CN111062564A - 一种电力客户诉求敏感值计算方法 - Google Patents
一种电力客户诉求敏感值计算方法 Download PDFInfo
- Publication number
- CN111062564A CN111062564A CN201911088744.2A CN201911088744A CN111062564A CN 111062564 A CN111062564 A CN 111062564A CN 201911088744 A CN201911088744 A CN 201911088744A CN 111062564 A CN111062564 A CN 111062564A
- Authority
- CN
- China
- Prior art keywords
- appeal
- power
- customer
- modeling
- sensitivity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000035945 sensitivity Effects 0.000 claims abstract description 43
- 238000007477 logistic regression Methods 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000012795 verification Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000007418 data mining Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000003066 decision tree Methods 0.000 claims abstract description 4
- 238000012360 testing method Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 5
- 238000013075 data extraction Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 238000010206 sensitivity analysis Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种电力客户诉求敏感值计算方法，其特征在于，包括如下步骤：步骤100、将过去时间段在不同渠道发生过诉求的客户，定义为电力客户诉求敏感样本客户；步骤200、选取与电力客户诉求敏感度相关的客户信息字段，对筛选的数据进行二次计算和预处理；步骤300、将基尼指数与设定的阈值进行比较用于电力客户诉求敏感度建模分析；步骤400、选用逻辑回归和决策树数据挖掘算法，对建模字段进行数据建模与验证。本发明运用逻辑回归算法建模数据挖掘技术，明确客户电力客户诉求敏感的细分群体，通过分析群体特征并设计差异化服务，有针对性地寻找电力客户诉求敏感的目标客户，开展针对性电力管理服务，提升敏感客户满意度。
Description
技术领域
本发明实施例涉及电力技术领域，具体涉及一种电力客户诉求敏感值计算方法。
背景技术
长期以来，电网企业的客户服务仍停留在客户现场服务或当次服务，忽视了对客户服务数据、诉求数据的积累分析，难以在下次服务中提升服务质量或对有意见客户进行有针对性的安抚。
通过问卷调研和专家评价法，根据不同时段各类客户诉求建立了客户电力客户诉求敏感度等级指数，并指导开展了后续的服务，取得了很好的业务应用效果。
但是，该方法只是针对不同类型的客户进行电力客户诉求敏感度的划分，并没有对客户的敏感值进行量化计算，随着用电客户对客户服务的要求逐渐多样化，客户服务需求需要更精准，传统的客户服务方法已经难以满足实际的需求。
发明内容
为此，本发明实施例提供一种电力客户诉求敏感值计算方法，以解决现有技术中无法对客户敏感值进行量化计算的问题。
为了实现上述目的，本发明的实施方式提供如下技术方案：
一种电力客户诉求敏感值计算方法，包括如下步骤：
步骤100、样本客户定义：将过去时间段在不同渠道发生过致电咨询、投诉，发生过电费计算差错，发生过业务办理超时和发生过停电事件相关行为的客户，定义为电力客户诉求敏感样本客户；
步骤200、数据提取与整理：选取与电力客户诉求敏感度相关的客户信息字段，对筛选的数据进行二次计算和预处理，作为建模因素筛选的主要输入变量；
步骤300、建模因素筛选：通过分别计算不同信息字段与客户是否是电力客户诉求敏感样本之间的基尼指数，将基尼指数与设定的阈值进行比较，当基尼指数大于阈值时作为影响电力客户诉求敏感度的主要因素，用于电力客户诉求敏感度建模分析；
步骤400、数据分区、建模与验证：选用逻辑回归和决策树数据挖掘算法，对建模字段进行数据建模与验证。
作为本发明的一种优选方案，在步骤100中，所述过去时间段包括六个月、十二个月或十八个月。
作为本发明的一种优选方案，所述渠道包括电网呼叫热线、网上营业厅、掌上营业厅、实体营业厅。
作为本发明的一种优选方案，在步骤200中，所述客户信息字段包括客户投诉记录、来电记录、客户停电次数、停电时间、业务办理超时和电费计算差错6个字段。
作为本发明的一种优选方案，所述建模因素筛选的方法包括运用逻辑回归算法建模，并通过模型算法和客户电力客户诉求敏感度分析。
作为本发明的一种优选方案，所述逻辑回归算法建模采用二项分类逻辑回归，因变量P只取0和1这2个值，即将符合电力客户诉求敏感样本客户定义的目标变量设定为1，其余客户的目标设定为0，则P＝1的总体概率为π，m个自变量分别为X1，X2，…，Xm。
作为本发明的一种优选方案，所对应的逻辑回归模型为:
式中，Y＝β0+β1X1+β2X2+…+βmXm，β0为常数项，为对应的回归系数，将样本客户的自变量值，即选定的建模字段代入上式；
根据式中客户电力客户诉求敏感度逻辑回归算法为:
式中，P是客户的电力客户诉求敏感度概率。
作为本发明的一种优选方案，所述电力客户诉求敏感度分析是对非居民和居民电力客户诉求敏感度建模，将模型应用于全体非居民与居民客户，并对全量客户的结果与测试集结果进行比对，按照得分排名从高到低排序。
作为本发明的一种优选方案，在步骤300中，所述阈值设定为3。
作为本发明的一种优选方案，在步骤400中，对建模字段进行数据建模与验证的具体步骤为：根据建模需要，将样本数据随机按40％、30％和30％拆分成训练集、验证集和测试集，训练集用于数据建模，验证集用于对模型进行验证与调整，测试集用于对模型的结果进行测试。
本发明的实施方式具有如下优点：
本发明运用逻辑回归算法建模数据挖掘技术，分析并建立客户电力客户诉求敏感度预测模型，明确客户电力客户诉求敏感的细分群体，通过分析群体特征并设计差异化服务，有针对性地寻找电力客户诉求敏感的目标客户，开展针对性电力管理服务，提升敏感客户满意度，从而促进供电企业在管理、形象和效益三方面的增值。通过分析不同客户的行为特征，反映其对停电的敏感程度的差别，并用数据挖掘技术的量化手段对电力客户诉求敏感客户进行刻画。电力企业准确辨识电力客户诉求敏感度高的客户，提供差异化停电服务，降低客户停电抱怨的概率，提升客户满意度。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明的流程框图；
图2为本发明建模分析流程图；
图3为本发明非居民客户逻辑回归算法模型结果提升度变化折线图；
图4为本发明居民客户逻辑回归算法模型结果提升度变化折线图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明提供了一种电力客户诉求敏感值计算方法，包括样本客户定义、数据提取与整理、建模因素筛选以及数据分区、建模与验证。
具体包括如下步骤：
步骤100、样本客户定义：将过去时间段在不同渠道发生过致电咨询、投诉，发生过电费计算差错，发生过业务办理超时和发生过停电事件相关行为的客户，定义为电力客户诉求敏感样本客户；
步骤200、数据提取与整理：选取与电力客户诉求敏感度相关的客户信息字段，对筛选的数据进行二次计算和预处理，作为建模因素筛选的主要输入变量，在步骤200中，所述客户信息字段包括客户投诉记录、来电记录、客户停电次数、停电时间、业务办理超时盒电费计算差错6个字段；
步骤300、建模因素筛选：通过分别计算不同信息字段与客户是否是电力客户诉求敏感样本之间的基尼指数，将基尼指数与设定的阈值进行比较，当基尼指数大于阈值时作为影响电力客户诉求敏感度的主要因素，用于电力客户诉求敏感度建模分析；
步骤400、数据分区、建模与验证：选用逻辑回归和决策树数据挖掘算法，对建模字段进行数据建模与验证。
进一步地，在步骤100中，所述过去时间段包括六个月、十二个月或十八个月。
如图2所示，所述渠道包括电网呼叫热线、网上营业厅、掌上营业厅、实体营业厅。
所述建模因素筛选的方法包括运用逻辑回归算法建模，并通过模型算法和客户电力客户诉求敏感度分析。
所述逻辑回归算法建模采用二项分类逻辑回归，因变量P只取0和1这2个值，即将符合电力客户诉求敏感样本客户定义的目标变量设定为1，其余客户的目标设定为0，则P＝1的总体概率为π，m个自变量分别为X1，X2，…，Xm。
所对应的逻辑回归模型为:
式中，Y＝β0+β1X1+β2X2+…+βmXm，β0为常数项，为对应的回归系数，将样本客户的自变量值，即选定的建模字段代入上式；
根据式中客户电力客户诉求敏感度逻辑回归算法为:
式中，P是客户的电力客户诉求敏感度概率。
所述模型算法是将逻辑回归算法建模运用于验证集和测试集客户上，并对验证集与测试集模型结果的提升度进行比对，如图3和图4所示，运用逻辑回归算法建模数据挖掘技术，分析并建立客户电力客户诉求敏感度预测模型，明确客户电力客户诉求敏感的细分群体，通过分析群体特征并设计差异化服务，有针对性地寻找电力客户诉求敏感的目标客户，开展针对性电力管理服务，提升敏感客户满意度，从而促进供电企业在管理、形象和效益三方面的增值。
此外，所述电力客户诉求敏感度分析是对非居民和居民电力客户诉求敏感度建模，将模型应用于全体非居民与居民客户，并对全量客户的结果与测试集结果进行比对，按照得分排名从高到低排序。不同客户群体之间实际诉求敏感客户的比例差异非常明显，对业务上识别客户停电敏感具备一定的指导意义。
本发明的电力客户诉求敏感值计算方法通过分析不同客户的行为特征，反映其对停电的敏感程度的差别，并用数据挖掘技术的量化手段对电力客户诉求敏感客户进行刻画。电力企业准确辨识电力客户诉求敏感度高的客户，提供差异化停电服务，降低客户停电抱怨的概率，提升客户满意度。
在步骤300中，所述阈值设定为3。
在步骤400中，对建模字段进行数据建模与验证的具体步骤为：根据建模需要，将样本数据随机按40％、30％和30％拆分成训练集、验证集和测试集，训练集用于数据建模，验证集用于对模型进行验证与调整，测试集用于对模型的结果进行测试。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (10)
1.一种电力客户诉求敏感值计算方法，其特征在于，包括如下步骤：
步骤100、样本客户定义：将过去时间段在不同渠道发生过致电咨询、投诉，发生过电费计算差错，发生过业务办理超时和发生过停电事件相关行为的客户，定义为电力客户诉求敏感样本客户；
步骤200、数据提取与整理：选取与电力客户诉求敏感度相关的客户信息字段，对筛选的数据进行二次计算和预处理，作为建模因素筛选的主要输入变量；
步骤300、建模因素筛选：通过分别计算不同信息字段与客户是否是电力客户诉求敏感样本之间的基尼指数，将基尼指数与设定的阈值进行比较，当基尼指数大于阈值时作为影响电力客户诉求敏感度的主要因素，用于电力客户诉求敏感度建模分析；
步骤400、数据分区、建模与验证：选用逻辑回归和决策树数据挖掘算法，对建模字段进行数据建模与验证。
2.根据权利要求1所述的一种电力客户诉求敏感值计算方法，其特征在于，在步骤100中，所述过去时间段包括六个月、十二个月或十八个月。
3.根据权利要求1所述的一种电力客户诉求敏感值计算方法，其特征在于，所述渠道包括电网呼叫热线、网上营业厅、掌上营业厅、实体营业厅。
4.根据权利要求1所述的一种电力客户诉求敏感值计算方法，其特征在于，在步骤200中，所述客户信息字段包括客户投诉记录、来电记录、客户停电次数、停电时间、业务办理超时和电费计算差错6个字段。
5.根据权利要求1所述的一种电力客户诉求敏感值计算方法，其特征在于，所述建模因素筛选的方法包括运用逻辑回归算法建模，并通过模型算法和客户电力客户诉求敏感度分析。
6.根据权利要求5所述的一种电力客户诉求敏感值计算方法，其特征在于，所述逻辑回归算法建模采用二项分类逻辑回归，因变量P只取0和1这2个值，即将符合电力客户诉求敏感样本客户定义的目标变量设定为1，其余客户的目标设定为0，则P＝1的总体概率为π，m个自变量分别为X1，X2，…，Xm。
7.根据权利要求6所述的一种电力客户诉求敏感值计算方法，其特征在于，所对应的逻辑回归模型为:
式中，Y＝β0+β1X1+β2X2+…+βmXm，β0为常数项，为对应的回归系数，将样本客户的自变量值，即选定的建模字段代入上式；
根据式中客户电力客户诉求敏感度逻辑回归算法为:
式中，P是客户的电力客户诉求敏感度概率。
8.根据权利要求1所述的一种电力客户诉求敏感值计算方法，其特征在于，所述电力客户诉求敏感度分析是对非居民和居民电力客户诉求敏感度建模，将模型应用于全体非居民与居民客户，并对全量客户的结果与测试集结果进行比对，按照得分排名从高到低排序。
9.根据权利要求1所述的一种电力客户诉求敏感值计算方法，其特征在于，在步骤300中，所述阈值设定为3。
10.根据权利要求1所述的一种电力客户诉求敏感值计算方法，其特征在于，在步骤400中，对建模字段进行数据建模与验证的具体步骤为：根据建模需要，将样本数据随机按40％、30％和30％拆分成训练集、验证集和测试集，训练集用于数据建模，验证集用于对模型进行验证与调整，测试集用于对模型的结果进行测试。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911088744.2A CN111062564A (zh) | 2019-11-08 | 2019-11-08 | 一种电力客户诉求敏感值计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911088744.2A CN111062564A (zh) | 2019-11-08 | 2019-11-08 | 一种电力客户诉求敏感值计算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111062564A true CN111062564A (zh) | 2020-04-24 |
Family
ID=70298482
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911088744.2A Pending CN111062564A (zh) | 2019-11-08 | 2019-11-08 | 一种电力客户诉求敏感值计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111062564A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111539585A (zh) * | 2020-05-26 | 2020-08-14 | 国网湖南省电力有限公司 | 一种基于随机森林的电力客户诉求敏感度监督及预警方法 |
| CN112434954A (zh) * | 2020-11-27 | 2021-03-02 | 国网北京市电力公司 | 停电敏感度的评估方法以及装置 |
| CN115907784A (zh) * | 2022-11-01 | 2023-04-04 | 国网江苏省电力有限公司营销服务中心 | 电力营业厅服务敏感客户识别和主动预警通知方法和系统 |
| CN116401601A (zh) * | 2023-04-14 | 2023-07-07 | 国网浙江省电力有限公司 | 基于逻辑回归模型的停电敏感用户优选处置方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106600455A (zh) * | 2016-11-25 | 2017-04-26 | 国网河南省电力公司电力科学研究院 | 一种基于逻辑回归的电费敏感度评估方法 |
| CN107392479A (zh) * | 2017-07-27 | 2017-11-24 | 国网河南省电力公司电力科学研究院 | 基于逻辑回归模型的电力客户停电敏感度评分卡实施方法 |
| CN109359868A (zh) * | 2018-10-18 | 2019-02-19 | 国网电子商务有限公司 | 一种电网用户画像的构建方法及系统 |
| CN109934469A (zh) * | 2019-02-25 | 2019-06-25 | 国网河南省电力公司电力科学研究院 | 基于异源交叉回归分析的停电敏感度预警方法及装置 |
-
2019
- 2019-11-08 CN CN201911088744.2A patent/CN111062564A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106600455A (zh) * | 2016-11-25 | 2017-04-26 | 国网河南省电力公司电力科学研究院 | 一种基于逻辑回归的电费敏感度评估方法 |
| CN107392479A (zh) * | 2017-07-27 | 2017-11-24 | 国网河南省电力公司电力科学研究院 | 基于逻辑回归模型的电力客户停电敏感度评分卡实施方法 |
| CN109359868A (zh) * | 2018-10-18 | 2019-02-19 | 国网电子商务有限公司 | 一种电网用户画像的构建方法及系统 |
| CN109934469A (zh) * | 2019-02-25 | 2019-06-25 | 国网河南省电力公司电力科学研究院 | 基于异源交叉回归分析的停电敏感度预警方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 张建同: "《实用多元统计分析》", 同济大学出版社, pages: 207 - 208 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111539585A (zh) * | 2020-05-26 | 2020-08-14 | 国网湖南省电力有限公司 | 一种基于随机森林的电力客户诉求敏感度监督及预警方法 |
| CN111539585B (zh) * | 2020-05-26 | 2023-05-23 | 国网湖南省电力有限公司 | 一种基于随机森林的电力客户诉求敏感度监督及预警方法 |
| CN112434954A (zh) * | 2020-11-27 | 2021-03-02 | 国网北京市电力公司 | 停电敏感度的评估方法以及装置 |
| CN115907784A (zh) * | 2022-11-01 | 2023-04-04 | 国网江苏省电力有限公司营销服务中心 | 电力营业厅服务敏感客户识别和主动预警通知方法和系统 |
| CN116401601A (zh) * | 2023-04-14 | 2023-07-07 | 国网浙江省电力有限公司 | 基于逻辑回归模型的停电敏感用户优选处置方法 |
| CN116401601B (zh) * | 2023-04-14 | 2023-09-15 | 国网浙江省电力有限公司 | 基于逻辑回归模型的停电敏感用户处置方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111062564A (zh) | 一种电力客户诉求敏感值计算方法 | |
| Li et al. | A MIDAS modelling framework for Chinese inflation index forecast incorporating Google search data | |
| CN110991875B (zh) | 一种平台用户质量评估系统 | |
| CN107423859B (zh) | 一种组合模型建模方法及系统 | |
| Ibrahim et al. | Inter-dependent, heterogeneous, and time-varying service-time distributions in call centers | |
| CN106408325A (zh) | 基于用户支付信息的用户消费行为预测分析方法及系统 | |
| CN113627566A (zh) | 一种网络诈骗的预警方法、装置和计算机设备 | |
| CN113435627A (zh) | 基于工单轨迹信息的电力客户投诉预测方法及装置 | |
| CN109934469A (zh) | 基于异源交叉回归分析的停电敏感度预警方法及装置 | |
| CN112116256A (zh) | 一种数据资产管理方法 | |
| CN113554310A (zh) | 基于智能合约的企业信用动态评估模型 | |
| CN111563628A (zh) | 房地产客户成交时间预测方法、装置及存储介质 | |
| CN115545886A (zh) | 逾期风险识别方法、装置、设备及存储介质 | |
| Melian et al. | Customer churn prediction in telecommunication industry. A data analysis techniques approach | |
| CN113222255B (zh) | 一种合同履约表现量化及短期违约预测的方法及装置 | |
| Lněnička | E-government Development Index and its Comparison in the EU Member States | |
| CN112950359B (zh) | 一种用户识别方法和装置 | |
| CN116401601B (zh) | 基于逻辑回归模型的停电敏感用户处置方法 | |
| CN114219245B (zh) | 基于大数据的乡村电力指数评价方法、装置及存储介质 | |
| JP2022120816A (ja) | 新製品の販売量の予測方法 | |
| CN113627821A (zh) | 一种基于用电行为特征进行异常用电识别的方法及系统 | |
| CN104978604B (zh) | 一种基于业务能力模型的模拟仿真方法和装置 | |
| Yuan et al. | Critical risks identification of Public Private Partnerships in China and the analysis on questionnaire survey | |
| Cao et al. | Long-term and multi-step ahead call traffic forecasting with temporal features mining | |
| CN117236532B (zh) | 一种基于负荷数据的用电高峰负荷预测的方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200424 |