摘要
本发明公开了基于内外部数据融合的数智化电费回收风险预警方法及系统,涉及智能电力技术领域。包括有:S1:迁移性评估:根据历史用户数据,设置政策冲突指数阈值和行业相似度熵值阈值,并根据所述政策冲突指数和行业相似度熵值,确定出数据的迁移状态;S2:规则‑数据双驱动切换:根据所述数据的迁移状态,进行数据熔断,生成风险特征链;S3:熔断缓冲和修复:根据所述数据的迁移状态,设置数据缓冲时长,并通过对抗网络模型,进行数据填补,通过联邦学习,生成推荐方案。解决了跨区域/行业迁移中的政策时效性冲突和行业分类模糊性问题,提升了电费回收风险预警的准确性和适应性。
技术关键词
风险预警方法
机器学习模型
对抗网络模型
指数
电费回收风险预警系统
关键词
偏差
动态
信息熵
智能电力技术
语义
月均用电量
数据迁移
权重分配机制
周期
BERT模型
文本
缓冲
系统为您推荐了相关专利信息
特征采样方法
统计学习方法
计算机可执行指令
数据
主站系统
数据处理方法
训练机器学习模型
模型训练方法
样本
问答系统
呼叫中心系统
数据管理模块
链路
人工智能算法
标准化接口
效率评估方法
热电站
仿真模型
历史运行数据
指数
优化调度算法
优化资源配置
能源
启发式算法
电力