[發明專利]一種基于數據挖掘的用電客戶流失電量預測方法

在審

• 申請號: 201710295480.2
• 申請日: 2017-04-28
• 公開（公告）號: CN107274001A
• 公開（公告）日: 2017-10-20
• 發明（設計）人: 陳浩;夏洪濤;黃建平;王政;吳懿錚;牛東曉;張旭東;范華;周雷;張霞;顏虹;張彩友;施永益;王鋒華;王堅敏;沈思琪;王億;張文軍;李雅;紀德良
• 申請（專利權）人: 國網浙江省電力公司;浙江華云信息科技有限公司;華北電力大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 杭州華鼎知識產權代理事務所(普通合伙)33217
• 代理人: 項軍

1.一種基于數據挖掘的用電客戶流失電量預測方法，其特征在于：包括如下步驟，

步驟1：利用聚類分析法對用電客戶進行分類；

步驟2：計算每類用電客戶在預測月流失的預測客戶流失數；

步驟3：獲取每個用電客戶的歷史用電量，根據歷史用電量計算得出每類用電客戶在預測月的平均用電量；

步驟4：根據每類用電客戶在預測月的平均用電量和每類用電客戶在預測月流失的預測客戶流失數計算得出全體用電客戶在預測月的總流失電量。

2.如權利要求1所述的一種基于數據挖掘的用電客戶流失電量預測方法，其特征在于：所述利用聚類分析法對用電客戶進行分類包括：獲取每個用電客戶的特征數據，利用K均值聚類法根據特征數據對用電客戶進行分類，其中所述特征數據包括電壓等級、合同容量、累計改類次數、累計減容次數、累計欠費次數、累計暫停次數、累計更改繳費方式次數和用電量。

3.如權利要求2所述的一種基于數據挖掘的用電客戶流失電量預測方法，其特征在于：所述利用K均值聚類法根據特征數據對用電客戶進行分類的步驟包括：

步驟a1：根據特征數據建立d維數據集{x_j|x_j∈R^d,j＝1,2,……,N}，其中x_j表示d維數據集中的第j個數據點；x_j∈R^d表示x_j屬于d維數據集中的其中一個數據點；N表示d維數據集中數據點的個數；

步驟a2：從d維數據集中隨機選取k個初始參照點c₁,c₂,……,c_k；以c₁,c₂,……,c_k為參照點，對d維數據集進行劃分，形成k個簇，其劃分方法為：若d_ij(x_j,c_i)＜d_im(x_i,c_m)，則將x_j劃分到c_j所在簇中；其中，x_j表示d維數據集中的第j個數據點，c_i表示第i個參照點，x_i表示d維數據集中的第i個數據點，c_m表示第m個參照點，m＝1,2,……,k；j＝1,2,……,k；j≠m；i＝1,2,……,n，d_ij(x_j,c_i)是x_j與c_i之間的歐式距離,d_im(x_i,c_m)是x_j與c_m之間的歐式距離，n表示x_i所在簇內的數據點個數；

步驟a3：根據公式計算質心其中W_i表示第i個簇，n_i表示W_i中數據點的個數，x表示d維數據集中的數據點；

步驟a4：判斷對任意i∈{1,2,......,k},是否都成立，如果都成立，根據則當前的K個簇對用電客戶進行分類，否則，令并進入步驟a2。

4.如權利要求1所述的一種基于數據挖掘的用電客戶流失電量預測方法，其特征在于：所述計算每類用電客戶在預測月流失的預測客戶流失數包括：從每類用電客戶中抽取流失客戶和預設比例的正常客戶作為樣本客戶，獲取樣本客戶在設定月的屬性變量作為第一屬性變量，獲取每個用電客戶在預測月的屬性變量作為第二屬性變量，以用電客戶是否流失作為目標變量，以第一屬性變量作為預測變量，建立卡方自動交互檢測決策樹模型，根據卡方自動交互檢測決策樹模型和第二屬性變量計算得出各個用電客戶是否流失，進而計算得到每類用電客戶在預測月流失的預測客戶流失數。