[发明专利]一种用电客户电量突增预警的方法

说明书

本发明公开了一种用电客户电量突增预警的方法，所述方法包括：获取电量数据、客服工单数据和天气数据，并对所述获取的电量数据、客服工单数据和天气数据进行数据清洗，得到数据清洗后的数据；利用数据清洗后的数据，构建电量水平角度特征、电量环比和同比角度特征、气温影响程度特征和历史诉求情况特征；在所述特征构建之后，对所述构建的电量水平角度特征、电量环比和同比角度特征、气温影响程度特征和历史诉求情况特征进行筛选，得到筛选后的特征；基于所述得到筛选后的特征进行数据平衡化处理；基于所述数据平衡化处理后的特征构建Xgboost模型；基于所述Xgboost模型，对用电客户电量突增进行预警。在本发明实施中，可以对用电客户电量突增进行预警。

技术领域

本发明涉及一种用电预警的技术领域，尤其涉及一种用电客户电量突增预警的方法。

背景技术

在电力体制改革的背景下，配售电服务将逐步放开，实现市场化，客户资源将成为配售电市场争夺的对象；对供电公司而言，提升客户服务质量是争夺客户资源的有力手段。随着电力客户的服务需求越来越多样化，传统“被动式”客户服务模式已经不能适应客户不断变化的服务要求，电力客户越来越需要电网企业提供多样化、差异化的服务；因此，对供电服务的期望值越来越高，对电网企业提供服务的要求也越来越多。目前，挖掘客户诉求多维度分析参数，构建多维度特征指标，考虑各个特征指标包含的信息大小、相关性以及对诉求与否的影响程度，建立客户诉求多维度分析与预警的数学模型，是电网企业亟需解决的问题。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种用电客户电量突增预警的方法，可以对用电客户电量突增进行预警。

为了解决上述技术问题，本发明实施例提供了一种用电客户电量突增预警的方法，所述方法包括：

获取电量数据、客服工单数据和天气数据，并对所述获取的电量数据、客服工单数据和天气数据进行数据清洗，得到数据清洗后的数据；

利用数据清洗后的数据，构建电量水平角度特征、电量环比和同比角度特征、气温影响程度特征和历史诉求情况特征；

在所述特征构建之后，对所述构建的电量水平角度特征、电量环比和同比角度特征、气温影响程度特征和历史诉求情况特征进行筛选，得到筛选后的特征；

基于所述得到筛选后的特征进行数据平衡化处理；

基于所述数据平衡化处理后的特征构建Xgboost模型；

基于所述Xgboost模型，对用电客户电量突增进行预警。

可选的，所述获取电量数据、客服工单数据和天气数据，并对所述获取的电量数据、客服工单数据和天气数据进行数据清洗，得到数据清洗后的数据包括：

基于分层抽样的形式获取电量数据、客服工单数据，并通过技术手段获取天气数据；

对所述获取的电量数据、客服工单数据和天气数据进行数据清洗，其中，所述数据清洗包括月电量缺失值填补、月电量异常小识别、是否来电缺失填补、月平均气温缺失值填补；

在所述数据清洗完成之后，得到数据清洗后的数据。

可选的，所述电量水平角度特征包括：电量消耗平均水平、电量的波动性和电量变化的差异性建立月均电量、月电量方差、电量的变异系数、月电量最大值和最小值的比值、月电量最大值和月均电量的比值、月均电量和月电量最小值的比值、当前月的月电量和月均电量的比值。

可选的，所述电量环比和同比角度特征包括：电量环比/同比的平均值、电量环比/同比的方差、电量环比/同比的变异系数、电量环比/同比的最大值、电量环比/同比的最小值、当期电量环比/同比、前一期电量环比/同比、当期电量环比/同比与电量环比平均值的差值、前一期电量环比与电量环比平均值的差值。