国网福建省电力有限公司营销服务中心

本发明涉及基于状态空间高斯过程的电表月度自适应误差预测方法，具体步骤包括：S1：采集智能电能表历史运行数据及同步环境应力数据并进行预处理，选取核心变量构建训练序列；S2：构建包含观测方程和六维隐状态向量的状态空间高斯过程模型S3：利用卡尔曼滤波和L‑BFGS‑B多重启最大似然估计法优化超参数，完成模型训练；S4：计算未来基本误差的基线点预测值及预测协方差；在基线点预测值上叠加相位漂移修正项、月度残差EWMA偏置修正项和同月线性锚点修正项；S5：采用前向链式滚动策略构造样本外残差序列，按日历月对残差进行聚合，通过经验贝叶斯收缩估计得到逐月标准差，生成月度自适应预测区间，输出预测结果用于智能电能表状态评估与运维决策。

本发明涉及电力营销合规管理技术领域，公开了一种基于机器学习的电力营销合规性离群自动识别方法及系统，其中该方法包括：以用户编号为主键对多个业务模块数据进行关联，形成全量数据视图；计算基础统计特征、时序衍生特征和关联特征，经质量监测与降维后形成高质量特征池；并行运行距离类、密度类和树类三种无监督算法，基于AUC值动态融合离群得分；融合离群程度得分、业务影响权重和历史发生频率得分生成综合风险得分，按风险等级排序输出；基于核查结论对模型进行迭代优化。