买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网山东省电力公司营销服务中心(计量中心)

摘要：本发明提出基于动态多目标引力搜索的电费异常识别方法及系统，涉及电力信息处理技术领域。包括对用户进行类别分类；构建用户缴费行为预测模型；通过用户缴费行为预测模型，得到异常缴费用户记录所属类别的异常缴费金额概率预估值、异常缴费金额阈值及异常缴费周期概率预估值、异常缴费周期阈值；采用动态多目标引力搜索方法，计算不存在异常缴费用户记录所属类别的异常缴费金额阈值和异常缴费周期阈值；基于不同用户缴费行为画像类别的异常缴费金额阈值和异常缴费周期阈值，构建电费代收类异常筛选规则并生成能量智能合约，通过智能合约识别电费缴费异常用户。本发明能实现高准确率的异常缴费行为识别。

主权项：1.基于动态多目标引力搜索的电费异常识别方法，其特征在于，包括以下步骤：步骤一：获取用户画像特征，包括用户用电属性特征和缴费行为特征，基于用户画像特征划分正常缴费用户样本数据及异常缴费用户样本数据，基于正常缴费用户样本数据对用户进行类别分类，得到用户缴费行为画像类别、对应的画像特征及用户缴费行为画像类别样本集；步骤二：基于用户缴费行为画像类别和用户缴费行为画像类别样本集，采用高斯回归构建用户缴费行为预测模型，预估得到缴费金额概率分布数据和缴费周期概率分布数据；步骤三：将异常缴费用户样本数据分配至用户缴费行为画像类别中，通过用户缴费行为预测模型，得到异常缴费用户记录所属类别的异常缴费金额概率预估值、异常缴费金额阈值及异常缴费周期概率预估值、异常缴费周期阈值；步骤四：采用动态多目标引力搜索方法，获取不存在异常缴费用户记录所属类别的最邻近分组，具体步骤为：基于不同的用户缴费行为画像类别、以及存在异常缴费用户样本数据的用户缴费行为画像类别的异常缴费金额概率预估值及异常缴费周期概率预估值，采用引力搜索算法定义偏好子问题；根据偏好子问题的权重比值进行各分组间距离的分配优化，通过不断最小化目标向量获取各分组的最邻近分组解，设置迭代次数，并采用引力搜索迭代求解；当各分组间移动加速度低于设定阈值或迭代次数时，根据目标向量获得任意相邻两点的欧式距离，将产生的欧式距离进行排序，从而获取各个分组的最邻近分组；基于不存在异常缴费用户记录所属类别的最邻近分组，计算对应不存在异常缴费用户记录所属类别的异常缴费金额阈值和异常缴费周期阈值，具体步骤为：根据其存在异常缴费用户记录类别的最邻近分组的异常缴费金额概率预估值及异常缴费周期概率预估值，通过不存在异常缴费用户记录类别基于高斯回归构建的用户缴费行为预测模型，得到不存在异常缴费用户记录类别的缴费金额预估阈值和缴费周期预估阈值；步骤五：基于不同用户缴费行为画像类别的异常缴费金额阈值和异常缴费周期阈值，构建电费代收类异常筛选规则并生成能量智能合约，作为区块存储在区块链上，通过智能合约对异常交易的账户进行检查，识别到电费缴费异常用户，其中，所述电费代收类异常筛选规则为：在用户缴费行为画像类别中，超过设定的缴费金额预估阈值或缴费周期预估阈值则发送电费代收类异常风险预警。

全文数据：

权利要求：

百度查询： 国网山东省电力公司营销服务中心(计量中心) 基于动态多目标引力搜索的电费异常识别方法及系统