基于贝叶斯网络的电力客户停电敏感度预测.pdf

基于贝叶斯网络的电力客户停电敏感度预测.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

电力工程技术

2019年9月ElectricPower第38卷第5期49

En舀neeringTechnology

DOI:10.12158/j.2096—3203.2019.05.008

基于贝叶斯网络的电力客户停电敏感度预测

吕朋朋,陶晓峰,徐致光,缪平,熊霞,毕善钰

(南瑞集团有限公司(国网电力科学研究院),江苏南京211106)

摘要:精准预测停电敏感的电力客户群体,能够有效感知客户用电需求,提升客户用电满意度,助力提高电力服

务水平。文中提出基于贝叶斯网络构建电力客户停电敏感度预测模型,从95598客服平台、营销业务系统、用电信

息采集系统获取分析数据,结合客户基本信息、用电信息、智能电能表计量信息以及用户用电交互行为,定义客户

停电敏感度数据标签,对用户的停电投诉进行分析与预测。采用K折交叉验证法对停电敏感度预测模型进行实验

验证。实验表明,基于贝叶斯网络构建的电力客户停电敏感度预测模型,在停电投诉分析应用中具备较高的精准

度,验证了模型的有效性。

关键词:贝叶斯网络;停电敏感度;数据标签;K折交叉验证;后验概率

中图分类号:TM711;TP391.1文献标志码:A文章编号:2096.3203(2019)05.0049.06

算法应用进行了详尽描述;文献[10]介绍了贝叶斯

0引言

网络强大的表示能力和良好的可解释性,为不确定

电力行业作为国民经济的基础产业,其稳定性学习和推断提供了基本框架;文献[11]全面介绍了

不仅影响到公共安全与经济发展,也与广大人民的集成学习相关算法以及各类算法的实现过程及其

生活质量息息相关。当下,人民生活水平在不断提应用。

高,电力客户对供电可靠性的要求也越来越高,每文中结合贝叶斯分类器,结合电力客户基本信

一次的停电都可能激起客户的敏感神经,在供电服息、用电信息、电力交互信息以及智能电能表计量

务过程中,稍有处理不慎,便可能引起敏感客户的信息,定义电力客户停电敏感度数据标签,研究停

停电投诉,甚至发展为舆情事件。随着智能电网建电敏感预测模型,并基于K折交叉验证对预测模型

设的深入发展,电力公司信息化建设的逐步完善,进行了实验验证。停电敏感度的精准预测为电力

这为分析电力客户的用电行为提供了有力的数据公司服务部门实现管理创新、服务创新、效益创新

支撑。提供了有力抓手。

在海量数据支撑的基础上,结合机器学习相关

1基于贝叶斯网络的停电敏感度预测模型

算法构建预测模型。文献[1—2]提出了著名的

ID3、C4.5决策树学习算法,以信息熵和信息增益度文中以贝叶斯分类器相关理论知识为基础,研

为衡量标准,实现数据的归纳分类;文献[3]总结了究与电力客户停电相关的电力数据项,定义停电敏

深度人工神经网络常用的算法,并对相关算法在数感度数据标签,并构建停电敏感度分析模型。

据分类与预测模型构建中的应用进行介绍;文献1.1贝叶斯分类相关理论

[4]提出了支持向量机算法,并证明了其在二分类1.1.1贝叶斯决策论

任务中的卓越性能;文献[5]在支持向量机对二分贝叶斯决策论是概率框架下实施决策的基本

类任务设计的基础上,推广了在多分类任务中的应方法¨2I。对分类任务来说,在所有相关概率都已知

用;贝叶斯决策论在机器学习、模式识别等诸多关的理想情形下,贝叶斯决策论考虑如何基于这些概

注数据分析的领域都有极其重

文档评论(0)

Kalama + 关注
实名认证
内容提供者

持续提供优质内容,欢迎交流!

1亿VIP精品文档

相关文档