CN114202179B 目标企业的识别方法以及装置 （国网北京市电力公司）

号本申请公开了一种目标企业的识别方法以设算法进行识别，从多个企业中识别出目标企请解决了由于大部分企业没有安装污染情况监测设备终端造成的无法准确识别出异常生产企2获取多个企业的用电行为数据以及外部影响因素数据，其依据所述用电行为数据和所述外部影响因素数据，分别构建所述分别将所述多个企业的用电行为特征输入至预设算法进获取多个企业的用电行为数据以及外部影响因素数据之后去除所述用电行为数据以及外部影响因素数处理所述用电行为数据以及外部影响因素数据中利用关联规则挖掘算法分析所述外部影响因素数据与所述多个企业的用电行为数据依据所述关联关系确定所述外部影响因素数据中对所述多个企业的用电行为数据影通过BP神经网络预测分析由于所述目标因素数据的影响所产生的用电3构建模块，用于依据所述用电行为数据和所述外部影识别模块，用于分别将所述多个企业的用电行为特征输入至预7.一种非易失性存储介质，其特征在于，所程序运行时执行权利要求1至5中任意一项所述的目标4制环境污染的恶化，我国颁布了一系列政策措施并针对部分重点污染企业进行监测并监企业没有安装污染情况监测设备终端造成的无法准确识别出异常生产5大的目标因素数据；通过BP神经网络预测分析由于目标因素数据的影响所产生的用电波部离群因子检测方法计算局部离群因子；结合局部离群因子从多个企业中识别出目标企[0016]在本申请实施例中，采用获取多个企业的用电行为数据建多个企业的用电行为特征；分别将多个企业的用电行为特征输入至预设算法进行识别，染情况监测设备终端造成的无法准确识别出异常生产企6员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，的外部因素所产生的企业用电波动，去除并结合用户用电行为分析计算企业用户用电特7数据准确性的方法主要有逻辑检查和计算检查。逻辑检查主要是审核数据是否符合逻辑，风力多角度分析用电行为的外部影响因素，结合Apriori算法分析外部因素与用电行为之8对所有企业用户信息及用户用电信息通过Apriori分析外部因素相关性，通过BP神经网络产企业用户。[0045]将上述构建出的用电行为特征指标作为输入数据，通过LOF算法计算局部离群因[0047](1)K距离:数据对象q的k距离定义为数据集中到数据对象q距离最近的第k个点到[0048](2)K距离邻域:数据集中与数据对象q之间的距离不大于k距离的数据点组成的集[0053](4)局部可达密度:q的局部可达密度指q到其邻域内的所有点的平均可达距离的9k[0059]本发明采用LOF算法分析异常生产企业，该算法将数据点q与周围k个点相结合进[0061]局部离群因子定义为若该因子值远大于1，则表明该点的密度与整体数据密度差测试数据相比发现，预测有9户为异常生产企业用户(其中6户为真实异常生产企业用户)，[0062]本发明所建立的异常生产企业用户识别模型应用于异常用户用电行为分析计算企业用户用电特征，选取合适的特征借助LOF算法分析识别异常生[0068]需要说明的是图2所示实施例的优选实施方式可以参见图1所示实施例的相关描[0078]所述集成的单元如果以软件功能单元的形式实现并作为独