[发明专利]基于大数据的电力系统缴费渠道评价方法

权利要求书

1.基于大数据的电力系统缴费渠道评价方法，其特征在于：包括以下步骤：

步骤1、基于调查问卷获取用户属性及用户缴费行为数据，采用K-means聚类算法建立用户缴费行为画像：即确定若干类用户属性与若干类用户缴费行为之间的对应关系；

步骤2、利用K最近邻分类算法对电力系统缴费渠道评价因素进行最邻近聚类，将对缴费渠道影响相似的评价因素聚为一类，聚合结果作为电力系统缴费渠道评价指标，各类评价指标形成缴费渠道评价指标体系；

步骤3、采用模拟遗传退火算法确定评价指标体系中各评价指标的权重，建立缴费渠道评价模型，获得各缴费渠道的评价值，所述缴费渠道评价模型为先求出每项评价指标与权重的乘积，再求各乘积的和；

步骤4、利用电力系统实际缴费数据，判断缴费渠道评价模型是否适用于新的地区或新的时期，若适用，则缴费渠道评价模型继续使用，否则采用模拟遗传退火算法重新确定各评价指标的权重，确定适用于新的地区或新的时期的缴费渠道评价模型。

2.根据权利要求1所述基于大数据的电力系统缴费渠道评价方法，其特征在于：所述步骤1具体步骤如下：

步骤1.1、通过调查问卷获取用户属性数据和用户缴费行为数据，用户属性数据包括性别、年龄、职业、文化程度，用户缴费行为数据包括缴费方式、缴费频率、取消自有营业厅之后可能采用的缴费渠道、用户认为最方便的缴费渠道；

步骤1.2、对调查问卷进行集成、清理、变更、归约，获得有效的调查问卷，利用SPSS统计分析软件形成用户属性和用户缴费行为的样本空间；

步骤1.3、利用K-means聚类算法对用户属性进行聚类分析，获得若干类用户属性；

步骤1.4、利用K-means聚类算法对用户缴费行为进行聚类分析，获得若干类用户缴费行为；

步骤1.5、利用K-means聚类算法对一类用户属性与若干类用户缴费行为分别进行聚类分析，得到若干个相近程度不同的聚类结果，其中相近程度最大的聚类结果对应的用户缴费行为类别，即为该类用户最倾向采用的缴费行为，得出该类用户属性与该类用户缴费行为的对应关系，即完成了该类用户属性的用户缴费行为画像，以此类推完成其他类用户属性的用户缴费行为画像。

3.根据权利要求1所述基于大数据的电力系统缴费渠道评价方法，其特征在于：所述步骤2具体步骤如下：

步骤2.1、电力系统缴费渠道评价因素包括渠道的覆盖率、渠道的利用率、成本、工作效率、用户缴费行为画像、便捷性、客户满意度、渠道发展趋势，其中将步骤1得到的用户缴费行为画像作为用户缴费行为画像的初值，其余各因素的初值根据专家经验值确定；

步骤2.2、利用K最近邻分类算法对电力系统缴费渠道评价因素进行最邻近聚类，将对缴费渠道影响相似的评价因素聚为一类，聚合结果作为电力系统缴费渠道评价指标，各类评价指标形成缴费渠道评价指标体系。

4.根据权利要求1所述基于大数据的电力系统缴费渠道评价方法，其特征在于：所述步骤4具体步骤如下：

步骤4.1、利用电力系统实际缴费数据获得当前用电量，由新的地区或新的时期电力系统实际缴费历史数据折线图确定用电量预测值；

步骤4.2、利用用电量与缴费渠道评价值之间的比例关系，求出用电量预测值对应的缴费渠道评价值；

步骤4.3、若用电量预测值对应的缴费渠道评价值与当前用电量对应的缴费渠道评价值之差小于0.1，则继续使用当前缴费渠道评价模型，否则采用模拟遗传退火算法重新确定各评价指标的权重，返回步骤3建立新的缴费渠道评价模型。