[发明专利]一种基于神经网络及聚类的停电敏感性分析方法

说明书

本发明公开了一种基于神经网络及聚类的停电敏感性分析方法，包括数据预处理、聚类分析、构建神经网络模型、停电模拟预测、停电计划安排步骤。本发明通过停电计划对频繁停电的线路及对应的敏感型用户就行全面梳理，提取了用户停电敏感特征，并对区域特性进行了研究，有地域性有目标针对型的指定切实可行的改善优化措施，提高供电的服务水平。

技术领域

本发明涉及一种停电敏感性分析方法，尤其是一种基于神经网络及聚类的停电敏感性分析方法，属于电力大数据应用技术领域。

背景技术

2018年全年某电力客户服务中心共计受理56万工单，其中因停电导致的投诉和报修工单占近15％。降低由停电导致的投诉可以大大压缩工单受理次数，对供电质量提升影响比较大。现有的停电敏感度研究，基本都是选中影响指标，通过测试数据建立测试模型，确定指标权重，计算得到是否属于敏感情况。杨恒程，帅春燕在“基于机器学习的用电客户分析和停电敏感度分析”一文中，通过数据统计进行用户分析，发现电力行业的“二八理论”，同时利用决策树模型进行停电敏感度研究；耿俊成等人在2018年利用电网公司近百万客户数据建立K-support稀疏逻辑回归模型，对停电敏感度进行预测；严宇平、吴广财针对非重要客户，搭建逻辑回归算法和决策树算法进行模型对比测试，最终应用逻辑回归模型进行探索研究，并针对电力用户的特色，制定出差异化服务的措施。敏感客户的研究不同于一般的定性分类问题，目前研究比较少，并没有明确的模型和可借鉴的方法。

因此基于当前工单信息，深入建模挖掘停电敏感的规律和影响因素，评估停电敏感性，从而确定计划停电的重要因素，实现每条线路停电计划的安排有科学理论支撑可遵循，具有重大意义。

发明内容

本发明要解决的技术问题是提供一种基于神经网络及聚类的停电敏感性分析方法。

本发明所采取的技术方案是：

一种基于神经网络及聚类的停电敏感性分析方法，包括以下具体步骤：

步骤1：数据预处理：采集停电计划表、停电工单表、报修工单表、客户诉求工单表，作为数据样本，计算各区域对应的停电工单数量，对停电计划表和停电工单中文本型分类变量进行数据标签化，使得数据样本平衡；

步骤2：聚类分析：对数据样本进行聚类分析，标注各地域的停电敏感性标签，将停电敏感性标签作为地域因素指标加入停电计划政策向导表；

步骤3：构建线路敏感性神经网络预测模型；根据投诉工单和报修工单量是否超过预设阈值，判分是否敏感特性；

步骤4：停电计划安排：对停电导致的投诉工单和报修工单向上追溯至地区和线路，精准定位客户的敏感度特性，为未来停电安排提供依据。

进一步，步骤1中采用欠采样技术解决数据样本的不平衡现象。

进一步，步骤1中采用调整权重技术解决数据样本的不平衡现象。

进一步，步骤1中采用过采样技术解决数据样本的不平衡现象。

进一步，步骤1中采用合成少数类过采样技术解决数据样本的不平衡现象。

进一步，采用合成少数类过采样技术解决数据样本的不平衡现象，正则化强调为0.01。

进一步，步骤2中采用两步聚类法；

1)预聚类阶段：采用BIRCH算法中CF树生长的方法，逐个读取数据集中数据点，在生成CF树的同时，预先聚类密集区域的数据点，形成诸多的小的子簇；

2)聚类(clustering)阶段：以所述子簇为对象，利用凝聚法逐个地合并子簇，直到预设的簇数量。

进一步，步骤2中采用模糊C均值聚类法；