[发明专利]一种话务量预测方法

说明书

本发明公开了一种话务量预测方法，该方法包括步骤：模型划分为：故障停电、计划停电、欠费停复电、电量电费、客户基本信息和用电业务；根据模型进行宽表加工，获得各个模型的输入输出变量；数据处理：在对原始数据进行宽表数据加工之后，进行数据建模之前，对数据进行数据清洗，将数据转化为平稳的无量纲的输入‑输出变量数据；数据建模，选用的模型为LSTM长短期记忆网络模型进行训练、验证和测试。本发明对话务量的模型分类，并确定各个模型的输入变量和输出变量，通过选用的模型为LSTM长短期记忆网络模型进行训练，保证模型准确率，模型准确率可达80％以上。

技术领域

本发明属于电力管理技术领域，具体涉及一种话务量预测方法。

背景技术

时间预测类的场景应用的建模算法，现在应用最多的是时间序列算法，包括AR、MA、ARMA、指数平滑方法ARIMA等方法，但基于时间序列算法的预测算法有一个重要的缺陷就是无法添加额外的影响变量。

发明内容

本发明要解决的技术问题是：提供一种话务量预测方法，以解决现有技术中存在的问题。

本发明采取的技术方案为：一种话务量预测方法，该方法包括以下步骤：

(1)模型划分：基于业务类别将模型进行细分建模，模型分别为：故障停电、计划停电、欠费停复电、电量电费、客户基本信息和用电业务；

(2)宽表加工，确定各个模型输入变量和输出变量：

一、故障停电：输入变量包括：1)恶劣天气；2)节假日，输出变量包括话务量：客服95598客服工单信息；

二、计划停电：输入变量包括：1)计划停电客户数：停电计划数据表；2)节假日；输出变量包括话务量；

三、欠费停复电：输入变量包括：1)欠费客户数：欠费记录数据表；2)账单生成数量：应收电费记录数据表；2)节假日；输出变量包括话务量；

四、电量电费：输入变量包括：1)电费发行数量：应收电费记录数据表；2)账单生成数量；3)电量环比：应收电费记录数据表；4)节假日；输出变量包括话务量；

五、客户基本信息：输入变量包括：1)电费发行数量；2)业扩报装数量：业扩工作单基本信息数据表；2)节假日；输出变量包括话务量；

六、用电业务：输入变量包括：1)业扩报装数量；2)节假日；输出变量包括话务量。

(3)数据处理：在对原始数据进行宽表数据加工之后，进行数据建模之前，对数据进行数据清洗，将数据转化为平稳的无量纲的输入-输出变量数据；

(4)数据建模：将原始的数据进行数据加工之后可进行数据建模，选取90％的数据作为训练数据，10％的数据作为验证数据，最后10天的数据作为测试数据；选用的模型为LSTM长短期记忆网络模型；将训练数据带入编译好的模型进行数据建模，设定模型训练次数、批量大小，进行模型训练，对训练模型进行验证和测试。

骤(3)中平稳性校验：在进行时间序列建模前，第一步需要检验数据的平稳性，时间序列平稳，则无需操作，不平稳则需进行差分将数据转换成平稳数据；数据平稳化转换的方法通常为差分，差分的公式为：

Δy_x＝y(x+1)-y(x)

其中：Δy_x为相邻变量之间的差值；

y(x+1)为x+1时刻的变量值；

y(x)为x时刻的变量值。

步骤(3)中数据处理采用归一化处理：因神经网络族的模型对数据的敏感度较高，异常数据对模型的影响较大，因此，在进行数据建模之前对建模数据进行归一化处理，将数据规范在[0，1]之间，消除量纲等的影响。建模使用的是min-max归一化方法，其计算公式如下：