电力用户敏感程度分析及停电投诉预测

摘要：

依据电力客户的行为制定相应的服务模式是提高供电服务质量的关键,文章根据B市电力客户日常与停电后的客服数据,以配电网供电台区为单位对客户的敏感度进行分析.由于实际客服数据中特征变量较多,为了减少高维空间中的计算量,故先采用t分布随机邻域嵌入法对数据集进行降维,再采用混合高斯分布进行建模,并用期望最大值算法求解最优分类结果,将客户敏感程度分为5级.同时,客户的敏感度的提出可以提高客户停电投诉的预测准确性,选取B市近两年的17万条停电数据作为训练集,采用3种有监督机器学习方法对客户投诉的二分类预测结果进行10折交叉验证,发现决策树的预测结果明显优于其他方法,并形成并行集成学习方法,可有效提高预测准确率,有助于提升电力公司停电计划的安排和客户安抚工作辅助决策,提升客户服务质量.

关键词：电力客户服务、机器学习、t-SNE、高斯混合分布、决策树

所属期刊栏目：36

分类号：TM71(输配电工程、电力网及电力系统)

资助基金：国网河北省电力有限公司科技项目5204BD 17000F

在线出版日期：2019-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：67-72