CN109559146A - 电力客服中心基于logistic模型预测潜在用户数量的省市接入数据中心优化方法 - Google Patents

Abstract

本发明涉及电力客服中心基于logistic模型预测潜在用户数量的省市接入数据中心优化方法。具体技术方案如下：根据现有访问用户样本和普通用户样本，搜集和判断影响用户访问数据中心的要素；根据步骤1中的影响因素采用逻辑回归的方法训练样本得到回归模型，用以计算各省市的潜在用户概率；根据步骤2中访问概率估计各省市的潜在用户数；建立省市用户接入数据中心的优化模型并得到省市接入数据中心的优化方案。本发明通过logistic逻辑回归模型估计各省市的潜在用户数量，并考虑每个数据中心的最大负载量和资源利用率，将省市接入数据中心问题转化为一个通过调整调和系数大小来权衡考虑负载均衡性和时延的优化模型。

Description

电力客服中心基于logistic模型预测潜在用户数量的省市接 入数据中心优化方法

技术领域：

本发明涉及智能客服技术领域，具体涉及电力客服中心基于 logistic模型预测潜在用户数量的省市接入数据中心优化方法。

背景技术：

国网供电客户服务中心(代号95598)国家电网营销管理的专业支撑部门、服务品牌的对外服务重要窗口和传播公司企业文化和社会责任的前沿阵地，将为27家省市电力公司、4.4亿用电客户和11亿人口提供全国统一标准的95598业务。在此过程中，针对高并发访问、海量数据处理、应急响应和灾难快速恢复等要求，传统大型数据中心实现同城或异地多活是一种必要的发展趋势，具有资源利用率高、业务连续性好和灾备能力强等特点。然而，由于数据中心资源有限和区域内的访问用户负载量不断变化等因素，合理的省市接入数据中心方案对于整个95598系统的高效和均衡运行十分必要。

通常，影响用户访问每个数据中心的因素有多种，包括用户的地理位置、行政归属和风俗语言等。其中，按地理位置划分最为常见，即根据全局负载均衡设备(GTM)的域名解析系统(DNS)探测到的用户位置将用户请求接入距离最近的数据中心并提供相应的服务。这种基于用户距离的数据中心接入控制方法可在一定程度上减少网络访问延迟和提高用户体验，但忽略了每个数据中心的最大负载量和资源利用率，极易影响数据中心的服务质量。同时，在区域内访问用户数量的处理上，大多方法直接假设潜在用户数与与人口数成正比，造成与实际的访问用户负载量有较大的差距，影响了数据中心全局负载均衡的实施。

发明内容：

本发明提供一种基于logistic模型的省市接入数据中心优化算法，用于解决现有技术中未有效考虑区域内潜在用户数和各中心最大用户负载量的缺陷。具体技术方案如下：

电力客服中心基于logistic模型预测潜在用户数量的省市接入数据中心优化方法，潜在用户样本是指在t时间以内，至少有一次访问数据中心行为的用户，包括以下步骤：

步骤1：根据现有访问用户样本和普通用户样本，搜集和判断影响用户访问数据中心的要素；普通用户样本指随机抽取的一定数量的普通电力用户；影响用户访问数据中心的要素包括：访问信息、自然属性和用电特征；

所述步骤1中，用户是否会访问数据中心与其自身属性和用电相关信息有关，即有关数据和信息能一定程度上体现访问概率的大小，因此，本发明通过分析电力用户历史信息数据，基于现有潜在访问用户样本和普通用户样本，搜集和判断影响用户访问客服中心的影响要素；在数据准备阶段，需确定潜在访问用户区别于普通用户的特征如下：

访问信息：假如用户最近访问过数据中心，或者近t₁时间内访问的次数比较多，则用户继续访问数据中心的可能性比较大。因此，可以考虑以下变量：近t₁时间内的访问次数，访问时间间隔，当前待解决工单数等；

自然属性：家庭人口数，家庭平均年龄，是否有空调、电热水器、烤火炉、电磁炉和微波炉等大功率电器，以及近期平均气温等自然属性都可能是影响用户成为潜在访问用户的关键因素；

用电特征：可以参考近期t₁时间内的用电信息，如为平均用电时长，平均最大负荷利用时长，平均峰谷负荷差等；

步骤2：根据步骤1中的影响因素采用向后逐步回归方法，逐步淘汰不相关变量，最终选择相对稳定的部分变量作为步骤2中的逻辑回归模型输入，用以计算各省市的潜在用户概率；

步骤3：根据步骤2中访问概率乘以各省市的人口总户数的结果作为潜在用户数；

u_i＝P_i·η_i

其中，P_i为省市U_i对应的总电力用户数，而η_i为省市电力用户访问数据中心的概率；

步骤4：潜在用户数和接入距离需经过归一化处理，建立省市用户接入数据中心的优化模型并得到省市接入数据中心的优化方案；

设数据中心集合为D，可表示为：

D＝{D₁,D₂,…,D_N}

其中，N为数据中心的个数，D_j(1≤j≤N)表示第j个数据中心；这里，考虑到数据中心的负载能力，本发明设定每个数据中心的最大用户负载量为C_j；同时，假设省市集合为U，可表示为：

U＝{U₁,U₂,…,U_M}

其中，M为省市总数，U_i(1≤i≤M)表示第i个省市，且对于每个 U_i来说，都有一定数量的电力用户会由于电力故障报修、意见反馈和投诉等原因而访问客服中心，即拥有访问数据中心的可能性；

定义0-1二进制数a_ij，当且仅当a_ij值为1时，表示将省市U_i接入数据中心D_j，并且规定每个省市仅能接入一个数据中心；

于是，本发明定义“均衡代价”，其表达式如下：

式中，N为数据中心的个数，M为省市数量，为归一化处理后的潜在用户数，VA表示各数据中心的用户负载量的方差，其值的大小体现了数据中心间负载量的差异性，较低的VA值说明接入方案的均衡代价越小，性能也就相对越优越；

本发明定义“时延代价”，具体计算方式如下：

其中，d_ij为省市i到数据中心j的距离，用省市的省会到数据中心的距离表示，且需要进行归一化处理；处理公式如下：

式中，x为数据的原始值，min为所有数据原始值中最小值，max 为所有数据原始值中最小值，x^*为归一化后的处理值；

考虑数据中心负载量和接入距离，省市用户接入数据中心的优化模型可描述为：

min F＝α·VA+β·DE

0≤λ,γ≤1

其中，F表示接入方案的总接入代价，也是接入模型的目标函数，α,β为调和系数且满足和为1，λ,γ分别表示数据中心的最低利用率和最高利用率，a_ij为0-1二进制数，C_j为数据中心j的最大负载量。

作为优选方案，所述步骤2具体过程包括：

具有n个相互独立的影响因素V＝{υ₁,υ₂,…,υ_n}，并设χ(υ)为根据观测量得到的对于某事件发生概率，概率χ(υ)通常是随着变量υ连续增长或者连续下降，其数学函数通常为以下形式：

于是，当χ(υ)成为logistic回归函数时，则可得逻辑回归模型的标准形式为：

接着，引入logistic模型回归的方法训练样本得到回归模型，用以预测潜在的用户使用数据中心核心业务的概率；在这个过程中，不断采用向后逐步回归的方法，逐步淘汰不相关变量，最终选择相对稳定的部分影响因素作为潜在用户影响因素的模型输入，得到最终的变量数据集；

当η_i为省市U_i用户成为潜在访问用户的概率时，将处理好的变量数据集用逻辑回归模型进行训练、测试，可得到各省市对应的潜在用户概率：

η_i＝logit[χ(υ)]。

本发明的优点及有益效果如下：

(一)本发明通过logistic逻辑回归模型估计各省市的潜在用户数量，并考虑每个数据中心的最大负载量和资源利用率，将省市接入数据中心问题转化为一个通过调整调和系数大小来权衡考虑负载均衡性和时延的优化模型。

(二)由于本发明的算法不是简单地将一定比例的总人口数作为潜在用户数量，同时也不是仅仅考虑用户的接入距离，而是通过综合考虑多种影响因素估计的潜在用户数、各省市到数据中心的距离以及数据中心的最大负载量，因此可以得到更加合理的接入方案。

(三)实施例中的仿真结果表明，本发明的算法能够有效提高数据中心的负载均衡性，且能够动态调整对于负载均衡和时延上的不同性能要求。

附图说明：

图1为实施例中各省市到每个数据中心的距离。

图2为实施例中估计的各省市潜在用户数。

图3为实施例中各省市到每个数据中心的归一化距离。

图4为实施例中各省市的归一化潜在用户数。

图5为实施例中每个数据中心的用户负载量随调和系数的变化趋势。

图6为实施例中各省市到每个数据中心的总接入距离随调和系数的变化趋势；这里，需要解释的是当某个省市i接入当前数据中心 j时，则省市i到数据中心j的接入距离为实际的省会到数据中心的距离，而到其他数据中心的接入距离为0。

具体实施方式：

实施例：

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。本实施例如下所述：

根据对于数据中心潜在用户和普通用户区别的理解，共整理收集了包括近期的访问次数，访问时间间隔，当前待解决工单数，家庭人口数，家庭平均年龄，空调、电热水器、烤火炉、电磁炉和微波炉等大功率电器的数量，近期平均气温，平均用电时长，平均最大负荷利用时长，平均最小负荷利用时长，平均峰谷负荷差，总用电量，不均衡系数，最大负荷，最小负荷，平均负荷率，平均日负荷，最大峰谷差，人均收入，负荷密度20个变量。

而后，本实施例采用SPSS软件进行概率的估计，引入logistic 模型回归的方法训练样本得到回归模型，用以预测潜在的用户使用数据中心核心业务的概率，采用向后逐步回归方法，逐步淘汰不相关变量，最终选择相对稳定的排名前10的变量作为潜在用户影响因素的逻辑回归模型的输入，即：近期的访问次数，访问时间间隔，家庭人口数，平均用电时长，平均最大负荷利用时长，总用电量，最大负荷，平均日负荷，最大峰谷差，负荷密度。

当η_i为省市U_i用户成为潜在访问用户的概率时，将处理好的变量数据集用逻辑回归模型进行训练、测试，可得到各省市对应的潜在用户概率：

η_i＝logit[χ(υ)]

其次，根据得到的概率，通过下式计算各省市的潜在用户数：

u_i＝P_i·η_i

其中，P_i为省市U_i对应的总电力用户数，在本实施例中用省市总人口数来代替，而η_i为前面所得到省市电力用户访问数据中心的概率。在本实施例中，考虑京、辽、豫、津、皖、闽、吉、宁、湘、青、晋、赣、新、沪、黑、甘、冀、鲁、陕、苏、藏、浙、蒙、鄂、川、河、渝等27个省市，即M＝27。最终，图2为估计出的各省市潜在用户数量。

进一步的，需要得到各省市到数据中心的距离。在本实施例中，考虑位于北京和上海的南北两个数据中心，并将各省市的省会到数据中心的距离作为省市到数据中心的距离。最终，图1为各省市到两个数据中心的距离。

再者，需要建立省市接入数据中心的优化模型。在此之前，为了解决潜在用户量和省市到数据中心距离在量级上的不一致问题，本实施例对来自27个省市潜在用户数量和各省市到南北(北京和上海) 两个数据中心的距离数据进行合理地数学化处理(归一化)，相关结果如图3和图4所示，而处理公式如下：

式中，x为数据的原始值，min为所有数据原始值中最小值，max 为所有数据原始值中最小值，x^*为归一化后的处理值。

定义0-1二进制数a_ij，当且仅当a_ij值为1时，表示将省市U_i接入数据中心D_j，并且规定每个省市仅能接入一个数据中心。因此，对于本实施例中的27个省市和南北两个数据中心，考虑数据中心负载量和接入距离，其省市用户接入数据中心的优化模型可描述为：

约束条件：

0≤λ,γ≤1

其中，调和系数α,β满足和为1，以调整生成接入方案时对于负载量和接入距离的重视程度，即当α较大时，方案偏向于考虑负载均衡性，反之，则偏向于考虑控制总接入距离。此外，为尽可能的协调各个数据中心的用户负载量，引入λ,γ分别表示数据中心的最低利用率和最高利用率，达到既能够充分利用数据中心的资源量，又避免数据中心负载量过大。

接下来对上述实施例进行仿真分析，在仿真实验过程中，设置两个数据中心的最大用户负载量相同均为C_j＝900000。同时，为了简化仿真过程，本实施将数据中心负载量利用率设为λ＝0.5，γ＝1。

最后，根据归一化后的潜在用户数和各省市到数据中心的距离，运用LINGO优化求解器求解省市用户接入数据中心的优化模型。同时，本实施例实验了用户就近接入的方案作为对比，即α为0。通过不断改变调和系数α的数值大小，得到的相关优化结果如图5和图6所示。仿真结果表明，本发明的算法能够有效提高数据中心的负载均衡性，且能够动态调整对于负载均衡和时延上的不同性能要求。

Claims (4)

1.电力客服中心基于logistic模型预测潜在用户数量的省市接入数据中心优化方法，潜在用户样本是指在t时间以内，至少有一次访问数据中心行为的用户，其特征在于，包括以下步骤：

步骤1：根据现有访问用户样本和普通用户样本，搜集和判断影响用户访问数据中心的要素；普通用户样本指随机抽取的一定数量的普通电力用户；影响用户访问数据中心的要素包括：访问信息、自然属性和用电特征；

步骤2：根据步骤1中的影响因素采用向后逐步回归方法，逐步淘汰不相关变量，最终选择相对稳定的部分变量作为步骤2中的逻辑回归模型输入，用以计算各省市的潜在用户概率；

步骤3：根据步骤2中访问概率乘以各省市的人口总户数的结果作为潜在用户数；

u_i＝P_i·η_i

其中，P_i为省市U_i对应的总电力用户数，而η_i为省市电力用户访问数据中心的概率；

步骤4：潜在用户数和接入距离需经过归一化处理，建立省市用户接入数据中心的优化模型并得到省市接入数据中心的优化方案；归一化处理公式如下：

式中，x为数据的原始值，min为所有数据原始值中最小值，max为所有数据原始值中最小值，x^*为归一化后的处理值；

设数据中心集合为D，可表示为：

D＝{D₁,D₂,…,D_N}

其中，N为数据中心的个数，D_j(1≤j≤N)表示第j个数据中心；这里，考虑到数据中心的负载能力，本发明设定每个数据中心的最大用户负载量为C_j；同时，假设省市集合为U，可表示为：

U＝{U₁,U₂,…,U_M}

其中，M为省市总数，U_i(1≤i≤M)表示第i个省市，且对于每个U_i来说，都有一定数量的电力用户会由于电力故障报修、意见反馈和投诉等原因而访问客服中心，即拥有访问数据中心的可能性；

定义0-1二进制数a_ij，当且仅当a_ij值为1时，表示将省市U_i接入数据中心D_j，并且规定每个省市仅能接入一个数据中心；

于是，本发明定义“均衡代价”，其表达式如下：

式中，N为数据中心的个数，M为省市数量，为归一化处理后的潜在用户数，VA表示各数据中心的用户负载量的方差，其值的大小体现了数据中心间负载量的差异性，较低的VA值说明接入方案的均衡代价越小，性能也就相对越优越；

本发明定义“时延代价”，具体计算方式如下：

其中，d_ij为省市i到数据中心j的距离，用省市的省会到数据中心的距离表示，且需要进行归一化处理；

考虑数据中心负载量和接入距离，省市用户接入数据中心的优化模型可描述为：

min F＝α·VA+β·DE

0≤λ,γ≤1

其中，F表示接入方案的总接入代价，也是接入模型的目标函数，α,β为调和系数且满足和为1，λ,γ分别表示数据中心的最低利用率和最高利用率，a_ij为0-1二进制数，C_j为数据中心j的最大负载量。

2.根据权利要求1所述电力客服中心基于logistic模型预测潜在用户数量的省市接入数据中心优化方法，其特征在于，所述步骤2具体过程包括：

具有n个相互独立的影响因素V＝{υ₁,υ₂,…,υ_n}，并设χ(υ)为根据观测量得到的对于某事件发生概率，概率χ(υ)通常是随着变量υ连续增长或者连续下降，其数学函数通常为以下形式：

于是，当χ(υ)成为logistic回归函数时，则可得逻辑回归模型的标准形式为：

接着，引入logistic模型回归的方法训练样本得到回归模型，用以预测潜在的用户使用数据中心核心业务的概率；在这个过程中，不断采用向后逐步回归的方法，逐步淘汰不相关变量，最终选择相对稳定的部分影响因素作为潜在用户影响因素的模型输入，得到最终的变量数据集；

当η_i为省市U_i用户成为潜在访问用户的概率时，将处理好的变量数据集用逻辑回归模型进行训练、测试，可得到各省市对应的潜在用户概率：

η_i＝logit[χ(υ)]。

3.根据权利要求2所述电力客服中心基于logistic模型预测潜在用户数量的省市接入数据中心优化方法，其特征在于，步骤2中所述n个相互独立的影响因素为：近期的访问次数，访问时间间隔，当前待解决工单数，家庭人口数，家庭平均年龄，空调、电热水器、烤火炉、电磁炉和微波炉等大功率电器的数量，近期平均气温，平均用电时长，平均最大负荷利用时长，平均最小负荷利用时长，平均峰谷负荷差，总用电量，不均衡系数，最大负荷，最小负荷，平均负荷率，平均日负荷，最大峰谷差，人均收入，负荷密度20个变量。

4.根据权利要求3所述电力客服中心基于logistic模型预测潜在用户数量的省市接入数据中心优化方法，其特征在于，步骤2中最终选择相对稳定的部分影响因素为：近期的访问次数，访问时间间隔，家庭人口数，平均用电时长，平均最大负荷利用时长，总用电量，最大负荷，平均日负荷，最大峰谷差，负荷密度。