一种预测购电下发异常的方法

    公开(公告)号:CN110298513A

    公开(公告)日:2019-10-01

    申请号:CN201910589677.6

    申请日:2019-07-02

    IPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明公开了一种预测购电下发异常的方法,要解决的是现有购电异常中存在的问题。本发明具体步骤如下:步骤一,预测未来一段时间内即将发生购电的用户,得到即将发生的购电行为;步骤二,采集并提取历史数据;步骤三,对数据进行处理,确定特征变量和目标变量,得到处理后的数据;步骤四,使用处理后的数据对分类模型进行有监督的训练,得到训练好的模型;步骤五,利用训练好的模型对即将发生的购电行为进行判断,预测是否发生下发异常。本发明预测结果准确度较高;可以进行有针对性的提前检查电能表、集中器、信号传输等是否发生故障,并在用户购电前,解决故障,降低购电下发平均时长,提高购电下发成功率,降低投诉,增强用户满意度。

    一种准确度高的预测用户购电行为的方法

    公开(公告)号:CN110288166A

    公开(公告)日:2019-09-27

    申请号:CN201910589343.9

    申请日:2019-07-02

    IPC分类号: G06Q10/04 G06Q50/06 G06K9/62

    摘要: 本发明公开了一种准确度高的预测用户购电行为的方法,要解决的是现有预测用户行为的问题。本发明具体步骤如下:步骤一,收集数据;步骤二,对数据进行处理,确定特征变量和目标变量,得到处理后的数据;步骤三,对处理后的数据使用机器学习分类模型进行训练,得到训练好的模型;步骤四,利用训练好的模型对所有用户进行购电行为预测即可。本发明设计合理,通过统计建模,机器算法等智能手段,对用户购电行为进行预测,最后运用统计知识对结果进行分析,预测结果的准确度达到80%以上,可以达到准确把握用户行为、降低投诉风险、提高客户满意度、主动运维、减少工单量、工作人员工作量和减低人工成本的效果。