1.基于多源數(shù)據(jù)融合的在線戶變關(guān)系識別方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)融合的在線戶變關(guān)系識別方法，其特征在于，所述標(biāo)準(zhǔn)化特征數(shù)據(jù)集包括電壓時(shí)間特征、電流時(shí)間特征、短時(shí)變異指標(biāo)，所述畸變時(shí)間序列特征集包括變異起始點(diǎn)、變異終止點(diǎn)、變異幅度，所述異常行為特征點(diǎn)集包括數(shù)據(jù)點(diǎn)偏差等級、數(shù)據(jù)點(diǎn)頻發(fā)區(qū)間、數(shù)據(jù)點(diǎn)強(qiáng)度評分，所述戶變關(guān)系分組模型包括分類標(biāo)準(zhǔn)、分組效果一致性指標(biāo)、可重復(fù)性驗(yàn)證結(jié)果，所述戶變關(guān)系預(yù)測模型包括特征選擇準(zhǔn)確性、預(yù)測準(zhǔn)確率、模型響應(yīng)時(shí)間，所述實(shí)時(shí)戶變識別結(jié)果包括新數(shù)據(jù)匹配度、預(yù)測更新頻率、性能監(jiān)控結(jié)果。
3.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)融合的在線戶變關(guān)系識別方法，其特征在于，捕捉工頻電壓曲線、工頻同步序列、信噪比數(shù)據(jù)，并進(jìn)行數(shù)據(jù)格式化和噪聲濾除，對濾除后的數(shù)據(jù)執(zhí)行標(biāo)準(zhǔn)化處理，生成標(biāo)準(zhǔn)化特征數(shù)據(jù)集的步驟具體為：
4.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)融合的在線戶變關(guān)系識別方法，其特征在于，基于所述標(biāo)準(zhǔn)化特征數(shù)據(jù)集，提取多類型數(shù)據(jù)的時(shí)間特征，應(yīng)用差分方法識別電壓和電流中的短時(shí)變異，匯總畸變特征，生成畸變時(shí)間序列特征集的步驟具體為：
5.根據(jù)權(quán)利要求4所述的基于多源數(shù)據(jù)融合的在線戶變關(guān)系識別方法，其特征在于，所述移動(dòng)窗口差分法的公式如下：
6.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)融合的在線戶變關(guān)系識別方法，其特征在于，對所述畸變時(shí)間序列特征集中的特征執(zhí)行偏差分析，設(shè)置閾值并標(biāo)識超范圍數(shù)據(jù)點(diǎn)，記錄異常點(diǎn)并排序出現(xiàn)頻率和強(qiáng)度，生成異常行為特征點(diǎn)集的步驟具體為：
7.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)融合的在線戶變關(guān)系識別方法，其特征在于，根據(jù)所述異常行為特征點(diǎn)集，應(yīng)用分組算法將數(shù)據(jù)點(diǎn)分類，每個(gè)類別對應(yīng)臺(tái)區(qū)戶變關(guān)系，驗(yàn)證分類結(jié)果的穩(wěn)定性和重復(fù)性，生成戶變關(guān)系分組模型的步驟具體為：
8.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)融合的在線戶變關(guān)系識別方法，其特征在于，使用所述戶變關(guān)系分組模型，在監(jiān)督學(xué)習(xí)框架內(nèi)選取特征集訓(xùn)練預(yù)測模型，執(zhí)行交叉驗(yàn)證并優(yōu)化輸出，生成戶變關(guān)系預(yù)測模型的步驟具體為：
9.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)融合的在線戶變關(guān)系識別方法，其特征在于，部署所述戶變關(guān)系預(yù)測模型進(jìn)行實(shí)時(shí)數(shù)據(jù)分析，對新接入的數(shù)據(jù)進(jìn)行分類預(yù)測，對預(yù)測結(jié)果進(jìn)行實(shí)時(shí)更新，并對模型性能進(jìn)行持續(xù)監(jiān)控，生成實(shí)時(shí)戶變識別結(jié)果的步驟具體為：
10.基于多源數(shù)據(jù)融合的在線戶變關(guān)系識別系統(tǒng)，其特征在于，根據(jù)權(quán)利要求1-9任一項(xiàng)所述的基于多源數(shù)據(jù)融合的在線戶變關(guān)系識別方法，所述系統(tǒng)包括：