[发明专利]一种基于机器学习的电能替代潜在客户预测方法

说明书

本发明公开了一种基于机器学习的电能替代潜在客户预测方法，实施步骤包括：输入待预测用户的p项用户特征指标并进行主成分分析得到的a项综合指标，将a项综合指标输入神经网络识别模型确定待预测用户对应的电能替代方式，神经网络识别模型预先经过训练样本集训练建立了a项综合指标、指定的b项电能替代方式之间的映射关系，训练样本集包含用户样本的a项综合指标及其标记的电能替代方式。本发明利用大数据建模、机器学习技术建立的电能替代潜力用户量化评估体系以重构用电客户的需求、精准定位电能替代潜力客户群体，能够为实施电能替代精准营销提供科学的决策依据，具有预测准确度高、使用方便、设置简单的优点。

技术领域

本发明涉及电网领域的大数据挖掘技术，具体涉及一种基于机器学习的电能替代潜在客户预测方法。

背景技术

近年来，全社会对环境保护和污染问题十分重视。为改善环境质量，调整能源结构，国家电网公司提出了“电从远方来、以电代煤、以电代油”的发展战略，促进了电能替代产业快速发展。传统的电能替代方法是：依靠人工撒网排查和信息收集，根据收集到的信息去上门一家一家进行推广。但是这个过程中，电能替代潜力客户的分析筛选不全面、不专业，无法大量摸排和规模化操作，并缺少项目实施效果评估、业绩统计分析等全过程管理机制。因此在这样背景下，就产生了这样一个问题和挑战，即如何快速有效地挖掘替代能源潜力，这将成为未来电力市场的重要组成部分。2017年，国家电网公司紧紧抓住国家推进北方冬季清洁取暖、能源供给侧结构性改革和绿色交通运输体系建设的重大发展机遇，大力推进电能替代，累计推广实施电能替代项目近10万个，完成替代电量1150亿千瓦时，超额完成年初确定的计划目标，相当于在能源消费终端减少散烧煤6440万吨，减排二氧化碳1.1亿吨、二氧化硫和氮氧化物520万吨，为促进大气污染治理，推进能源生产和消费革命，构建清洁低碳、安全高效的能源体系做出积极贡献。但目前电能替代市场开拓过程中，仍基本靠客服人员上门咨询获取相关信息，且由于电能替代涉及相关专业较多，供电公司客服人员无法及时掌握主要用能设备的特征及能耗数据，传统的方式极其消耗时间和其他资源，为了节省资源，急需创新电能替代工作机制，将电能替代项目与互联网联系起来，能够解决电能替代推广难的问题。传统的电能替代中对于潜力用户的预测没有过多的研究通常是通过电力工作人员，直接走访没有实现电能替代的公司直接交流商谈，这种方法极其不方便。

针对以上的问题，有必要充分利用好大数据，实现电能替代工作机制升级，充分发挥节能服务体系，进行电能替代潜力客户自动筛选。目前，在国网浙江电力公司中，涂莹等人研究了一种基于协同过滤算法的电能替代潜力用户挖掘模型，该模型采用皮尔逊相关系数计算用户间的相似度，通过将目标样本与预测样本进行相似度的对比，找出其中相似度高的用户作为潜力用户的输出。但是，上述技术方案实际上还采用了逻辑回归、决策树、动态时间规整等算法与协同过滤算法进行对比，逻辑回归与决策树的输入变量过多，很明显的产生过拟合的现象。该技术方案基于相似性的特征选择方法选择的依据是同类样本相同属性的取值相同或相近；从数据分布的角度出发，进行特征选择，定义每个样本的领域分类能力函数，计算每个特征对函数值的贡献，从而确定重要特征；但这些方法都存在以下缺点：(1)识别速度慢。协同过滤算法中，需要输入多个目标样本，随着目标样本、指标复杂度的不断增加，可扩展性差及识别速度很慢；(2)学习能力差，收敛速度快。以上提出的模型是通过学习来解决问题，但是却不可以根据不同的电能潜在用户自动建立模型，所以对于相似的问题还不能普遍适用，局限于某个固定的问题。此外，在《多情景下的电能替代潜力分析》一文中，孙毅等人参考IPAT方程构建方法建立了关于电能替代的IPAT模型用以评价电能替代潜力，并设计了多种电能替代情景，将多元非线性回归结合小波神经网络的智能修正预测模型嵌套在IPAT模型中，通过电能替代的脱钩理论模型确定各情景中的参数设置，对不同情景下的终端电能替代情况进行中长期预测，并结合预测结果对电能替代进程及潜力进行预测分析。但是，在我国电能替代潜力客户自动筛选这个领域的研究还处于初级阶段，而且对用电能替代典型用户潜力的方法几乎没有研究。因此，如何基于机器学习的电能替代潜在客户预测，已经成为一项亟待解决的关键技术问题。

发明内容