[发明专利]基于多种聚类算法和多元线性回归的电力客户聚类方法

说明书

本发明公开了一种基于多种聚类算法和多元线性回归的电力客户聚类方法，包括：通过多种聚类算法对电力客户数据集进行预分类；根据预分类结果对电力客户数据集中的电力客户数据进行关键实例选取；以关键实例为基础建立多元线性回归模型，并构建用于求解每种聚类算法权重系数的目标求解函数，求解目标函数获得每种聚类算法的权重系数；根据每种聚类算法的权重系数进行决策分类的综合计算，实现对电力客户数据的分类。本发明通过算法间的聚类与交互，弥补了单一聚类算法对电力客户分类的局限性，有效提升了电力客户类型的识别精度，更准确的挖掘出有价值的客户信息。

技术领域

本发明涉及电力营销用电客户行为数据分析技术领域，更具体的说是涉及一种基于多种聚类算法和多元线性回归的电力客户聚类方法。

背景技术

随着电力行业信息化建设的高速发展，电力客户数据变得越来越庞大且繁杂，同时也为电网公司数据分析提出了更高的要求。对于电力行业来说，电力的供给和消费是营销的主要目的所在，其附带的功能及配套服务是营销的后续关键所在，目前电力行业营销数据主要产生于费用缴存、费用查询、低费提醒、活动推送、电力服务通知、故障申报、合作洽谈、客户信息服务等内容。

电力营销积累了大量用户信息及其用电行为数据，通过对该数据进行有效的聚类和分类分析，可以提取有价值的用户群体和用户用电特征，为后续的电力营销策略提供支持，从而便于电力行业的业务发展以及市场决策的定向。在客户细分的基础上，对客户进行精准定位，关注优质客户、敏感客户，有效提升电力营销专业服务水平，降低业务风险，提高用户满意度，制定出更适合于不同客户的用电方案，保证优秀的服务质量。

但是，目前基于单一聚类主动学习方法的电力用户的数据分析适用数据集有限且对于不同分布数据集识别效果也会不同，使得电力数据中有价值的客户用电信息不能精准快速的发掘，造成聚类结果不够精确，降低工作效率，从而影响了电力业务的发展。

因此，如何对电力用户进行精准快速聚类，从而挖掘出有价值的客户信息是本领域技术人员亟需解决的问题。

发明内容

本发明的目的在于：为在大数据下的电力客户信息进行快速的分析与挖掘提供一种富有成效的聚类方法。

为了实现上述目的，本发明采用如下技术方案：

一种基于多种聚类算法和多元线性回归的电力客户聚类方法，包括以下步骤：

(1)通过多种聚类算法对电力客户数据集进行预分类；

(2)根据预分类结果对电力客户数据集中的电力客户数据进行关键实例选取；

(3)以关键实例为基础建立多元线性回归模型，并构建用于求解每种聚类算法权重系数的目标求解函数，求解目标函数获得每种聚类算法的权重系数；

(4)根据每种聚类算法的权重系数进行决策分类的综合计算，实现对电力客户数据的分类。

优选的，步骤(1)中所述多种聚类算法包括K-Means、DPCA、模糊C均值聚类算法和层次聚类算法。

优选的，步骤(1)中通过多种聚类算法对电力客户数据集进行预分类，具体包括以下步骤：

S11、每种聚类算法根据自身的聚类原则，对电力客户数据集进行无类别划分的聚类操作，将电力客户数据集划分成预先设定好的簇数；

S12、以其中任意一种聚类算法为基础，将该聚类算法聚成的簇数同其余几种聚类算法聚成的簇数进行一一查询比较，根据交集个数最多被分为一类的原则，依次对每种聚类算法的簇数进行分类；

S13、将每类结果的前几个数据点与专家进行交互获得其真实类别，将这几个数据点中类别相同个数最多的类别标记上伪标签。

优选的，步骤S13中，已被标记了伪标签的类别不再计算其类别个数，保证所有的类别都被标记上伪标签。