本文為您介紹如何通過Designer預置工作流程範本，快速構建竊漏電使用者的識別模型，達到自動檢查使用者是否竊漏電的目的，從而大幅度降低稽查工作人員的工作量、保障使用者正常用電及安全用電。
背景資訊
傳統防竊漏電主要通過定期巡檢、定期校正電錶及使用者舉報等方法發現竊電或計量裝置故障，該方法強依賴於人工手段，且抓竊查漏的目標不明確。通常供電局通過計量異常警示功能和電能量資料查詢功能，人工線上監督使用者用電情況。例如通過採集電量異常、負荷異常、終端警示、主站警示及線損異常等資訊監測竊漏電情況及計量裝置故障，或根據警示事件發生前後客戶計量點電流、電壓及負荷資料情況，構建基於指標加權的用電異常分析模型，從而檢查使用者是否竊電或計量裝置故障等。
傳統的防竊漏電方法雖然能夠獲得用電異常資訊，但是由於終端誤判或漏報過多，因此無法快速精確地定位竊漏電嫌疑使用者，導致稽查工作無法開展。傳統方法建模時，專家需要根據知識和經驗判斷模型輸入指標的權重，具有強主觀性，導致實施效果不理想。
電源計量自動化系統能夠採集用電負荷資料（例如電流、電壓及功率）及用電異常等終端警示資訊，該資料能夠反映使用者用電情況。同時，稽查工作人員通過線上稽查系統和現場稽尋找出竊漏電使用者，並錄入系統。通過從這些資料提取竊漏電使用者的關鍵特徵，構建竊漏電使用者的識別模型，可以自動檢查使用者是否竊漏電，從而大幅度降低稽查工作人員的工作量、保障使用者正常用電及安全用電。
前提條件
資料集
本工作流程的資料集包括如下欄位。
欄位名 | 類型 | 參數 |
power_usage_decline_level | BIGINT | 電量趨勢下降指標 |
line_loss_rate | BIGINT | 線損指標 |
warning_num | BIGINT | 警示類指標數量 |
is_theff | BIGINT | 是否竊漏電 |
使用者竊電識別
進入Designer頁面。
登入PAI控制台。
在左側導覽列單擊工作空間列表，在工作空間列表頁面中單擊待操作的工作空間名稱，進入對應的工作空間。
在工作空間頁面的左側導覽列選擇，進入Designer頁面。
構建工作流程。
在Designer頁面，單擊預置模板頁簽。
在模板列表的使用者竊電識別地區，單擊建立。
在建立工作流程對話方塊，配置參數（可以全部使用預設參數）。
其中：工作流程資料存放區配置為OSS Bucket路徑，用於儲存工作流程運行中產出的臨時資料和模型。
單擊確定。
您需要等待大約十秒鐘，工作流程可以建立成功。
在工作流程列表，雙擊使用者竊電識別工作流程，進入工作流程。
系統根據預置的模板，自動構建工作流程，如下圖所示。
地區
描述
①
統計分析：
通過相關係數矩陣組件，觀察各特徵對是否竊漏電的影響。
通過資料檢視，查看各特徵列與目標列的資料分布關係。本工作流程中，特徵列為power_usage_decline_level、line_loss_rate及warning_num，目標列為is_theft。
②
將資料集按照
8:2拆分為訓練資料集和預測資料集。③
通過羅吉斯迴歸二分類組件對訓練資料集進行迴歸建模。本工作流程的訓練特徵列為power_usage_decline_level、line_loss_rate及warning_num，目標列為is_theft。
④
通過預測組件預測該模型在預測資料集上的效果，並通過二分類評估組件評估該模型預測的準確性。
運行工作流程並查看輸出結果。
單擊畫布上方的運行按鈕
。工作流程運行結束後，按右鍵畫布中的相關係數矩陣，在捷徑功能表，單擊可視化分析。
在相關係數矩陣對話方塊，查看各特徵對是否竊漏電的影響。
power_usage_decline_level、line_loss_rate及warning_num特徵對於是否為竊電使用者（is_theft）的關係並不明顯，即決定使用者是否為竊電使用者的特徵並非具有單一性。 按右鍵畫布中的二分類評估，在捷徑功能表，單擊可視化分析。
在評估報告對話方塊，單擊評估圖表頁簽，查看模型評估指標。
AUC取值越接近1，表示模型的預測準確率越高。本文中的AUC取值達到0.8以上，即使用者竊漏電模型的預測準確率很高。
相關文檔
您可以使用Designer完成其他的AI開發工作單位，關於Designer更詳細的內容介紹，請參見Designer概述。