参与 功率因数 计算方式、 临时用电标志、 行业类别、 用能类别和分时用电标志。 8.根据权利要求1所述的基于增量主动学习的电费异常检测方法， 其特征在于， 所述业 务变更数据包括新装增容、 暂停、 减容、 改类、 计量设备故障处理、 改压、 计量设备更换、 暂停 恢复、 减容恢复和受电设施改造 。 9.根据权利要求1所述的基于增量主动学习的电费异常检测方法， 其特征在于， 所述量 价费数据包括电价类型、 输配电价、 电度电价、 加收电价、 上次抄表示数、 本次抄表示数、 有 功电量、 需量 示数、 无功电量、 基本电费、 电度电费和力调电费。 10.一种基于增量主动学习的电费异常检测方法装置， 其特征在于， 所述基于增量主动 学习的电费异常检测装置包括： 获取模块， 用于获取多个目标用户的当前电费数据， 每一所述目标用户的当前电费数 据包括档案数据、 业 务变更数据以及量 价费数据； 第一异常检测模块， 用于基于核算规则 体系对所述目标用户的当前电费数据进行初次 异常检测， 如果所述 目标用户的当前电费数据不触发异常规则， 则直接输出目标用户无异 常的检测结果； 如果所述 目标用户的当前电费数据触发所述异常规则， 则输出多个目标用 户中的疑似异常用户； 第二异常检测模块， 用于基于SVDD异常检测模型对所述疑似异常用户的电费数据进行 二次异常检测， 以得到疑似异常用户检测结果， 并对所述疑似异常用户检测结果的不确定 度进行判断， 以确定是否 输出所述疑似异常用户检测结果； 第三异常检测模块， 用于如果所述疑似异常用户检测结果的不确定度低于预设阈值， 则直接输出所述本次疑似异常用户的检测结果； 如果所述疑似异常用户检测结果的不确定 度高于所述预设阈值， 则对该不确定度高的疑似异常用户的电费数据进行最终异常研判，权　利　要　求　书 2/3 页 3 CN 115511016 A 3