一种电力客户价值评估模型的构建方法技术

本发明专利技术提供一种电力客户价值评估模型的构建方法，能够提高客户等级划分的差异性。所述方法包括：确定评价客户当前价值和客户潜在价值的指标体系；根据确定的评价客户当前价值和客户潜在价值的指标体系，获取客户数据；根据获取的客户数据，对客户当前价值与潜在价值进行分级标注，得到用于构建用户当前价值决策树预测模型的样本集和用于构建用户潜在价值决策树预测模型的样本集；根据得到的用于构建用户当前价值决策树预测模型的样本集，构建用户当前价值决策树预测模型，根据得到的用于构建用户潜在价值决策树预测模型的样本集，构建用户潜在价值决策树预测模型。本发明专利技术适用于电力系统技术领域。

【技术实现步骤摘要】
一种电力客户价值评估模型的构建方法
本专利技术涉及电力系统
，特别是指一种电力客户价值评估模型的构建方法。
技术介绍
近年来，电力客户价值评价是供电企业实施差异化服务、实现利益最大化的基础。随着基于大数据挖掘的技术与行业经验逐步地被供电企业吸收利用,供电企业纷纷对现有的营销系统进行深度应用，以系统庞大的客户行为数据为基础，通过数据挖掘方法等方式对客户进行价值评估，所述数据挖掘方法包括神经网络、支持向量机、层次聚类、主成分分析法等。数据挖掘的方法在给客户价值分类时准确度较高，但是不能精准的区分客户等级划分的差异性。
技术实现思路
本专利技术要解决的技术问题是提供一种电力客户价值评估模型的构建方法，以解决现有技术所存在的不能精准的区分客户等级划分的差异性的问题。为解决上述技术问题，本专利技术实施例提供一种电力客户价值评估模型的构建方法，包括：确定评价客户当前价值和客户潜在价值的指标体系；根据确定的评价客户当前价值和客户潜在价值的指标体系，获取客户数据；根据获取的客户数据，对客户当前价值与潜在价值进行分级标注，得到用于构建用户当前价值决策树预测模型的样本集和用于构建用户潜在价值决策树预测模型的样本集；根据得到的用于构建用户当前价值决策树预测模型的样本集，构建用户当前价值决策树预测模型，根据得到的用于构建用户潜在价值决策树预测模型的样本集，构建用户潜在价值决策树预测模型。进一步地，所述评价客户当前价值和潜在价值的指标体系包括：评价客户当前价值的指标体系和评价客户潜在价值的指标体系；其中，所述评价客户当前价值的指标体系包括：电压等级、当前未拆除变压器容量、高耗能标识、电源数量、最近一年年度电费、当前负荷等级、本年有电费去年无电费中的一种或多种指标；所述评价客户潜在价值的指标体系包括：电费趋势、最近一年年违约使用电费、最近一年年违约次数、去年年度电费、三方协议签署、连续两年均没有电费中的一种或多种指标。进一步地，所述电费趋势表示为：进一步地，在构建用户当前价值决策树预测模型之前，所述方法还包括：对得到的用于构建用户当前价值决策树预测模型的样本集进行预处理，其中，所述预处理包括：填补缺漏的数据值、平滑噪声数据、识别或更替异常值。进一步地，所述用于构建用户当前价值决策树预测模型的样本集包括：训练集；所述根据得到的用于构建用户当前价值决策树预测模型的样本集，构建用户当前价值决策树预测模型包括：S11，根据训练集中的数据，计算评价客户当前价值的指标体系中每个指标的GINI系数，选择GINI系数最小的指标作为决策树的根节点；S12，若分裂指标是离散型数据，则按照连续型指标的分割阈值，将训练集分成两个子集；S13，对决策树的根节点的分裂指标对应的两个子集，采用与S11相同的方法递归地建立根节点的子节点，如此循环下去，直至全部子节点中的样本属于同类或没有可以选作分裂指标的指标为止；S14，对决策树进行减枝操作。进一步地，所述S12还包括：若分裂指标是连续型数据，则按照分割后得到的最小GINI系数，将训练集分成两个子集。进一步地，所述对决策树进行减枝操作包括：对于某个连续型指标Ac，假设在决策树的某个节点上的训练集S的样本数量为total，对当前节点上的所有样本，由小到大对连续型指标Ac的具体数值进行排序，得到指标值序列{A1c,A2c,...Atotalc}；在指标值序列中生成total-1个分割点，第i(0<i<total)个分割点的取值设置为：Vi＝(Aic+A(i+1)c)/2，利用Vi，将当前节点上的训练集划分为S1＝{s|s∈S,Ac(S)≤Vi}和S2＝{s|s∈S,Ac(S)≤Vi}两个子集，Ac(S)为样本s在指标Ac上的取值；计算total-1个分割点的GINI系数，选择GINI系数最小点作为分割点来分割训练集S。进一步地，在根据得到的用于构建用户当前价值决策树预测模型的样本集，构建用户当前价值决策树预测模型，根据得到的用于构建用户潜在价值决策树预测模型的样本集，构建用户潜在价值决策树预测模型之后，所述方法还包括：根据构建的用户当前价值决策树预测模型，预测用户的当前价值等级分类结果，基于用户的当前价值等级分类结果，给客户分级别评定客户价值分值；根据构建的用户潜在价值决策树预测模型，预测用户的潜在价值等级分类结果，基于用户的潜在价值等级分类结果，给客户分级别评定客户价值分值。进一步地，所述给客户分级别评定客户价值分值包括：S21，利用向量规范化法，生成规范化决策矩阵Y＝(yij)m×n，其中，xij为第i个方案在第j个指标下的指标值，M＝{1,2,...m}为方案的下标集，N＝{1,2,...n}为指标的下标集；S22，生成加权规范化决策矩阵Z＝(zij)m×n，其中，zij＝ωjyij,i∈M,j∈N，ωj表示第j个指标的权重；S23，确定正理想解A+和负理想解A-：A+＝(z1+,z2+...,zn+)；A-＝(z1-,z2-...,zn-)其中，zj+＝maxzij,j∈T1；zj+＝minzij,j∈T2；zj-＝maxzij,j∈T1；zj-＝minzij,j∈T2；其中，T1表示效益型指标，T2表示成本型指标；S24，评估各方案分别与正负理想解的Euclid距离d+和d-:S25，计算各方案与正理想解的相对贴近度：S26，按照Ci+的值降序排列。进一步地，在S21之前，所述方法还包括：对评价客户当前价值和客户潜在价值的指标体系中的指标数据进行归一化处理，使所有指标数据统一在一个量级。本专利技术的上述技术方案的有益效果如下：上述方案中，通过确定评价客户当前价值和客户潜在价值的指标体系；根据确定的评价客户当前价值和客户潜在价值的指标体系，获取客户数据；根据获取的客户数据，对客户当前价值与潜在价值进行分级标注，得到用于构建用户当前价值决策树预测模型的样本集和用于构建用户潜在价值决策树预测模型的样本集；根据得到的用于构建用户当前价值决策树预测模型的样本集，构建用户当前价值决策树预测模型，根据得到的用于构建用户潜在价值决策树预测模型的样本集，构建用户潜在价值决策树预测模型。这样，根据构建的用户当前价值决策树预测模型，预测用户的当前价值等级分类结果；根据构建的用户潜在价值决策树预测模型，预测用户的潜在价值等级分类结果，从而提高客户等级划分的差异性。附图说明图1为本专利技术实施例提供的电力客户价值评估模型的构建方法的流程示意图；图2为本专利技术实施例提供的用户当前价值决策树预测模型示意图；图3为本专利技术实施例提供的用户潜在价值决策树预测模型示意图；图4为本专利技术实施例提供的混合决策树预测模型和TOPSIS算法的客户评分结果示意图；图5为本专利技术实施例提供的电力客户价值评估模型的构建方法的详细流程示意图。具体实施方式为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。本专利技术针对现有的不能精准的区分客户等级划分的差异性的问题，提供一种电力客户价值评估模型的构建方法。实施例一参看图1所示，本专利技术实施例提供的电力客户价值评估模型的构建方法，包括：S101，确定评价客户当前价值和客户潜在价值的指标体系；S102，根据确定的评价客户当前价值和客户潜在价值的指标体系，获取客户数据；S103本文档来自技高网...

【技术保护点】
一种电力客户价值评估模型的构建方法，其特征在于，包括：确定评价客户当前价值和客户潜在价值的指标体系；根据确定的评价客户当前价值和客户潜在价值的指标体系，获取客户数据；根据获取的客户数据，对客户当前价值与潜在价值进行分级标注，得到用于构建用户当前价值决策树预测模型的样本集和用于构建用户潜在价值决策树预测模型的样本集；根据得到的用于构建用户当前价值决策树预测模型的样本集，构建用户当前价值决策树预测模型，根据得到的用于构建用户潜在价值决策树预测模型的样本集，构建用户潜在价值决策树预测模型。

【技术特征摘要】
1.一种电力客户价值评估模型的构建方法，其特征在于，包括：确定评价客户当前价值和客户潜在价值的指标体系；根据确定的评价客户当前价值和客户潜在价值的指标体系，获取客户数据；根据获取的客户数据，对客户当前价值与潜在价值进行分级标注，得到用于构建用户当前价值决策树预测模型的样本集和用于构建用户潜在价值决策树预测模型的样本集；根据得到的用于构建用户当前价值决策树预测模型的样本集，构建用户当前价值决策树预测模型，根据得到的用于构建用户潜在价值决策树预测模型的样本集，构建用户潜在价值决策树预测模型。2.根据权利要求1所述的电力客户价值评估模型的构建方法，其特征在于，所述评价客户当前价值和潜在价值的指标体系包括：评价客户当前价值的指标体系和评价客户潜在价值的指标体系；其中，所述评价客户当前价值的指标体系包括：电压等级、当前未拆除变压器容量、高耗能标识、电源数量、最近一年年度电费、当前负荷等级、本年有电费去年无电费中的一种或多种指标；所述评价客户潜在价值的指标体系包括：电费趋势、最近一年年违约使用电费、最近一年年违约次数、去年年度电费、三方协议签署、连续两年均没有电费中的一种或多种指标。3.根据权利要求2所述的电力客户价值评估模型的构建方法，其特征在于，所述电费趋势表示为：4.根据权利要求1所述的电力客户价值评估模型的构建方法，其特征在于，在构建用户当前价值决策树预测模型之前，所述方法还包括：对得到的用于构建用户当前价值决策树预测模型的样本集进行预处理，其中，所述预处理包括：填补缺漏的数据值、平滑噪声数据、识别或更替异常值。5.根据权利要求2所述的电力客户价值评估模型的构建方法，其特征在于，所述用于构建用户当前价值决策树预测模型的样本集包括：训练集；所述根据得到的用于构建用户当前价值决策树预测模型的样本集，构建用户当前价值决策树预测模型包括：S11，根据训练集中的数据，计算评价客户当前价值的指标体系中每个指标的GINI系数，选择GINI系数最小的指标作为决策树的根节点；S12，若分裂指标是离散型数据，则按照连续型指标的分割阈值，将训练集分成两个子集；S13，对决策树的根节点的分裂指标对应的两个子集，采用与S11相同的方法递归地建立根节点的子节点，如此循环下去，直至全部子节点中的样本属于同类或没有可以选作分裂指标的指标为止；S14，对决策树进行减枝操作。6.根据权利要求5所述的电力客户价值评估模型的构建方法，其特征在于，所述S12还包括：若分裂指标是连续型数据，则按照分割后得到的最小GINI系数，将训练集分成两个子集。7.根据权利要求5所述的电力客户价值评估模型的构建方法，其特征在于，所述对决策树进行减枝操作包括：对于某个连续型指标Ac，假设在决...

【专利技术属性】
技术研发人员：付薇薇，黄彪，谢永红，张德政，刘靓钰，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京,11