机器学习用电异常检测 用电异常分析

数据分析在租房场景中的应用实例

背景

2021年1月6号签租房合同，1月11日入住，1月31日收到电费237.02元(183.32度电，每度1.3元)。
写下公寓耗电异常分析过程，希望可以帮助租户对异常耗电进行溯源，找到省电办法或者找到电表异常。

问题

在广州2020年12月份用电27度电，含生活12度电和公摊15度电。
来深圳后用电飙升到183度，非常惊讶。想尝试找到高耗电根源，以节省用电开支。

疑点

1. 电表有问题，比如贴错标签；
2. 热水器功率过大，耗电太多。

定位

1. 用电预估
   计算每天可能耗电的峰值：热水器2.5kw x 1h + 电脑/电灯0.2kw x 5h = 3.5kw·h, 即1月份最多70度电。
3. 用电记录
   询问管家，他给了每天水电费的详细记录excel表。
   将耗电高的数据降序排序并标红，发现每天0-6点有大量耗电(超过2度)，与个人作息时间不符。

进一步挖掘，在工作日早上6:00-晚上19：00期间，电器都关了，基本不会耗电。

找了一个典型工作日，发现在非用电时间产生了大量用电，与自己的用电规律和作息时间严重不符。

3. 测试电表
   将0-6点大量耗电反馈给管家后，他让保安打开强电井一周，以便我能随时看到电表读数。
   为了确定电表是否正常运行，本人使用了时长和功率确定的热水器/洗衣机进行实验，测试方法和测试结果如下：
   测试方案：热水壶1.8kw x 3min + 洗衣机0.7kw x 15min = 0.265kw·h，即此情况下，电表读数能看到明显增加。
   结果表明，大量用电，电表基本不动；拉下电闸，反而增加更多，即耗电高的原因大概率为电表运行异常。

在未测试前，根据每天水电费的详细记录excel表，原猜测电表读数更新有延时(预估为4h)。
2月3号21：28至22：13，电表读书增加0.01度电，故排除了电表读数延时的可能性。

4. 异常分析
   因工作比较忙，故忘记了来深圳时间。翻看离职证明，推断出1月11日来到深圳。突然醒悟1月6到1月10日，自己尚未入住。
   查看1月6到1月10日的电费记录，在无人居住、没开空调和没开热水器的情况下，每天仍有2-3度的用电。
   至此，电表运行异常的证据链非常充分，向管家反馈整个证据链，希望能得到合理的解决方案。

说明

1. 管家的态度比较好，给了电费记录和开放电表查询方式，不然就没有上述的分析过程；
2. 相比于节省那点费用，更享受整个沟通于分析的过程，通过相关方沟通、数据分析和实验找到证据链；
3. 在没有充分证据表明电表异常前，只能表达自己的怀疑方向。担心热水器耗电多，无理取闹不承认用电；
4. 因管理租房的公司和自己工作的公司属于同一集团下，故不想造成不良的影响，只想解决用电异常问题；
5. 从小在发电厂长大，对电表、接线和交变电比较熟悉。淘汰的电表、变压器和空气开关，都是儿时玩具。