[发明专利]基于大数据的费控策略推荐方法

说明书

本发明公开了基于大数据的费控策略推荐方法，包括：抽取费控计量档案数据；对所述费控计量档案数据进程预处理，并转换成策略矩阵；对策略矩阵进行皮尔逊相关系数求解，并判断用户之间的相关度；根据用户之间的相关度，求得相关度取值最大时对应的反馈数据的最高策略；采用最高策略进行推荐。通过上述方案，本发明具有逻辑简单、推送可靠等优点，在费控策略推荐技术领域具有很高的实用价值和推广价值。

技术领域

本发明涉及费控策略推荐技术领域，尤其是基于大数据的费控策略推荐方法。

背景技术

本文是应用于大数据技术建模分析费控量费用电行为分析，旨在通过支撑远程费控业务的开展，在管理上提高电费回收率，降低电费回收风险、提高用电服务水平；在客户服务方面，能够通过每天的量费计算分析及早识别欠费与异常用电户，从而更及时对电力用户提供用电提醒服务、提高用电客户的用电感知及满意度。

目前，现有技术中只能通过传统的Oracle数据库计算能力，其利用有限处理部份数据，并进行简单统计；在识别欠费、推荐策略等存在明显效率短板，并无法处理海量准实时日电费计算和存量费控历史数据及时提取及分析。现有技术中的费控业务仍无法针对客户行为数据进行应用分析，无法提供差异化的电费服务，客户服务能力水平较低；同时也缺乏对用户用能及计量点数据异常事件的分析，费控实用化水平不高。为了更好的提高电网公司电费回收率，降低用户欠费风险，需要对实行费控的用户进行精益化管理，完善费控异常处理流程，从而支撑费控业务的推广应用。

因此，急需要提出一种逻辑简单、准确可靠的基于大数据的费控策略推荐方法。

发明内容

针对上述问题，本发明的目的在于提供一种基于大数据的费控策略推荐方法，本发明采用的技术方案如下：

基于大数据的费控策略推荐方法，包括以下步骤：

抽取费控计量档案数据；所述费控计量档案数据包括用户用电数据、用户对应策略和反馈数据；

对所述费控计量档案数据进程预处理，并转换成策略矩阵；

对策略矩阵进行皮尔逊相关系数求解，并判断用户之间的相关度；

根据用户之间的相关度，求得相关度取值最大时对应的反馈数据的最高策略；采用最高策略进行推荐。

进一步地，所述费控策略推荐方法还包括对所述户用电数据进行基于策略矩阵的函数变换、归一化、连续属性离散化、用户数据特征提取处理。

进一步地，所述策略矩阵的表达式为：

其中，n表示候选策略的个数，m表示用户反应的个数，x表示用户对应策略的反应属性。

进一步地，所述对策略矩阵进行皮尔逊相关系数求解，并判断用户之间的相关度，包括以下步骤：

将用户用电数据作为向量，并利用用户之间的夹角余弦值作为相似度，其表达式为：

其中，所求值similarity为用户之间相似度，其中A与B分别表示两个用户用电数据的集合，i为集合中的序列号，A_i与B_i分别表示两个集合中的单个用户用电数据；

相似度的表达式为：

其中，X与Y分别代表两个随机变量，也就是两个用户的用电数据，皮尔逊相关系数是两个变量的协方差除以两个变量标准差得到的，因为协方差仅能代表两个数据的相似程度，不能代表两个用户的关联程度，所以这里用皮尔逊相关系数来更好的地体现两个用户的关联程度。表示随机变量的平均值，n表示随机变量的数量。