[發明專利]基于隨機森林算法的電力客戶欠費風險分析方法及裝置

在審

• 申請號: 201910138896.2
• 申請日: 2019-02-25
• 公開（公告）號: CN109903182A
• 公開（公告）日: 2019-06-18
• 發明（設計）人: 耿俊成;李曉蕾;陳軍;邢子涯;張小斐;郭志民;王自強;袁少光;萬迪明;田楊陽
• 申請（專利權）人: 國網河南省電力公司電力科學研究院;國網河南省電力公司;國家電網有限公司
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06K9/62;G06Q10/04
• 代理公司: 蘇州知途知識產權代理事務所(普通合伙) 32299
• 代理人: 張錦波

1.一種基于改進隨機森林算法的電力客戶欠費風險分析方法，其特征在于，包括以下步驟：

S1：從電網公司營銷業務系統提取客戶與繳費行為相關的屬性數據；

S2：優化欠費客戶、正常繳費客戶用戶分布比例；

S3：采用模擬退火算法獲取隨機森林模型中最優的樹的規模nTree，葉子節點的最小樣本數minLeaf和屬性特征的子集大小K參數組合；

S4：根據S3步驟得到的參數采用隨機森林模型對用戶未來是否欠費進行分析預測，得到未來欠費高風險用戶。

2.根據權利要求1所述的基于改進隨機森林算法的電力客戶欠費風險分析方法，其特征在于：所述屬性數據具體包括基本屬性、用電行為和繳費行為：

所述基本屬性指：用戶編號、用戶分類、行業分類、立戶日期、用戶類別、供電電壓、合同容量、抄表例日、地址、證件、擔保信息；

所述用電行為指：包括近6月用電量、近6月電費、近6月違約金、欠費次數、欠費金額、電費通知方式、用電類別、電費所處階梯、月平均電費、用戶用電趨勢；

所述繳費行為指：包括近6月繳費日期、繳費時長、繳費金額、繳費渠道、繳費渠道變更次數。

3.根據權利要求1所述的基于改進隨機森林算法的電力客戶欠費風險分析方法，其特征在于：所述S2步驟具體包括：

S21：按照客戶類別建立欠費客戶集合，對于欠費客戶集合的每一個客戶x_i，搜索其k個屬性數據最相似的欠費客戶，所述客戶類別為高壓用戶，低壓非居民用戶，居民用戶；

S22：若正常繳費客戶與欠費客戶的倍率為n(其中n≤k)，則在其k個屬性數據最相似的欠費客戶中隨機選擇n個客戶，記為y₁,y₂,...y_n；

S23：在欠費客戶x_i與其每個最相似欠費客戶y_j(1≤j≤n)之間進行隨機線性插值，生成n個新的欠費客戶P_j，具體公式如下：

P_j＝x_i+rand(0,1)*(y_j-x_i),1≤j≤n，

其中rand(0,1)表示(0,1)內的一個隨機數。

4.根據權利要求1所述的一種基于改進隨機森林算法的電力客戶欠費風險分析方法，其特征在于：所述S3步驟中具體包括，

S31：將樹的規模nTree，葉子節點的最小樣本數minLeaf和屬性特征的子集大小K參數組合采用“三段式”二進制編碼形式：110…10|101…11|011…01，二進制字符串大小從左至右依次為nTree、K和minLeaf；

S32：選擇袋外數據誤分率作為模擬退火算法的目標函數，具體公式如下：

其中，OOB error表示某種nTree、K和minLeaf參數組合下隨機森林模型的誤分率，OOBerror_i組成隨機森林模型的某個決策樹模型的誤分率；

S33：設置初始溫度T₀，停止迭代溫度T’，每個T值的迭代次數n,衰減參數K；隨機產生一個初始模型參數組合(nTree,K,minLeaf)；

S34：根據當前溫度T，生成一個新的模型參數組合(nTree’,K’,minLeaf’)；

S35：計算新參數組合下客戶欠費風險分析隨機森林模型的袋外數據誤分率增量△E＝E(nTree’,K’,minLeaf’)－E(nTree,K,minLeaf)；

S36：如果△E<0則接受新的模型參數組合；否則以概率exp(-△E/T)接受新的模型參數組合；

S37：判斷當前溫度下是否充分搜索，如果當前溫度下未充分搜索，重復步驟S34；如果當前溫度下充分搜索，接著判斷當前溫度是否大于停止迭代溫度；

S38：如果當前溫度大于停止迭代溫度，令T＝T×K，重復步驟S34；

如果當前溫度小于或等于停止迭代溫度，則當前參數組合為最優的客戶欠費風險分析隨機森林模型參數組合。