基于异源交叉回归分析的停电敏感度预警方法及装置制造方法及图纸

本发明专利技术公开了一种基于异源交叉回归分析的停电敏感度预警方法及装置，形成样本数据集，通过选定变量因素，评价变量因素的相关性能度量，根据各变量因素的客户停电满意度的相关性能度量对变量因素设置一定的阈值，对客户停电投诉进行预警。本发明专利技术的基于异源交叉回归分析的停电敏感度预警方法及装置有助于电力企业准确辨识停电敏感度高的客户，降低客户因电费差错而产生投诉的概率，实现整体提升客户满意度的目标。

【技术实现步骤摘要】
基于异源交叉回归分析的停电敏感度预警方法及装置
本专利技术涉及电力领域，具体涉及一种基于异源交叉回归分析的停电敏感度预警模型。
技术介绍
电网公司客户规模大，生产经营情况复杂。目前，频繁停电投诉已经成为电力客户投诉的主要来源，严重影响客户服务满意度的提升。为了改善服务质量，提高运维效率，基于大数据分析挖掘技术，从大量的业务数据中，通过学习、回归、分类算法，发现业务数据之间的隐藏关系，寻找客户发生投诉、咨询等行为的影响因素，提前做好预防措施和服务准备工作，以提高工作质量和服务水平。目前的商业实践中，用来开展预测的模型主要有逻辑回归、决策树、神经网络等，这些模型各有其优缺点。其中，回归分析是研究因变量与影响因素间相关性或因果关系的主要手段，经过几十年的发展，已逐渐成熟。它具有计算速度快、对数据质量要求相对不高、结果显性化且稳定性较好等特点。在现有的逻辑回归过程中，逻辑回归方法通常将所有可能的风险影响因素变量合并为一组联合的模型输入，而没有考虑它们间的影响差异.如此，则所求得的客户停电敏感度分析也不能很好地反映不同影响因素的权重性。会对预警指标的选择造成干扰。本申请正是针对以上问题而提出的一种基于异源交叉回归分析的停电敏感度预警模型，有助于电力企业准确辨识停电敏感度高的客户，降低客户因停电差错而产生投诉的概率，提升客户整体满意度。
技术实现思路
针对现有技术中存在的缺陷，本专利技术的目的在于提供一种基于异源交叉回归分析的停电敏感度预警方法及装置，通过建立停电敏感度预警模型，以助于电力企业准确辨识停电敏感度高的客户，降低客户因电费差错而产生投诉的概率，实现整体提升客户满意度的目标。本专利技术的技术方案为：一种基于异源交叉回归分析的停电敏感度预警方法，包括以下步骤：形成样本数据集：以咨询过停电问题的客户为停电敏感性客户形成敏感用户样本集和未咨询过停电问题的客户为非停电敏感性客户形成非敏感用户样本集，从敏感用户样本集和非敏感用户样本集中以特定比例随机抽取形成样本数据集；选定变量因素：获取样本数据集对应的客户基本信息、用电信息、缴费信息、停电事件形成至少包括计量方式、合同容量、平均电价、行业类型、供电单位、历史95598拨打次数六个变量因素的变量因素集合；获取相关性能度量：以选定的变量因素为回归因素，使用异源交叉验证回归分析算法建立异源混合神经网络回归模型，研究各回归因素对客户停电满意度的影响程度，建立各变量因素的客户停电满意度的相关性能度量；停电预警：根据各变量因素的客户停电满意度的相关性能度量对变量因素设置一定的阈值，对客户停电投诉进行预警。优选地，本专利技术的基于异源交叉回归分析的停电敏感度预警方法，敏感用户样本集和非敏感用户样本集的比例为全部电力用户在选取的时间周期内的敏感用户总量与非敏感用户总量之比，或者在选取的时间周期内的敏感用户总量与非敏感用户总量的最接近的整数比。优选地，本专利技术的基于异源交叉回归分析的停电敏感度预警方法，选定变量因素时，获取样本数据集对应的客户基本信息、用电信息、缴费信息、停电事件后，应先对数据进行预处理，保证数据的正确性。优选地，本专利技术的基于异源交叉回归分析的停电敏感度预警方法，异源混合神经网络回归模型的输出表达式为：式中:wk1∈Rd、bk∈R，为隐层中第k个神经元的连接权重和偏移值；wk2∈Rd、b0∈R为输出层的连接权重和偏移值；在反向传播的过程中采用梯度下降法来通过迭代得到收敛后的参数值。优选地，本专利技术的基于异源交叉回归分析的停电敏感度预警方法，从输入端出发，经过多个隐层后输出的深度回归神经网络；采用BP算法进行训练，或者结合部分深度神经网络的学习策略；隐层中A(x)为神经元变换函数，选择Sigmoid型函数一种基于异源交叉回归分析的停电敏感度预警装置，包括：形成样本数据集模块：用于以咨询过停电问题的客户为停电敏感性客户形成敏感用户样本集和未咨询过停电问题的客户为非停电敏感性客户形成非敏感用户样本集，从敏感用户样本集和非敏感用户样本集中以特定比例随机抽取形成样本数据集；选定变量因素模块：用于获取样本数据集对应的客户基本信息、用电信息、缴费信息、停电事件形成至少包括计量方式、合同容量、平均电价、行业类型、供电单位、历史95598拨打次数六个变量因素的变量因素集合；获取相关性能度量模块：用于以选定的变量因素为回归因素，使用异源交叉验证回归分析算法建立异源混合神经网络回归模型，研究各回归因素对客户停电满意度的影响程度，建立各变量因素的客户停电满意度的相关性能度量；停电预警模块：用于根据各变量因素的客户停电满意度的相关性能度量对变量因素设置一定的阈值，对客户停电投诉进行预警。优选地，本专利技术的基于异源交叉回归分析的停电敏感度预警装置，敏感用户样本集和非敏感用户样本集的比例为全部电力用户在选取的时间周期内的敏感用户总量与非敏感用户总量之比，或者在选取的时间周期内的敏感用户总量与非敏感用户总量的最接近的整数比。优选地，本专利技术的基于异源交叉回归分析的停电敏感度预警装置，选定变量因素时，获取样本数据集对应的客户基本信息、用电信息、缴费信息、停电事件后，应先对数据进行预处理，保证数据的正确性。优选地，本专利技术的基于异源交叉回归分析的停电敏感度预警装置，异源混合神经网络回归模型的输出表达式为：式中:wk1∈Rd、bk∈R，为隐层中第k个神经元的连接权重和偏移值；wk2∈Rd、b0∈R为输出层的连接权重和偏移值；在反向传播的过程中采用梯度下降法来通过迭代得到收敛后的参数值。优选地，本专利技术的基于异源交叉回归分析的停电敏感度预警装置，异源混合神经网络回归模型中引入变形的logistic函数对客户停电敏感度进行归一化度量：从输入端出发，经过多个隐层后输出的深度回归神经网络。采用BP算法进行训练，或者结合部分深度神经网络的学习策略。隐层中A为神经元变换函数，选择Sigmoid型函数本专利技术的有益效果在于：本专利技术的基于异源交叉回归分析的停电敏感度预警方法及装置，形成样本数据集，通过选定变量因素，评价变量因素的相关性能度量，根据各变量因素的客户停电满意度的相关性能度量对变量因素设置一定的阈值，对客户停电投诉进行预警。本专利技术的基于异源交叉回归分析的停电敏感度预警方法及装置有助于电力企业准确辨识停电敏感度高的客户，降低客户因电费差错而产生投诉的概率，实现整体提升客户满意度的目标。附图说明图1为基于异源交叉回归分析的停电敏感度评估方法的流程图；图2为异源混合神经网络回归模型结构图；图3为本专利技术基于异源交叉回归分析的电力客户停电灵敏度分析的模型评估结果示意图。具体实施方式下面结合附图和具体实施例对本专利技术作进一步的详细说明，便于清楚地了解本专利技术，但它们不对本专利技术构成限定。实施例1一种基于异源交叉回归分析的停电敏感度预警方法，包括以下步骤：形成样本数据集：以咨询过停电问题的客户为停电敏感性客户形成敏感用户样本集和未咨询过停电问题的客户为非停电敏感性客户形成非敏感用户样本集，从敏感用户样本集和非敏感用户样本集中以特定比例随机抽取形成样本数据集；选定变量因素：获取样本数据集对应的客户基本信息、用电信息、缴费信息、停电事件形成至少包括计量方式、合同容量、平均电价、行业类型、供电单位、历史95598拨打次数六个变量因素的变量因素集合；获取本文档来自技高网...

【技术保护点】
1.一种基于异源交叉回归分析的停电敏感度预警方法，其特征在于，包括以下步骤：形成样本数据集：以咨询过停电问题的客户为停电敏感性客户形成敏感用户样本集和未咨询过停电问题的客户为非停电敏感性客户形成非敏感用户样本集，从敏感用户样本集和非敏感用户样本集中以特定比例随机抽取形成样本数据集；选定变量因素：获取样本数据集对应的客户基本信息、用电信息、缴费信息、停电事件形成至少包括计量方式、合同容量、平均电价、行业类型、供电单位、历史95598拨打次数六个变量因素的变量因素集合；获取相关性能度量：以选定的变量因素为回归因素，使用异源交叉验证回归分析算法建立异源混合神经网络回归模型，研究各回归因素对客户停电满意度的影响程度，建立各变量因素的客户停电满意度的相关性能度量；停电预警：根据各变量因素的客户停电满意度的相关性能度量对变量因素设置一定的阈值，对客户停电投诉进行预警。

【技术特征摘要】
1.一种基于异源交叉回归分析的停电敏感度预警方法，其特征在于，包括以下步骤：形成样本数据集：以咨询过停电问题的客户为停电敏感性客户形成敏感用户样本集和未咨询过停电问题的客户为非停电敏感性客户形成非敏感用户样本集，从敏感用户样本集和非敏感用户样本集中以特定比例随机抽取形成样本数据集；选定变量因素：获取样本数据集对应的客户基本信息、用电信息、缴费信息、停电事件形成至少包括计量方式、合同容量、平均电价、行业类型、供电单位、历史95598拨打次数六个变量因素的变量因素集合；获取相关性能度量：以选定的变量因素为回归因素，使用异源交叉验证回归分析算法建立异源混合神经网络回归模型，研究各回归因素对客户停电满意度的影响程度，建立各变量因素的客户停电满意度的相关性能度量；停电预警：根据各变量因素的客户停电满意度的相关性能度量对变量因素设置一定的阈值，对客户停电投诉进行预警。2.根据权利要求1所述的基于异源交叉回归分析的停电敏感度预警方法，其特征在于，敏感用户样本集和非敏感用户样本集的比例为全部电力用户在选取的时间周期内的敏感用户总量与非敏感用户总量之比，或者在选取的时间周期内的敏感用户总量与非敏感用户总量的最接近的整数比。3.根据权利要求1所述的基于异源交叉回归分析的停电敏感度预警方法，其特征在于，选定变量因素时，获取样本数据集对应的客户基本信息、用电信息、缴费信息、停电事件后，应先对数据进行预处理，保证数据的正确性。4.根据权利要求1所述的基于异源交叉回归分析的停电敏感度预警方法，其特征在于，异源混合神经网络回归模型的输出表达式为：式中:wk1∈Rd、bk∈R，为隐层中第k个神经元的连接权重和偏移值；wk2∈Rd、b0∈R为输出层的连接权重和偏移值；在反向传播的过程中采用梯度下降法来通过迭代得到收敛后的参数值。5.根据权利要求4所述的基于异源交叉回归分析的停电敏感度预警方法，其特征在于，从输入端出发，经过多个隐层后输出的深度回归神经网络；采用BP算法进行训练，或者结合部分深度神经网络的学习策略；隐层中A(x)为神经元变换函数，选择Sigmoid型函数6.一种基于...

【专利技术属性】
技术研发人员：李孟超，李晓蕾，耿俊成，张小斐，王自强，袁少光，万迪明，刘玮，田杨阳，
申请(专利权)人：国网河南省电力公司电力科学研究院，国网河南省电力公司，国家电网有限公司，
类型：发明
国别省市：河南,41