(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 202210429771.7 (22)申请日 2022.04.22 (71)申请人 国网上海市电力公司 地址 200122 上海市浦东 新区中国 （上海） 自由贸易试验区源深路1 122号 (72)发明人 张希鹏　齐拯　刘杰　汪诗怡　 赵璇　金麒　 (74)专利代理 机构 上海三和万国知识产权代理 事务所(普通 合伙) 3123 0 专利代理师 蔡海淳 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种基于随机森林的电力辅助授信方法 (57)摘要 一种基于随机森 林的电力辅助 授信方法， 属 电力运行管 理领域。 其从构建电力辅助征信的角 度， 提出基于总电量、 平电量、 谷电量的平滑度、 中值度、 落差度以及环境友好度、 用电量稳定度 等电力用户用电特征评价标签， 利用SMOTE超采 样技术在保证均衡性的基础上对少量违约数据 进行扩充； 基于随机森 林算法对电力违约行为进 行描述， 并基于改进信用评分卡模 型对电力用户 评分进行量化， 基于AUC和ROC对评价的合理性进 行评估， 具有较强的泛化能力。 通过对电网用户 的辅助授信分值进行计算， 将电力用户的用电行 为特征化， 以分数大小来评判该用户在未来发生 违约的风险大小， 将其作为个人征信维度的扩 充， 填补了社会 上各类征信系统中有关电力行为 的空白。 权利要求书2页 说明书13页 附图5页 CN 115482081 A 2022.12.16 CN 115482081 A 1.一种基于随机森林的电力辅助授信方法， 其特 征是： 1)建立基于电力数据的辅助授信指标； 2)建立电力用户的信用评分卡模型； 3)收集某一时段正常用户及记录到的异常用户用电数据； 收集对应时段的天气 温度数 据； 2)数据输入及预处 理： 3)用户特 征数据标签构建； 4)样本数据扩充： 5)随机森林算法窃电行为预测： 6)对用户最终是否存在窃电的行为作出判断或预测： 7)将电力用户的用电行为特 征化， 对用户售电行为进行评分； 8)以分数的大小来评判该用户在未来发生违约的风险大小； 9)通过对电网用户的辅助授信分值进行计算， 将其作为个人征信维度的扩充， 用于帮 助电网公司的营销及分析评价客户用电行为， 帮助公司更好地管理客户群体， 弱化经营风 险。 2.按照权利要求1所述的基于随机森林的电力辅助授信方法， 其特征是所述基于电力 数据的辅助授信指标， 从用户用电量自身的内在变化趋势及环境温度的影响， 构建用户用 电行为标签。 3.按照权利要求1所述的基于随机森林的电力辅助授信方法， 其特征是所述的电力用 户的信用评分卡模型， 利用评分卡主体在当前情况下 的相关信息及历史信息， 代入模型获 得分数， 以分数的大小来评判该 行为主体在未来发生违约的风险大小。 4.按照权利要求1所述的基于随机森林的电力辅助授信方法， 其特征是所述的数据输 入及预处理， 利用四分位区间构建箱型图， 判别异常数据和记录的不合理数据， 同时通过线 性插值等方法对缺失数据进行补充。 5.按照权利要求1所述的基于随机森林的电力辅助授信方法， 其特征是所述的用户特 征数据标签构建， 利用用户包括平电量、 谷电量、 总电量在内的数据， 构建评电量评价指标， 利用用户用电量与 环境温度的关系， 构建包括友好度、 稳定度在内的指标， 进而 形成完整的 用户特征数据标签。 6.按照权利要求1所述的基于随机森林的电力辅助授信方法， 其特征是所述的数据扩 充， 考虑到隐蔽窃电行为的样本数据通常比较少， 利用少数类过采样技术对预处理后的数 据进行扩充， 在保证样本规律不变的前提下尽量增加窃电样本的数量， 以得到更丰富的样 本数据。 7.按照权利要求1所述的基于随机森林的电力辅助授信方法， 其特征是所述的随机森 林算法窃电行为预测， 将数据进行分类， 一部分作为训练数据， 另一部分作为验证数据； 利 用随机森林算法对不同用户得到的数据进行训练， 得到各项超参数； 然后利用验证数据测 试窃电行为 辨识模型的有效性及其精度。 8.按照权利要求1所述的基于随机森林的电力辅助授信方法， 其特征是所述的对用户 最终是否存在窃电的行为作出判断或预测， 利用训练集得到模型以后， 将用户用电数据测 试集代入模型进 行测试， 最 终采用大多数投票法对用户最终是否窃电的行为作出判断或预权　利　要　求　书 1/2 页 2 CN 115482081 A 2测。 9.按照权利要求1所述的基于随机森林的电力辅助授信方法， 其特征是所述的电力辅 助授信方法， 从构建电力辅助征信的角度， 提出基于总电量、 平电量、 谷电量的平滑度、 中值 度、 落差度以及环境友好度、 用电量稳定度等电力用户用电特征评价标签， 利用SMOTE超采 样技术在保证均衡性的基础上对少量违约数据进 行扩充， 以增强模型的泛化能力； 最后， 基 于随机森林算法对电力违约行为进行描述， 并基于改进信用评 分卡模型对电力用户评 分进 行量化， 并基于AUC和ROC对评价的合理性进行评估， 具有较强的泛化能力。 10.按照权利要求1所述的基于随机森林的电力辅助授信方法， 其特征是所述的电力辅 助授信方法， 分别从包括总电量、 平电量和谷电量的平滑度、 中值度和落差度以及环境 温度 友好度、 稳定度在内的多个角度， 构 造电力用户用电特征标签， 用以评估电力用户潜在的窃 电违约行为； 利用SMOTE技术对小样本的违约样本进行扩充， 并基于AUC对扩充后样本的均 衡性进行检验； 最后， 基于改进的信用评 分卡模型， 对电力用户辅助 授信评分值进行评估或 评判。权　利　要　求　书 2/2 页 3 CN 115482081 A 3