[发明专利]一种电力识别模型的构建方法及系统

权利要求书

1.一种电力识别模型的构建方法，其特征在于，应用于计算机设备，所述方法包括：

获得构建电力识别模型所需基于的历史业务数据，所述历史业务数据包括多个电力客户所对应的各个电力业务指标的指标数据；

基于所述历史业务数据确定各个预定的电力客户类型所对应的客户特征；其中，所述电力客户类型至少包括潜在投诉倾向客户类型；

确定构建所述电力识别模型所需的各个模型因子，并对所述模型因子进行裁剪，所述模型因子基于各个电力业务指标确定；

结合裁剪后的各个模型因子所对应的电力业务指标的历史业务数据，分析各个模型因子对于识别结果的影响作用，模型因子对识别结果的影响包括模型因子对识别结果的重要性及所提供的信息量大小；

基于模型因子对识别结果的重要性及所提供的信息量大小，获得各个模型因子的综合权重，得到包括各个模型因子及模型因子权重的电力识别模型，以使得后续基于所述电力识别模型来识别电力客户的类型；其中，所述识别结果包括识别出具有相应客户特征的相应电力客户类型；

利用所述电力识别模型识别电力客户的类型；

所述结合各个模型因子所对应的电力业务指标的历史业务数据，分析各个模型因子对于识别结果的影响作用，包括：

获得各模型因子的熵权值，并利用配合熵权法的相关分析进行模型因子筛选；其中，模型因子的熵权值越大，表示模型因子对于识别结果所提供的信息量越大；

利用主成分分析法，获得筛选后所剩余的各模型因子的因子载荷，并基于所述各模型因子的因子载荷，再次进行模型因子筛选，其中，模型因子的因子载荷的绝对值越大，模型因子对识别结果的重要性越高；

其中，所述获得各模型因子的熵权值，并利用配合熵权法的相关分析进行模型因子筛选，包括：

对各模型因子对应的指标进行归一化处理；

对归一化处理的指标结果进行极端值平移及再归一化处理；

基于极端值平移及再归一化处理的指标结果，计算各模型因子的熵权值；

利用配合熵权法的相关分析对模型因子的信息量及冗余与否进行判断，并基于判断结果进行模型因子筛选。

2.根据权利要求1所述的方法，其特征在于，所述基于模型因子对识别结果的重要性及所提供的信息量大小，获得各个模型因子的综合权重，包括：

利用主成分分析法，提取二次筛选后所剩余的各模型因子所对应的主成分因子，实现模型维度降低，并基于主成分因子载荷权重还原，得到各主成分因子所对应的原始的模型因子的指标权重；

结合各模型因子的指标权重及熵权值，确定各模型因子的综合权重。

3.根据权利要求1-2任一项所述的方法，其特征在于，在所述获得构建所述电力识别模型所需基于的历史业务数据之后，还包括：

对所述历史业务数据进行冗余信息剔除。

4.根据权利要求1-2任一项所述的方法，其特征在于，所述利用所述电力识别模型识别电力客户的类型，包括：

基于所述电力识别模型中各模型因子的综合权重，对电力客户对应于各模型因子的指标实际值进行加权合成，得到电力客户的评分；

基于电力客户的评分，识别电力客户的类型；所述电力客户的类型包括高投诉倾向类型、中投诉倾向类型、低投诉倾向类型及无投诉倾向类型。