【技术实现步骤摘要】
一种基于神经网络及聚类的停电敏感性分析方法
本专利技术涉及一种停电敏感性分析方法，尤其是一种基于神经网络及聚类的停电敏感性分析方法，属于电力大数据应用
技术介绍
2018年全年某电力客户服务中心共计受理56万工单，其中因停电导致的投诉和报修工单占近15％。降低由停电导致的投诉可以大大压缩工单受理次数，对供电质量提升影响比较大。现有的停电敏感度研究，基本都是选中影响指标，通过测试数据建立测试模型，确定指标权重，计算得到是否属于敏感情况。杨恒程，帅春燕在“基于机器学习的用电客户分析和停电敏感度分析”一文中，通过数据统计进行用户分析，发现电力行业的“二八理论”，同时利用决策树模型进行停电敏感度研究；耿俊成等人在2018年利用电网公司近百万客户数据建立K-support稀疏逻辑回归模型，对停电敏感度进行预测；严宇平、吴广财针对非重要客户，搭建逻辑回归算法和决策树算法进行模型对比测试，最终应用逻辑回归模型进行探索研究，并针对电力用户的特色，制定出差异化服务的措施。敏感客户的研究不同于一般的定性分类问题，目前研究比较少，并没有...
【技术保护点】
1.一种基于神经网络及聚类的停电敏感性分析方法，其特征在于：包括以下具体步骤：步骤1：数据预处理：采集停电计划表、停电工单表、报修工单表、客户诉求工单表，作为数据样本，计算各区域对应的停电工单数量，对停电计划表和停电工单中文本型分类变量进行数据标签化，使得数据样本平衡；/n步骤2：聚类分析：对数据样本进行聚类分析，标注各地域的停电敏感性标签，将停电敏感性标签作为地域因素指标加入停电计划政策向导表；/n步骤3：构建线路敏感性神经网络预测模型；根据投诉工单和报修工单量是否超过预设阈值，判分是否敏感特性；/n步骤4：停电计划安排：对停电导致的投诉工单和报修工单向上追溯至地区和线路...
【技术特征摘要】
1.一种基于神经网络及聚类的停电敏感性分析方法，其特征在于：包括以下具体步骤：步骤1：数据预处理：采集停电计划表、停电工单表、报修工单表、客户诉求工单表，作为数据样本，计算各区域对应的停电工单数量，对停电计划表和停电工单中文本型分类变量进行数据标签化，使得数据样本平衡；
步骤2：聚类分析：对数据样本进行聚类分析，标注各地域的停电敏感性标签，将停电敏感性标签作为地域因素指标加入停电计划政策向导表；
步骤3：构建线路敏感性神经网络预测模型；根据投诉工单和报修工单量是否超过预设阈值，判分是否敏感特性；
步骤4：停电计划安排：对停电导致的投诉工单和报修工单向上追溯至地区和线路，精准定位客户的敏感度特性，为未来停电安排提供依据。
2.根据权利要求1所述的一种基于神经网络及聚类的停电敏感性分析方法，其特征在于：步骤1中采用欠采样技术解决数据样本的不平衡现象。
3.根据权利要求1所述的一种基于神经网络及聚类的停电敏感性分析方法，其特征在于：步骤1中采用调整权重技术解决数据样本的不平衡现象。
4.根据权利要求1所述的一种基于神经网络及聚类的停电敏感性分析方法，其特征在于步骤1中采用过采样技术解决数据样本的不平衡现象。
5.根据权利要求4所述的一种基于神经网络及聚类的停电敏感性分析方法，其特征在于：步骤1中采用合成少数类过采样技术解决数据样本的不平衡现象。
6.根据权利要求5所述的一种基于神经网络及聚类的停电敏感性分析方法，其特征在于：采用合成少数类过采样技术解决数据样本的不平衡现象，正则化强调为0.01。
7.根据权利要求1所述的一种基于神经网络及聚类的停电敏感性分析方法，其特征在于：步骤2中采用两步聚类法；
1)预聚类阶段：采用BIRCH算法中CF树生长的方法，逐个读取数据集中数据点，在生成CF树的同时，预先聚类密集区域的数据点，形成诸多的小的子簇；
2)聚类(clustering)阶段：以所述子簇为对象，利用凝聚法逐个地合并子簇，直到预设的簇数量。
8.根据权利要求1所述的一种基于神经网络及聚类的停电敏感性分析方法，其特征在于：步骤2中采用模糊C均值聚类法；
步骤8-1：对于给定的训练样本{X1，X2，...，Xj，...，XN}，设定K为分类的个数，W为初始的隶属度矩阵，W的每个数据wji...
【专利技术属性】
技术研发人员：武光华，张世科，刘二刚，李倩，柳长发，
申请(专利权)人：国网河北能源技术服务有限公司，国家电网有限公司，国网河北省电力有限公司电力科学研究院，
类型：发明
国别省市：河北;13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。