CN111639816B - 一种供电服务网格优化方法、装置及可读存储介质 - Google Patents

一种供电服务网格优化方法、装置及可读存储介质 Download PDF

Info

Publication number
CN111639816B
CN111639816B CN202010494395.0A CN202010494395A CN111639816B CN 111639816 B CN111639816 B CN 111639816B CN 202010494395 A CN202010494395 A CN 202010494395A CN 111639816 B CN111639816 B CN 111639816B
Authority
CN
China
Prior art keywords
complaint
grid
factors
risk
determining
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.)
Active
Application number
CN202010494395.0A
Other languages
English (en)
Other versions
CN111639816A (zh
Inventor
赵小娟
王瑞妙
李慧慧
周亚琪
张友强
朱小军
廖峥
杨爽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Hubei Transmission And Transformation Engineering Co ltd
Electric Power Research Institute of State Grid Chongqing Electric Power Co Ltd
State Grid Corp of China SGCC
Wuhan Power Supply Co of State Grid Hubei Electric Power Co Ltd
Original Assignee
State Grid Hubei Transmission And Transformation Engineering Co ltd
Electric Power Research Institute of State Grid Chongqing Electric Power Co Ltd
State Grid Corp of China SGCC
Wuhan Power Supply Co of State Grid Hubei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Hubei Transmission And Transformation Engineering Co ltd, Electric Power Research Institute of State Grid Chongqing Electric Power Co Ltd, State Grid Corp of China SGCC, Wuhan Power Supply Co of State Grid Hubei Electric Power Co Ltd filed Critical State Grid Hubei Transmission And Transformation Engineering Co ltd
Priority to CN202010494395.0A priority Critical patent/CN111639816B/zh
Publication of CN111639816A publication Critical patent/CN111639816A/zh
Application granted granted Critical
Publication of CN111639816B publication Critical patent/CN111639816B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种供电服务网格优化方法、装置及可读存储介质，包括如下步骤：基于当前区域的历史投诉数据以及预先确定的投诉因素进行聚类，以获得当前区域对应的网格投诉风险；基于所述网格投诉风险确定网格点风险系数；根据所述网格点风险系数以及所述投诉因素对所述网格点的配置进行优化。本发明方法通过基于当前区域的历史投诉数据以及预先确定的投诉因素进行聚类，以获得当前区域对应的网格投诉风险，根据网格点风险系数以及投诉因素确定网格点优化配置，实现了有针对性的供电网格服务优化配置，提高用户体验，降低投诉率。

Description

一种供电服务网格优化方法、装置及可读存储介质
技术领域
本发明涉及供电服务技术领域，特别是一种供电服务网格优化方法、装置及可读存储介质。
背景技术
随着电力市场不断改革和优化营商环境力度逐渐加大，优质服务越来越重要，是供电企业的生命线，是增强企业核心竞争力的重要内容。为了能够控制投诉，实现零投诉的目标，供电公司一直在网格服务方面很做文章，重点的方向放在网格全覆盖的推行、网格模式(电话、qq、微信)扩张以及网格标准化方面。然而网格化服务推行至今，同样也存在着没有配置标准、品牌影响力不足、工作效率不高等问题。现有的研究对网格的标准化配置或者优化配置方面，研究甚少。
发明内容
有鉴于现有技术的上述缺陷，本发明的目的就是提供一种供电服务网格优化方法、装置及可读存储介质，实现某一供电区域的网格优化配置，提高用户体验，降低投诉率。
本发明的目的之一是通过这样的技术方案实现的，一种供电服务网格优化方法，包括如下步骤：
基于当前区域的历史投诉数据以及预先确定的投诉因素进行聚类，以获得当前区域对应的网格投诉风险；
基于所述网格投诉风险确定网格点风险系数；
根据所述网格点风险系数以及所述投诉因素对所述网格点的配置进行优化。
可选的，预先确定投诉因素，包括：
通过SPSS对历史投诉数据进行主成分分析得到投诉成分矩阵；
基于所述投诉成分矩阵确定所述投诉因素。
可选的，基于所述投诉成分矩阵确定所述投诉因素，包括：
根据所述投诉成分矩阵中的信息量得分进行提取以确定所述投诉因素。
可选的，通过SPSS对历史投诉数据进行主成分分析得到投诉成分矩阵之前，还包括：
对所述历史投诉数据进行样本充分性测试系数检测和巴特莱特球体检验，以确定所述历史投诉数据的主成分分析适用性。
可选的，基于所述网格投诉风险确定网格点风险系数，包括：
根据所述网格投诉风险、网格的实际人员布置以及对应的网格投诉分布确定网格指标；
根据所述网格投诉风险确定类型权重；
根据所述类型权重和所述网格指标确定网格点风险系数。
可选的，根据所述网格点风险系数以及所述投诉因素对所述网格点配置进行优化，包括：
对于所述网格点风险系数高于预设阈值的网格点，根据所述述投诉因素提高人员配置。
可选的，根据所述网格点风险系数以及所述投诉因素确定网格点优化配置，包括：
根据所述投诉因素确定关键因素；
基于所述关键因素进行针对性配置优化。
本发明的目的之二是通过这样的技术方案实现的，一种供电服务网格优化装置，包括：
聚类模块，用于基于当前区域的历史投诉数据以及预先确定的投诉因素进行聚类，以获得当前区域对应的网格投诉风险；
数据处理模块，用于基于所述网格投诉风险确定网格点风险系数；
配置模块，用于根据所述网格点风险系数以及所述投诉因素确定网格点优化配置。
本发明的目的之三是通过这样的技术方案实现的，一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如前述的供电服务网格优化方法。
由于采用了上述技术方案，本发明具有如下的优点：本发明方法通过基于当前区域的历史投诉数据以及预先确定的投诉因素进行聚类，以获得当前区域对应的网格投诉风险，根据网格点风险系数以及投诉因素确定网格点优化配置，实现了有针对性的供电网格服务优化配置，提高用户体验，降低投诉率。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。
附图说明
本发明的附图说明如下：
图1为本发明第一实施例流程图；
图2为本发明第一实施例碎石图；
图3为本发明第一实施例A营业厅网格优化配置成效图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
实施例一
本发明第一实施例提出一种供电服务网格优化方法，如图1所示，包括如下步骤：
S10、基于当前区域的历史投诉数据以及预先确定的投诉因素进行聚类，以获得当前区域对应的网格投诉风险；
S20、基于所述网格投诉风险确定网格点风险系数；
S30、根据所述网格点风险系数以及所述投诉因素对所述网格点的配置进行优化。
本发明方法通过基于当前区域的历史投诉数据以及预先确定的投诉因素进行聚类，以获得当前区域对应的网格投诉风险，根据网格点风险系数以及投诉因素确定网格点优化配置，实现了有针对性的供电网格服务优化配置，提高用户体验，降低投诉率。
可选的，预先确定投诉因素，包括：
通过SPSS对历史投诉数据进行主成分分析得到投诉成分矩阵；
基于所述投诉成分矩阵确定所述投诉因素。
可选的，通过SPSS对历史投诉样本进行主成分分析确定投诉成分矩阵之前，还包括：
对所述历史投诉数据进行样本充分性测试系数检测和巴特莱特球体检验，以确定所述历史投诉数据的主成分分析适用性。
在本实施例中，选取2015年1月至2019年12月投诉明细作为历史投诉样本，运用TABLEAU工具，进行投诉数据关联规则分析，具体的，采用主成分分析法对多指标项的潜变量进行效度检测。在对关系强度、关系久度和关系质量以及进行因子提取之前，先进行样本充分性检验，即样本充分性KMO(KaiserMeyer-Olykin)测试系数检测和巴特莱特球体检验(BartlettTestofSphericity)，判断是否可以进行主成分分析。一般认为，KMO在0.9以上，非常适合；0.8-0.9，很适合；0.7-0.8，适合；0.6-0.7很勉强；0.5-0.6，不太适合；0.5以下，不适合；巴特莱特球体检验的统计值显著性概率小于等于显著性水平时，可以进行主成分分析。
本实施例分析KMO数值为0.794，因此适合进行主成分分析。对于Bartlett球形检验的结果，该值检验相关阵是否是单位阵，即各变量是否相互独立。近似卡方值为518.3，自由度85，检验的显著性概率为0代表母群体的相关矩阵间有共同因素存在，适合进行主成分分析。
进一步，在本实施例中，按照特征根大于1的原则，选入3个公共因子，其累积方差贡献率为90.860％，相关矩阵表、特征根及方程贡献、碎石图、因子载荷矩阵如下表所示。如表1中，根据特征值大于0.6的原则提取的3个因子的特征值、占方差百分数及其累加值。这2个因子解释的方差占总方差的90.860％，能比较全面地反映所有信息。
表1解释的总方差
表1解释的总方差
Figure BDA0002522287560000041
Figure BDA0002522287560000051
如图2中，横坐标为成分数，纵坐标为各因子对应的特征值。在图中根据成分数和对应特征值描点，然后用直线连接即为碎石图。根据点间连线坡度的陡缓程度，从碎石图可以比较清楚地看出因子的重要程度。比较陡的直线说明直线断点所对应的因子的特征值差值较大，比较缓的直线则对应较小的特征值差值。从图2中可以看出，成分1、2、3和4、5、6、7、8、9、10之间连线的坡度相对较陡，说明前面3个成分是主要成分，这和表1中的结论是吻合的。
可选的，基于所述投诉成分矩阵确定所述投诉因素，包括：
根据所述投诉成分矩阵中的信息量得分进行提取以确定所述投诉因素。
具体的说，基于前述方法可以得到表2的成分矩阵表。但由于成分矩阵图中所显示的前10个因子在原变量的值都相差不大，难以真实的解释他们的含义。
表2成份矩阵a
Figure BDA0002522287560000052
因此，在本实施例中，通过适当的提取，增加信息量在不同成分上的得分，就可能为所有的成分找到合适的解释；因此，需要对成分矩阵进行提取，提取后的成分矩阵如下表3，得到客户忍耐度、技能等级、负荷为第一成分重要成分，因为他们在式中系数远远大于其他变量的系数，故标志着成分1是这前3个指的综合反映。
表2成份得分系数矩阵
Figure BDA0002522287560000061
具体的说，在本实施例中，在确定投诉因素后，基于当前区域的历史投诉数据以及投诉因素进行聚类，以获得当前区域对应的网格投诉风险；
在本实施例中，根据2010年-2019年投诉明细数据作为历史投诉数据进行分析，以江夏A营业厅31个网格点投诉区域化明显。根据投诉区域客户敏感挖掘及重复投诉分析，其中主要集中在12个投诉敏感区域。
根据A营业厅实际情况，为了降低网格点投诉风险、合理分配网格点相关配置，从而降低频发投诉网格点投诉风险、提升抢修服务水平，因此本研究根据以上得出的所在网格点投诉量，结合客户忍耐度、技能等级、负荷规律、网格用户数、网格推广率、供电半径、故障系数、意见系数、费控设定不合理数、停电系数等综合因素，通过聚类算法进行网格点配置优化，具体步骤如下：
(1)聚类分析输入变量，如表4所示：
表4聚类分析输入变量表
序号 变量名
01 客户忍耐度
02 网格人员技能等级
03 负荷
04 网格用户数
05 网格推广率
06 供电半径
07 故障系数
08 意见系数
09 费控设定不合理数
10 停电系数
(2)Kmeans聚类结果
以下是聚类的结果输出如表5所示：
表5聚类结果输出表
Figure BDA0002522287560000071
其中，本实施例中通过聚类获得如下聚类结果：
聚类一包含：七个小区主要以客户忍耐度低、用户较多、网格推广率较低、用户意见频发、网格服务人员技能等级系数较低，因此投诉系数风险较高。
聚类二包含：十一个小区主要以忍耐度较低，技能等级偏高为主，服务范围较大，投诉量适中，负荷变化较小不易发生故障及停电，因此投诉风险一般。
聚类三包含：十三个小区，这些网格点主要以忍耐度较高，用户相对较少、网格推广率较高、网格服务人员等级较高，因此投诉风险较低。
可选的，基于所述网格投诉风险确定网格点风险系数，包括：
根据所述网格投诉风险、网格的实际人员布置以及对应的网格投诉分布确定网格指标；
根据所述网格投诉风险确定类型权重；
根据所述类型权重和所述网格指标确定网格点风险系数。
具体的说，在本实施例中，针对聚类获得的网格投诉风险如前述聚类一-聚类三，对A营业厅各网格点进行综合系数分析。以2019年12月A营业厅各项系数为基础，A营业厅共10名网格人，共负责31个网格点，根据实际网格人员布置及网格点投诉系数分布情况确定网格指标，包括：
根据主成分系数得分，指标数值系数转化31个网格点各类指标数，运用TF-IDF算法，
Figure BDA0002522287560000081
再根据投诉类型和时间序列特性，公式如下：
网格评分系数＝(类型权重*时间衰减)*TF-IDF(计算得到每个网格的标签权重*类型次数)
本实施例中31网格点被聚类成三类，所以网格权重分数有三个，分别为：A(0.95)、B(0.83)、C(0.79)；类型次数＝类型投诉量/总投诉量；类型权重为9个变量的权重x1(4.86),x2(0.29),x3..x9(16.29)，分为三个聚类A*X1、B*X2、C*X3..；时间，得到31个网格点系数得分：
平均系数得分
＝(0.95*T'*TF*IDF*0.04*X1+0.8*0.05*X2+...0.83*0.31*X31)/31＝1
平均偏差12.9％。
可选的，根据所述网格点风险系数以及所述投诉因素对所述网格点配置进行优化，包括：
对于所述网格点风险系数高于预设阈值的网格点，根据所述述投诉因素提高人员配置。
具体的说，针对网格点区域评分及人员综合素质评分，以2020年5月A营业厅各项系数为基础，以影响因子及聚类结果综合分析，进行两步优化配置：聚类一这种投诉风险较高区域，这些网格点服务管理人员原配置2名，且技能等级较低，网格推广率较低。因此应新增1名技能等级较高的网格人员来分散用户密集服务压力，并针对原网格员定期进行技能培训；针对供电半径、负荷问题申请线路、台区改造；针对停电、故障等问题加大带电作业数量；针对敏感用户，加强网格推广，服务宣传，重点管控及安抚；针对季节天气规律，对改区域进行新增临时站点，提前配置相关人员。
可选的，根据所述网格点风险系数以及所述投诉因素确定网格点优化配置，包括：
根据所述投诉因素确定关键因素；
基于所述关键因素进行针对性配置优化。
具体的说，同步进行分析得出的关键因子以及原因，采取针对性的对策。对策所下：
抄表及服务行为：保证存量优秀抄表员的基础上，逐步将良好抄表员向优秀进行转化，根据投诉词云提升对应技能等级。对一般抄表员，多加关注。
供电质量：针对分析得出停电事件区域敏感，切实做好停电事前通知，适时妥善安抚，同时进行低电压改造，解决根本问题。
敏感性：通过对投诉客户的分布情况，以大数据分析的角度，分析敏感客户集中地区，针对这些地区，重点加强相关工作人员服务意识，超前服务。特别是对270户重复投诉敏感客户，进行重点管控，可指定服务意识优秀的工作人员，进行专项服务的特殊化管理，有效减少敏感客户投诉概率。
智能电管家：对分析得出的不合理用户，加大培训宣传力度，在各电子渠道签订智能电官家协议时，应当设定提醒功能，引导用户正确选择。
负荷、天气：须针对每个时段的原因以及区域，加强人员配置，强化管理部署，提前做好管控准备工作。加强低压供电线路及设备的巡视和维护，及时关注气候信息，建立恶劣天气应急预案。
基于本发明方法，实现客户投诉的动态诊断，可以了解不同地区影响该地区发生投诉的关键影响因子，从源头上做好风险防控，有助于投诉量。大桥营业所通过本发明方法进行的优化配置，如图3所示：投诉量由6月的12笔，下降到10月的3笔，下降率达到75％。
实施例二
本发明第二实施例提出一种供电服务网格优化装置，包括：
聚类模块，用于基于当前区域的历史投诉数据以及预先确定的投诉因素进行聚类，以获得当前区域对应的网格投诉风险；
数据处理模块，用于基于所述网格投诉风险确定网格点风险系数；
配置模块，用于根据所述网格点风险系数以及所述投诉因素确定网格点优化配置。
实施例三
本发明第三实施例提出一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如前述的供电服务网格优化方法。具体的，在一种实施例中，处理器调用计算机可读存储介质中的程序，用于基于当前区域的历史投诉数据以及预先确定的投诉因素进行聚类，以获得当前区域对应的网格投诉风险；
基于所述网格投诉风险确定网格点风险系数；
根据所述网格点风险系数以及所述投诉因素确定网格点优化配置。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的保护范围之内。

Claims (5)

1.一种供电服务网格优化方法，其特征在于，包括如下步骤：
基于当前区域的历史投诉数据以及预先确定的投诉因素进行聚类，以获得当前区域对应的网格投诉风险；
其中，预先确定投诉因素，包括：
对所述历史投诉数据进行样本充分性测试系数检测和巴特莱特球体检验，以确定所述历史投诉数据的主成分分析适用性；
通过SPSS对历史投诉数据进行主成分分析得到投诉成分矩阵；
根据所述投诉成分矩阵中的信息量得分进行提取以确定所述投诉因素；
基于所述网格投诉风险确定网格点风险系数，具体包括：
根据所述网格投诉风险、网格的实际人员布置以及对应的网格投诉分布确定网格指标；
根据所述网格投诉风险确定类型权重；
根据所述类型权重和所述网格指标确定网格点风险系数；
根据所述网格点风险系数以及所述投诉因素对所述网格点的配置进行优化。
2.如权利要求1所述的供电服务网格优化方法，其特征在于，根据所述网格点风险系数以及所述投诉因素对所述网格点配置进行优化，包括：
对于所述网格点风险系数高于预设阈值的网格点，根据所述述投诉因素提高人员配置。
3.如权利要求1所述的供电服务网格优化方法，其特征在于，根据所述网格点风险系数以及所述投诉因素确定网格点优化配置，包括：
根据所述投诉因素确定关键因素；
基于所述关键因素进行针对性配置优化。
4.一种供电服务网格优化装置，其特征在于，包括：
聚类模块，用于基于当前区域的历史投诉数据以及预先确定的投诉因素进行聚类，以获得当前区域对应的网格投诉风险；
其中，预先确定投诉因素，包括：
对所述历史投诉数据进行样本充分性测试系数检测和巴特莱特球体检验，以确定所述历史投诉数据的主成分分析适用性；
通过SPSS对历史投诉数据进行主成分分析得到投诉成分矩阵；
根据所述投诉成分矩阵中的信息量得分进行提取以确定所述投诉因素；
数据处理模块，用于基于所述网格投诉风险确定网格点风险系数，具体包括：
根据所述网格投诉风险、网格的实际人员布置以及对应的网格投诉分布确定网格指标；
根据所述网格投诉风险确定类型权重；
根据所述类型权重和所述网格指标确定网格点风险系数；
配置模块，用于根据所述网格点风险系数以及所述投诉因素确定网格点优化配置。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至3中任一项所述的供电服务网格优化方法。
CN202010494395.0A 2020-06-03 2020-06-03 一种供电服务网格优化方法、装置及可读存储介质 Active CN111639816B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010494395.0A CN111639816B (zh) 2020-06-03 2020-06-03 一种供电服务网格优化方法、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010494395.0A CN111639816B (zh) 2020-06-03 2020-06-03 一种供电服务网格优化方法、装置及可读存储介质

Publications (2)

Publication Number Publication Date
CN111639816A CN111639816A (zh) 2020-09-08
CN111639816B true CN111639816B (zh) 2023-01-24

Family

ID=72332972

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010494395.0A Active CN111639816B (zh) 2020-06-03 2020-06-03 一种供电服务网格优化方法、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN111639816B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114298425A (zh) * 2021-12-30 2022-04-08 成都数联云算科技有限公司 客户投诉风险预测方法、装置、设备及介质
CN114549223A (zh) * 2022-02-24 2022-05-27 安徽耘联大数据有限公司 一种基于大数据的网格化耕地保护方法及系统
CN117521981B (zh) * 2024-01-08 2024-04-05 北京白龙马云行科技有限公司 一种网约车安全机制管理系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106971310A (zh) * 2017-03-16 2017-07-21 国家电网公司 一种客户投诉数量预测方法及装置
CN109661001A (zh) * 2019-01-11 2019-04-19 中国联合网络通信集团有限公司 一种网络优化方法和服务器
CN109993392A (zh) * 2017-12-31 2019-07-09 中国移动通信集团安徽有限公司 业务投诉风险预估方法、装置、计算设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106971310A (zh) * 2017-03-16 2017-07-21 国家电网公司 一种客户投诉数量预测方法及装置
CN109993392A (zh) * 2017-12-31 2019-07-09 中国移动通信集团安徽有限公司 业务投诉风险预估方法、装置、计算设备及存储介质
CN109661001A (zh) * 2019-01-11 2019-04-19 中国联合网络通信集团有限公司 一种网络优化方法和服务器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王胜等.一种潜在投诉用户画像及智能优化系统.《信息通信》.2018,(第07期), *

Also Published As

Publication number Publication date
CN111639816A (zh) 2020-09-08

Similar Documents

Publication Publication Date Title
CN111639816B (zh) 一种供电服务网格优化方法、装置及可读存储介质
CN111786385B (zh) 一种电网运维方案规划方法、系统及设备
CN102629364A (zh) 一种电力设备状态的量化评分方法
CN206312210U (zh) 一种配电网设备的状态评估系统
CN109687426B (zh) 故障率参数建模方法、装置、设备与存储介质
CN107679046A (zh) 一种欺诈用户的检测方法及装置
CN112348521A (zh) 基于业务审核的智能风险质检方法、系统和电子设备
CN117439256A (zh) 一种基于物联网的电站设备管理方法及系统
CN111626543A (zh) 电力相关数据的处理方法及装置
CN114140013A (zh) 一种基于xgboost的评分卡生成方法、装置及设备
CN111080235B (zh) 数据处理方法、装置、电子设备及计算机可读介质
CN114580819B (zh) 一种基于大数据的线损异常分析运营监控系统
CN112463807A (zh) 一种数据处理方法、装置、服务器及存储介质
Ekleş et al. Integrating the theory of constraints and Six Sigma: Process improvement implementation
CN113988557B (zh) 一种电网企业的投资绩效评价指标体系的构建方法及装置
CN112700018B (zh) 一种基于故障率的评价电力设备状态的方法及系统
CN112581021B (zh) 一种基于层次分析法的操作方案优劣性自动评估的方法
CN114860808A (zh) 基于大数据的配电网设备异常事件关联分析方法
CN117172558B (zh) 一种电力电网故障风险等级评定方法
Sturm Nuclear power in Eastern Europe: Learning or forgetting curves?
CN112686530A (zh) 一种继电保护运行可靠性评价方法
CN117709780B (zh) 一种基于人工智能的高压开关柜施工资质的审核管理系统
CN109391738A (zh) 一种根据移动终端信息进行预警的方法
CN107368899A (zh) 电力自动化设备维护方法
CN114490163B (zh) 一种故障自愈方法、装置及电子设备

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
GR01 Patent grant
GR01 Patent grant