一种售电交易服务推荐方法及装置制造方法及图纸

本发明专利技术提供了一种售电交易服务推荐方法及装置，涉及数据处理技术领域，包括获取第一信息和第二信息，所述第一信息包括客户电量需求信息和客户的历史用电量信息,所述第二信息包括所有供电商的产能变化信息和所有供电商的成本变化信息；对第一信息进行分类,基于所有类别的第一信息预测的客户需求的售电服务信息;将客户需求的售电服务信息和所述第二信息进行关联分析,基于分析结果对客户需求的售电服务信息进行调整，对所述调整后的客户需求的售电服务信息进行异常校准，并将校准后的售电服务信息进行服务推荐，本发明专利技术能够对售电服务信息进行精确推荐，提高售电效率，实时调整售电服务价格，保障售电公司和用电客户的权益。益。益。

【技术实现步骤摘要】
一种售电交易服务推荐方法及装置


[0001]本专利技术涉及数据处理
，具体而言，涉及一种售电交易服务推荐方法及装置。

技术介绍

[0002]目前,售电公司在为电力用户提供参考和决策依据时,并未对不用的用户人群的用电需求进行有针对性的划分，因此也没有针对不用的用户人群设计与其对应的电力服务项目，因此目前的售电服务难以满足不同用电客户的要求，因此需要一种能够针对不同人群，不同客户的售电服务推荐方法及装置，提高客户满意度，增加售电效率。

技术实现思路

[0003]本专利技术的目的在于提供一种售电交易服务推荐方法及装置，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：一方面，本申请提供了一种售电交易服务推荐方法，包括：获取第一信息和第二信息，所述第一信息包括客户电量需求信息和客户的历史用电量信息,所述第二信息包括所有供电商的产能变化信息和所有供电商的成本变化信息；基于所述第一信息发送至预设的分类模型进行分类,得到所有类别的第一信息;将所有类别的所述第一信息发送至训练后的服务预测模型进行处理,得到预测的客户需求的售电服务信息,所述预测的客户需求的售电服务信息包括客户需求的售电价格信息、客户需求的售电时间段信息和客户需求的售电量信息;将所述预测的客户需求的售电服务信息和所述第二信息进行关联分析,并基于每个预测的客户需求的售电服务信息和所述第二信息之间的关联度进行组合分析,基于组合分析结果对所述客户需求的售电服务信息进行调整，得到调整后的客户需求的售电服务信息;基于所述调整后的客户需求的售电服务信息发送至异常信息校准模型进行异常数据校准,并将校准后的客户需求的售电服务信息推送至供电商和客户的通讯设备进行服务推荐。
[0004]另一方面，本申请还提供了一种售电交易服务推荐装置，包括：获取单元，用于获取第一信息和第二信息，所述第一信息包括客户电量需求信息和客户的历史用电量信息,所述第二信息包括所有供电商的产能变化信息和所有供电商的成本变化信息；第一处理单元，用于基于所述第一信息发送至预设的分类模型进行分类,得到所有类别的第一信息;第二处理单元，用于将所有类别的所述第一信息发送至训练后的服务预测模型进行处理,得到预测的客户需求的售电服务信息,所述预测的客户需求的售电服务信息包括客户需求的售电价格信息、客户需求的售电时间段信息和客户需求的售电量信息;
第三处理单元，用于将所述预测的客户需求的售电服务信息和所述第二信息进行关联分析,并基于每个预测的客户需求的售电服务信息和所述第二信息之间的关联度进行组合分析,基于组合分析结果对所述客户需求的售电服务信息进行调整，得到调整后的客户需求的售电服务信息;第四处理单元，用于基于所述调整后的客户需求的售电服务信息发送至异常信息校准模型进行异常数据校准,并将校准后的客户需求的售电服务信息推送至供电商和客户的通讯设备进行服务推荐。
[0005]本专利技术的有益效果为：本专利技术通过对不同人群进行分类，然后基于不同的人群选择不同的服务类型，其中通过服务预测模型，预测不同人群需要的服务信息，并且针对于供电商的产能变化和成本变化进行关联分析，调整客户需求的售电服务，保障用电客户的权益的同时，实时调整售电价格，保障交易服务的实时性，并且本专利技术还通过异常信息校准模型对异常数据进行校准，防止出现预测的服务价格过大或者过小，导致客户或者售电公司出现损失过大的情况发生；本专利技术通过对不同人群推荐不同服务，提高售电效率，实时调整售电服务价格，保障售电公司和用电客户的权益。
[0006]本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0007]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0008]图1为本专利技术实施例中所述的售电交易服务推荐方法流程示意图;图2为本专利技术实施例中所述的售电交易服务推荐装置结构示意图。
具体实施方式
[0009]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0010]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0011]实施例1：
本实施例提供了一种售电交易服务推荐方法。
[0012]参见图1，图中示出了本方法包括步骤S1、步骤S2、步骤S3、步骤S4和步骤S5。
[0013]步骤S1、获取第一信息和第二信息，所述第一信息包括客户电量需求信息和客户的历史用电量信息,所述第二信息包括所有供电商的产能变化信息和所有供电商的成本变化信息；通过对客户信息进行采集，并且实时监控供电商的产能和成本变化，基于市场实时调整价格，减少成本，并且为之后的针对于不同客户提供不同服务做准备。
[0014]步骤S2、基于所述第一信息发送至预设的分类模型进行分类,得到所有类别的第一信息;本步骤通过对用电客户的信息进行数据分析，进而针对于所有的用电客户进行分类，其中，本步骤中，步骤S2包括步骤S21、步骤S22、步骤S23和步骤S24。
[0015]步骤S21、基于层次分析法对所述第一信息进行分类，并建立层次分析模型；步骤S22、基于所述层次分析模型和预设的分类阈值对所述第一信息进行分类，得到分类后的第一信息；其中基于层次结构模型逐层对两两因素进行比较获得相对重要程度的关系，并使用1
‑
9标度法对每个指标进行打分，并按照不同分值对每个客户进行分类，得到分类后的客户信息。
[0016]步骤S23、采用SGD计算梯度对分类模型进行自适应梯度更新，并将所述分类后的第一信息发送至更新后的分类模型进行迭代处理，其中迭代处理为确定每个分类后的第一信息的特征数据，得到每个分类后的第一信息的特征向量，并采用AUC算法对特征向量进行迭代处理，得到达到最大迭代次数的AUC值；由此，可通过SGD梯度对分类模型进行更新优化，得到更新后的分类模型，其中更新后的分类模型在通过AUC算法多次迭代优化，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种售电交易服务推荐方法，其特征在于，包括：获取第一信息和第二信息，所述第一信息包括客户电量需求信息和客户的历史用电量信息,所述第二信息包括所有供电商的产能变化信息和所有供电商的成本变化信息；基于所述第一信息发送至预设的分类模型进行分类,得到所有类别的第一信息;将所有类别的所述第一信息发送至训练后的服务预测模型进行处理,得到预测的客户需求的售电服务信息;将所述预测的客户需求的售电服务信息和所述第二信息进行关联分析,并基于每个预测的客户需求的售电服务信息和所述第二信息之间的关联度进行组合分析,基于组合分析结果对所述客户需求的售电服务信息进行调整，得到调整后的客户需求的售电服务信息;基于所述调整后的客户需求的售电服务信息发送至异常信息校准模型进行异常数据校准,并将校准后的客户需求的售电服务信息推送至供电商和客户的通讯设备进行服务推荐。2.根据权利要求1所述的售电交易服务推荐方法，其特征在于,所述预测的客户需求的售电服务信息包括客户需求的售电价格信息、客户需求的售电时间段信息和客户需求的售电量信息。3.根据权利要求1所述的售电交易服务推荐方法，其特征在于, 基于所述第一信息发送至预设的分类模型进行分类,得到所有类别的第一信息，包括：基于层次分析法对所述第一信息进行分类，并建立层次分析模型；基于所述层次分析模型和预设的分类阈值对所述第一信息进行分类，得到分类后的第一信息；采用SGD计算梯度对分类模型进行自适应梯度更新，并将所述分类后的第一信息发送至更新后的分类模型进行迭代处理；按照分类后的第一信息占所有第一信息的权重比例对所述分类后的第一信息进行加权计算，得到每个分类后的第一信息的分类权重值，并将每个所述分类权重值与达到最大迭代次数的AUC值进行对比分类，得到至少两个类别的第一信息。4.根据权利要求3所述的售电交易服务推荐方法，其特征在于，所述迭代处理为确定每个分类后的第一信息的特征数据，得到每个分类后的第一信息的特征向量，并采用AUC算法对特征向量进行迭代处理，得到达到最大迭代次数的AUC值。5.根据权利要求1所述的售电交易服务推荐方法，其特征在于，将所有类别的所述第一信息发送至训练后的服务预测模型进行处理，得到预测的客户需求的售电服务信息，包括：将所有类别的所述第一信息和预设的历史客户需求的售电服务信息按照预设的比例分类，得到训练集数据和验证集数据；初始化BP神经网络模型的输入参数和粒子群参数，并将训练集数据发送至BP神经网络模型进行处理，得到训练后的BP神经网络模型；通过粒子群优化算法对训练后的BP神经网络模型进行优化；基于粒子群优化算法动态跟踪个体最优位置和全局最优位置，以对所有粒子的速度和位置进行更新，直至所述粒子群优化算法达到最大迭代次数，进而得到优化后的BP神经网络模型；将所述训练集数据发送至优化后的BP神经网络模型进行预测，并将预测得到的数据与
所述验证集进行对比，若对比得到的结果为所述预测得到的数据与所述验证集的差值小于预设的阈值，则将所述预测得到的数据作为客户需求的售电服务信息。6.根据权利要求5所述的售电交易服务推荐方法，其特征在于，通过如下公式对所有粒子的速度和位置进行更新：；；其中，为...

【专利技术属性】
技术研发人员：秦国亮，波炜，胡昊，干毅军，刘静，
申请(专利权)人：湖北国网华中科技开发有限责任公司，
类型：发明
国别省市：