一种基于三支决策理论和LSTM神经网络的供电服务预警方法技术

本发明专利技术公开了一种基于三支决策理论和LSTM神经网络的供电服务预警方法，涉及供电服务风险预警领域。目前，供电服务预警不够科学与全面。本发明专利技术包括以下步骤：综合考虑客户感知水平、供电公司服务责任、工单处理效率、工单完成率，建立供电服务风险预警指标体系，计算供电公司在各项评价指标下的预警指标值；基于三支决策理论确定供电服务风险预警决策的代价损失模型，确定风险预警决策的阈值α，β；将输出的供电服务预警值与阈值α，β作比较，将供电服务质量分为正常、观察、预警三类，当服务质量处于预警类时，发送风险预警信息。本发明专利技术根据历史工单数据，有效、客观地对供电服务水平进行提前预警，避免误报警或遗漏报警造成的经济或技术损失。经济或技术损失。经济或技术损失。

【技术实现步骤摘要】
一种基于三支决策理论和LSTM神经网络的供电服务预警方法


[0001]本专利技术涉及供电服务风险预警领域，尤其涉及一种基于三支决策理 论和LSTM神经网络的供电服务预警方法。

技术介绍

[0002]电网公司是社会公用型的服务企业，目的是为客户提供良好的供电 服务。因此，对供电公司服务质量进行准确评估，实现对供电服务质量 预警，对提升电力用户用电体验，保证电网安全高效运行有重要意义。 同时，随着电力客户服务呼叫中心的发展，电力用户产生的海量工单数 据资源为客户视角的供电服务质量预警提供可靠的数据支持。
[0003]目前对于供电服务的预警研究多集中在电能质量的状态评估上，如 三相电压、电流、功率、频率、电流谐波、电压闪变等测量数据，谐波、 负序电流、电压偏差等二级指标，或是从电能质量、可靠性、经济性、 服务质量等多个角度制定的供电质量指标，一方面其中评价因素主观成 分较多，且未考虑各评价目标自身的差异性，另一方面没有考虑到客户 侧视角，没有充分利用客户侧数据。目前，风险预警技术已经较多的应 用于电力系统中，通过多元监测数据，对目标进行评估并预警，但传统 的预警研究主要从电压质量和故障影响出发，建立风险指标，而没有充 分利用客户侧数据；预警不够科学与全面。

技术实现思路

[0004]本专利技术要解决的技术问题和提出的技术任务是对现有技术方案进行 完善与改进，提供一种基于三支决策理论和LSTM神经网络的供电服务预 警方法，以达到能提高供电服务预警的科学性和全同性的目的。为此， 本专利技术采取以下技术方案。
[0005]一种基于三支决策理论和LSTM神经网络的供电服务预警方法，包括 以下步骤：
[0006]1)输入一定时间段内的95598工单结构化数据，包括诉求类型、工 单分类、处理时长、是否为重复工单；
[0007]2)综合考虑客户感知水平、供电公司服务责任、工单处理效率、工 单完成率，根据结构化数据，建立供电服务风险预警指标体系，供电服 务风险预警指标体系中包括多项风险预警指标，其中风险预警指标至少 包括投诉工单占比指标、有责工单占比指标、平均处理时长指标、重复 工单数指标；
[0008]3)计算供电公司在各项评价指标下的预警指标值，根据预警指标值 形成供电服务水平的供电服务预警决策矩阵；
[0009]4)基于三支决策理论确定供电服务风险预警决策的代价损失模型， 确定风险预警决策的阈值α，β；
[0010]5)将历史数据划分为训练集与测试集，其中异常报警数据通过重采 样方法以解决类别不平衡问题；
[0011]6)基于LSTM神经网络对训练集进行训练；
[0012]7)根据训练好的LSTM神经网络对供电公司服务质量进行预测预警， 输出供电服
务预警值；
[0013]8)将输出的供电服务预警值与阈值α，β作比较，将供电服务质量 分为正常、观察、预警三类，当供电公司服务质量处于预警类时，则发 送风险预警信息。
[0014]作为优选技术手段：在步骤3中，投诉工单分为投诉、意见、服务申 请工单三类，投诉工单反映工作人员服务态度差或业务差错、违规造成客 户利益受损的重要诉求，投诉工单占比指标为：
[0015][0016]式中，N
comp
表示投诉工单数量；N
op
表示意见工单数量；N
app
表示服务 申请工单数量。
[0017]作为优选技术手段：供电企业有责工单占比指标为：
[0018][0019]式中，N
res
为供电企业有责工单数量，N为该供电公司服务工单总数。
[0020]作为优选技术手段：平均处理时长指标为：
[0021][0022]式中，t
i
为第i件工单的处理时长。
[0023]作为优选技术手段：重复工单数指标为：
[0024][0025]式中，N
rep
为重复工单数量。
[0026]作为优选技术手段：在步骤4中，基于三支决策理论确定供电服务 风险预警决策的代价损失模型，确定风险预警决策的阈值α，β，包括 步骤：
[0027]对于供电服务预警，三支决策的决策集表示为D＝{D
P
,D
B
,D
N
}，分别 表示正常决策、观察决策、预警决策；其具体表达式如下：
[0028]P
(α,β)
(X)＝{x∈U∣Pr(X∣[x])≥α}
[0029]N
(α,β)
(X)＝{x∈U∣Pr(X∣[x])≤β}
[0030]B
(α,β)
(X)＝{x∈U∣β＜Pr(X∣[x])＜α}
[0031]式中，α为正常决策阈值；β为预警决策阈值；P(X)、N(X)、B(X) 分别为正常决策、预警决策、观察决策集合；Pr(X∣[x])表示x为实际正常 供电质量的概率；
[0032]各项决策的代价损失函数如表1所示；
[0033]表1决策代价损失表
[0034][0035]由表1可得到，对于供电服务质量预警中的各项决策，存在决策代 价R如下：
[0036]R(a
P
∣[x])＝λ
PP
Pr(X∣[x])+λ
PN
Pr(X
c
∣[x])
[0037]R(a
B
∣[x])＝λ
BP
Pr(X∣[x])+λ
BN
Pr(X
c
∣[x])
[0038]R(a
N
∣[x])＝λ
NP
Pr(X∣[x])+λ
NN
Pr(X
c
∣[x])
[0039]式中，Pr(X
c
∣[x])表示x为异常供电质量的概率；
[0040]贝叶斯决策论给出了以下最小风险决策规则：
[0041](P)如果R(a
P
|[x])≤R(a
B
|[x])且R(a
P
|[x])≤R(a
N
|[x])，则选择x ∈POS(x)；
[0042](B)如果R(a
P
|[x])≥R(a
B
|[x])且R(a
B
|[x])≤R(a
N
|[x])，则选择x∈ BND(x)；
[0043](N)如果R(a
N
|[x])≤R(a
P
|[x])且R(a
N
|[x])≤R(a
B
|[x])，则选择x∈ NEG(x)；
[0044]同时根据内部的大小关系，得到参数的计算公式：
[0045][0046][0047]作为优选技术手段：在步骤6)中，通过LSTM神经网络计算供电服 务质量预警值：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三支决策理论和LSTM神经网络的供电服务预警方法，其特征在于包括以下步骤：1)输入一定时间段内的95598工单结构化数据，包括诉求类型、工单分类、处理时长、是否为重复工单；2)综合考虑客户感知水平、供电公司服务责任、工单处理效率、工单完成率，根据结构化数据，建立供电服务风险预警指标体系，供电服务风险预警指标体系中包括多项风险预警指标，其中风险预警指标至少包括投诉工单占比指标、有责工单占比指标、平均处理时长指标、重复工单数指标；3)计算供电公司在各项评价指标下的预警指标值，根据预警指标值形成供电服务水平的供电服务预警决策矩阵；4)基于三支决策理论确定供电服务风险预警决策的代价损失模型，确定风险预警决策的阈值α，β；5)将历史数据划分为训练集与测试集，其中异常报警数据通过重采样方法以解决类别不平衡问题；6)基于LSTM神经网络对训练集进行训练；7)根据训练好的LSTM神经网络对供电公司服务质量进行预测预警，输出供电服务预警值；8)将输出的供电服务预警值与阈值α，β作比较，将供电服务质量分为正常、观察、预警三类，当供电公司服务质量处于预警类时，则发送风险预警信息。2.根据权利要求1所述的一种基于三支决策理论和LSTM神经网络的供电服务预警方法，其特征在于：在步骤3中，投诉工单分为投诉、意见、服务申请工单三类，投诉工单反映工作人员服务态度差或业务差错、违规造成客户利益受损的重要诉求，投诉工单占比指标为：式中，N
comp
表示投诉工单数量；N
op
表示意见工单数量；N
app
表示服务申请工单数量。3.根据权利要求2所述的一种基于三支决策理论和LSTM神经网络的供电服务预警方法，其特征在于：供电企业有责工单占比指标为：式中，N
res
为供电企业有责工单数量，N为该供电公司服务工单总数。4.根据权利要求3所述的一种基于三支决策理论和LSTM神经网络的供电服务预警方法，其特征在于：平均处理时长指标为：式中，t
i
为第i件工单的处理时长。5.根据权利要求4所述的一种基于三支决策理论和LSTM神经网络的供电服务预警方法，其特征在于：重复工单数指标为：
式中，N
rep
为重复工单数量。6.根据权利要求5所述的一种基于三支决策理论和LSTM神经网络的供电服务预警方法，其特征在于：在步骤4中，基于三支决策理论确定供电服务风险预警决策的代价损失模型，确定风险预警决策的阈值α，β，包括步骤：对于供电服务预警，三支决策的决策集表示为D＝{D
P
,D
B
,D
N
}，分别表示正常决策、观察决策、预警决策；其具体表达式如下：P
(α,β)
(X)＝{x∈U∣Pr(X∣[x])≥α}N
(α,β)
(X)＝{x∈U∣Pr(X∣[x])≤β}B
(α,β)
(X)＝{x∈U∣β＜Pr(X∣[x])＜α}式中，α为正常决策阈值；β为预警决策阈值；P(X)、N(X)、B(X)分别为正常决策、预警决策、观察决策集合；Pr(X∣[x])表示x为实际正常供电质量的概率；各项决策的代价损失函数如表1所示；表1决策代价损失表由表1可得到，对于供电服务质量预警中的各项决策，存在决策代价R如下：R(a
P
∣[x])＝λ
PP
Pr(X∣[x])+λ
PN
Pr(X
c
∣[x])R(a
B
∣[x])＝λ
BP
Pr(X∣[x])+λ
BN
Pr(X
c
∣[x])R(a
N
∣[x])＝λ
NP
Pr(X∣[x])+λ
NN
Pr(X
c
∣[x])式中，Pr(X
c
∣[x])表示x为异常供电质量的概率；贝叶斯决策论给出了以下最小风险决策规则：(P)如果R(a
P
|[x])≤R(a
B
|[x])且R(a
P
|[x])≤R(a
N
|[x])，则选择x...

【专利技术属性】
技术研发人员：魏骁雄，王伟福，朱蕊倩，钟震远，陈博，石赟超，杨建军，丁嘉涵，罗欣，沈皓，麻吕斌，葛岳军，林之岸，
申请(专利权)人：国网浙江省电力有限公司浙江华云信息科技有限公司浙江大学，
类型：发明
国别省市：