CN112561730A - 一种基于双层聚类和模糊综合评价的供电服务分析方法 - Google Patents

Abstract

本发明公开了一种基于双层聚类和模糊综合评价的供电服务分析方法，涉及供电服务分析方法。目前，常采用单个评价指标来进行供电公司服务评价，未能较为全面地考虑各方面因素对供电服务水平的影响。本发明采用基于客户诉求、责任归属、异动水平、服务处理四方面的底层评价指标，建立完整评价指标体系。通过双层聚类模型得到分数分布类型及确定不同类型分布下各评价等级中心分数，通过模糊评价方法将评价指标分数转化为易理解的评价等级，对供电公司的供电服务质量做出直观评价。这种基于结构化工单数据的客户侧供电服务分析方法可以快速、有效地根据工单结构化数据对供电公司服务水平进行评价，有利于提升客户侧供电服务水平、精准定位服务薄弱点。

Description

一种基于双层聚类和模糊综合评价的供电服务分析方法

技术领域

本发明涉及供电服务评价领域，尤其涉及一种基于双层聚类和模糊综合评价的供电服务分析方法。

背景技术

随着电力体制改革持续深化，售电侧市场逐步放开，供电服务质量、水平压力与日俱增。为持续提升客户服务能力，省营销服务中心始终坚持以客户为中心，从客户诉求入手，分析挖掘热点业务，快速有效找到业务短板，提升客户服务质量。随着电力客户服务中心的发展和普及，95598工单数据成为全面反映客户服务质量的重要数据源；同时，随着电力体制改革不断深化，持续提升客户服务能力对于供电企业精细化管理以及改善客户体验十分重要。

现有的供电服务质量评价主要是通过问卷调查等定性分析对供电服务质量进行评价，结合电网运行数据及安全性指标进行综合评价。包括通过层次分析法、模糊理论、物元分析模型等方法构建综合评价模型，一方面对不同供电公司的评价结果缺乏客观性，另一方面使得评价结果受到调查样本的影响。目前关于供电服务评价的方法大多仅考虑了抽样样本的主观评价以及整体电网的运行数据，而没有利用广泛普及的电力客服数据，以及考虑不同供电公司之间的横向比较。此外，大部分方法采用单个评价指标来进行供电公司服务评价，未能较为全面地考虑各方面因素对供电服务水平的影响。以防止供电服务风险发生。

如何充分利用结构化工单数据，选取科学有效的评价方法来对供电服务水平进行综合评价，是目前供电服务评价需要深入研究的问题。可见，现有关于供电服务评价的方法还有待改进。

发明内容

本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供一种基于双层聚类和模糊综合评价的供电服务分析方法，以全面、准评价供电服务的目的；为此，本发明采取以下技术方案；

在于包括以下步骤：

1)输入一定时间段内的95598工单结构化数据；

包括诉求类型、工单分类、用户满意度、是否供电企业有责；

2)综合考虑用户诉求数量、供电公司服务责任、工单异动水平、供电服务质量，根据结构化数据，建立供电服务水平评价指标体系；

3)计算各供电服务业务在各项评价指标下的指标值，根据多项指标形成供电服务水平的评估决策矩阵；

4)基于改进熵权法建立供电服务水平评价的客观赋权模型，并根据客观赋权模型得到包括营销、运检、基建业务领域下的各分项业务熵值及权重，分项业务包括营商环境、电费电价；

5)基于改进TOPSIS法对不同供电公司进行得分计算并排序；

6)基于供电服务得分进行双层聚类确定评分分布的聚类中心；

7)确认其模糊隶属函数，计算形成供电服务等级隶属矩阵；

式中，

表示指标值r_ip对于状态V_j的隶属度，矩阵A_i中第n行表示第n个指标的单因素评价结果，为V的模糊子集；

8)根据最大隶属原则确定供电公司服务水平；

9)根据步骤4)、步骤5)、步骤8)的结果数据，利用可视化方式展示基于客户视角的供电服务综合分析结果、营销服务维度的供电服务分析结果，多维度进行展示，包括时间维度、地域维度、诉求维度，精准定位营销服务短板，并进行提醒、警告，以便于潜在供电服务问题治理。

作为优选技术手段：在步骤2)，供电服务水平评价指标体系中，在指标层采用针对供电公司不同服务业务的多项底层指标，包括客户诉求指标、责任归属指标、工单异动指标、服务处理指标；在业务层以供电公司业务作为依据的层级划分；在领域层对供电公司服务业务以领域划分；在步骤4)中，基于改进熵权法建立供电服务水平评价的客观赋权模型，用以确定指标层、业务层、领域层的指标权重。

作为优选技术手段：当采用客户诉求指标来评价供电服务水平时，基于95598工单分为投诉、意见、服务申请工单三类，定义客户诉求指标为：

式中，S_i为第i类工单得分，Ni为该供电公司该业务第i类工单每百万户数量，N_i,min为第i类工单数量参考值，α_1i为第i类工单修正系数，0＜α_1i≤1且

作为优选技术手段：当采用责任归属指标来评价供电服务水平时，基于所有客户诉求发生的原因从责任归属角度区分为客户、供电企业、非直接人员责任三类；且供电企业责任相对于其他两种责任原因会造成更为不良的用户体验，同时也是供电企业可以优化的方向；因此，所有工单中责任在供电企业的比重越小，则供电公司表现就越好，定义责任归属指标为：

式中，N_ZR为该供电公司中有责工单数量，N_ZR,min为有责工单数量参考值，N为该业务工单总数。

作为优选技术手段：当采用工单异动指标来评价供电服务水平时，基于工单话务量为一种受包括用电负荷、气象的外部主观因素影响的非线性时间序列数据,工单异动数量为95598工单在正常波动量之外的不正常增长，当工单异动数量过大，则表明该供电公司在该业务领域出现异常情况，导致供电服务水平下降；基于平均变动情况，确定工单数量正常区间，定义工单异动指标为：

N_warn＝N_-1(1+G_mean)(1+δ)

式中，N_warn为异动数量阈值，N_-1为上月工单数量，G_mean为平均工单增长率，δ为工单异动置信系数。

作为优选技术手段：当采用服务处理指标来评价供电服务水平时，基于供电服务申请的处理结果是供电服务评价的重要组成部分，是良好客户体验的重要基础；其中客户诉求的服务满意率与重复工单数量是反映供电公司服务水平的重要指标，服务满意率是客户对于工单处理结果的回访反馈，其满意率高，表明客户对处理结果普遍满意；重复工单数反映同一件事件未得到及时解决，其数量越多表明工单处理效率较低；定义服务处理指标如下：

式中，C为服务满意率，N_repeat为重复工单数，N_repeat,mean为重复工单数量参考值，α₄₁为服务满意率修正系数，α₄₂为重复工单量修正系数，满足α₄₁+α₄₂＝1。

作为优选技术手段：在步骤4)中，包括:

401)建立指标分数矩阵型：

在由N个待评价供电公司与M个待评价指标构成的指标分数矩阵R中，第m个评价指标的熵值可以定义如下：

式中：

并且假定当f_nm＝0时，f_nmlnf_nm＝0；其中，r_nm为第n个供电公司第m项指标的计算分数；

402)指标权重计算

基于改进熵权法的确定权重，使供电服务评价指标权重不受个别极端情况影响，从而得到相对合理的指标权重，权重计算表达式如下：

式中，ω_m为第m项指标权重，ω_1m为传统熵权法所求权重，ω_2m为修正权重，H_m为第m项指标熵值，

为所有不为1的指标熵的平均值；β为系数。

作为优选技术手段：在步骤5)中，包括步骤：

501)建立供电服务评价矩阵；

在对N个供电公司及M项评价指标的供电服务评价中，其供电服务评价矩阵R表示为：

502)建立加权后供电服务评价矩阵G；

G＝(g_nm)_N×M

式中，g_nm＝ω_mr_nm。

503)计算相似度

取各指标的最高得分为正理想解，取各指标的最低得分为负理想解，由此可以得到理想解向量

与

其中

m∈{1,2,…,M}；

由此可得各供电公司指标得分与正理想解与负理想解的距离相似度C_n1与余弦相似度C_n2，表达式如下所示；

式中，

为第n供电公司指标得分与正理想解的欧式距离，

为第n供电公司指标得分与负理想解的欧式距离，C_n1为第n供电公司的距离相似度，C_n2为第n供电公司与正理想解的余弦相似度，G_n为第n供电公司的指标得分向量；

结合距离相似度与余弦相似度，可以得到最终该供电公司的相对相似度，表达式如下所示：

S_n＝γ₁C_n1+(1-γ₁)C_n2

式中，γ₁为修正系数。

作为优选技术手段：在步骤7)中，取指标的模糊隶属函数为岭型函数；

针对i服务领域下的不同业务，计算各业务的模糊关系，结合各业务所求权重W_i，得到i服务领域的模糊评价向量B_i如下：

然后根据各服务领域的模糊评价向量，结合各服务领域权重向量W，可得最终该供电公司的模糊评价结果C：

式中，C为供电公司的模糊评价向量，B＝[B₁,B₂,…，B_l]^T，l为待评价服务领域，c_Vi表示对应不同评价等级的隶属度；

作为优选技术手段：β为35.35。

有益效果：本技术方案提出了基于客户诉求、责任归属、异动水平、服务处理四方面的底层评价指标，在供电公司服务业务架构的基础上建立了完整的评价指标体系。提出了基于改进熵权法的权重确定方法，克服了传统熵权法计算得到的指标权重在整体得分较为平均的情况下与实际重要度不相符的问题。在理想点法的基础上，引入了基于余弦相似度的相似度修正方法，使得供电服务评价结果更接近实际标准。基于评价分数的双层结构，通过双层聚类模型得到分数分布类型及确定不同类型分布下各评价等级中心分数，通过模糊评价方法将评价指标分数转化为易理解的评价等级，对供电公司的供电服务质量做出直观评价。这种基于结构化工单数据的客户侧供电服务分析方法可以快速、有效地根据工单结构化数据对供电公司服务水平进行评价，对提升客户侧供电服务水平、精准定位服务薄弱点具有重要意义。

附图说明

图1为本发明的流程图。

图2为本发明的供电服务业务体系图。

图3为本发明的实施例的供电服务综合得分统计图。

图4为本发明的基于客户视角的供电服务综合分析界面展示图。

图5为本发明的营销服务维度的供电服务分析界面展示图。

具体实施方式

以下结合说明书附图对本发明的技术方案做进一步的详细说明；

如图1所示，本发明包括如下步骤：

步骤1、输入一定时间段内的95598工单结构化数据，包括诉求类型、工单分类、用户满意度、是否供电企业有责等；

步骤2、综合考虑用户诉求数量、供电公司服务责任、工单异动水平、供电服务质量，根据结构化数据，建立供电服务水平评价指标体系，在指标层提出了针对供电公司不同服务业务的4项底层指标，包括客户诉求指标、责任归属指标、工单异动指标、服务处理指标。在业务层提出以供电公司业务作为依据的层级划分；在领域层对供电公司服务业务以领域划分，具体的指标表达式如下所示：

a.客户诉求指标R₁:

式中，S_i为第i类工单得分，N_i为该供电公司该业务第i类工单每百万户数量，N_i,min为第i类工单数量参考值，α_1i为第i类工单修正系数，0＜α_1i≤1且

b.责任归属指标

式中，N_ZR为该供电公司中有责工单数量，N_ZR,min为有责工单数量参考值，N为该业务工单总数。

c.工单异动指标

N_warn＝N_-1(1+G_mean)(1+δ)

式中，N_warn为异动数量阈值，N_-1为上月工单数量，G_mean为平均工单增长率，δ为工单异动置信系数，根据专家经验，本文设为10％。

d.服务处理指标

式中，C为服务满意率，N_repeat为重复工单数，N_repeat,mean为重复工单数量参考值，α₄₁为服务满意率修正系数，α₄₂为重复工单量修正系数，满足α₄₁+α₄₂＝1。

步骤3、计算各供电服务业务在各项评价指标下的指标值，根据四项指标形成供电服务水平的评估决策矩阵R；

步骤4、4)基于改进熵权法建立供电服务水平评价的客观赋权模型，用以确定指标层、业务层、领域层的指标权重；并根据客观赋权模型得到包括营销、运检、基建业务领域下的各分项业务熵值及权重，分项业务包括营商环境、电费电价；

式中，ω_m为第m项指标权重，ω_1m为传统熵权法所求权重，ω_2m为修正权重，H_m为第m项指标熵值，

为所有不为1的指标熵的平均值。经工程检验，β取35.35时，在典型情况下所求权值较为客观合理。

步骤5、基于改进TOPSIS法对不同供电公司进行得分计算并排序

式中，

为第n供电公司指标得分与正理想解的欧式距离，

为第n供电公司指标得分与负理想解的欧式距离，C_n1为第n供电公司的距离相似度，C_n2为第n供电公司与正理想解的余弦相似度，G_n为第n供电公司的指标得分向量。

结合距离相似度与余弦相似度，可以得到最终该供电公司的相对相似度，表达式如下所示：

S_n＝γ₁C_n1+(1-γ₁)C_n2

式中，γ₁为修正系数。

步骤6、基于供电服务得分进行双层聚类，确定评分分布的聚类中心

步骤7、根据聚类中心确认其模糊隶属度函数，计算形成供电服务等级隶属度矩阵。

式中，

表示指标值r_ip对于状态V_j的隶属度，矩阵A_i中第n行表示第n个指标的单因素评价结果，为V的模糊子集。

步骤8、根据最大隶属度原则确定供电公司服务水平的最终等级V。

为了进一步理解本发明，以下以浙江省95598工单相关数据为研究对象，评价对象为浙江省十一个地市供电公司，采取2020年9月份工单数据作为评价方法验证，涉及待评价工单量共66249条，历史工单数据20万条以上。

供电服务业务结构如图2所示，共有12个服务领域及34项具体业务，第三层得分以欠费复电业务为例，第二层得分以电费电价领域为例，计算最终各地市评分结果。

表1欠费复电业务指标得分

根据表1数据可知，供电公司3在该项业务上得分为0.097，表现较为薄弱，其主要的问题在于没有合理满足客户诉求，工单数量较多。在责任归属方面，大部分供电企业责任归属指标值均为1，因此该业务的工单责任大部分不应在供电公司，但供电公司3仍有较多服务责任。因此，供电公司3需要重点关注欠费复电业务，从而提升服务水平，减少工单数量；同时需要对责任原因在供电公司的工单进行原因分析，尽可能减少有责工单数量。供电公司8在欠费复电业务上整体表现较优，但是工单异动指标表现不佳，相对其他供电公司其工单数量存在不正常的波动，可能存在服务隐患，需要引起重视。

对电费电价领域的包括欠费复电在内的4项业务通过改进熵权法计算权重，通过TOPSIS方法计算其分数，其熵值及权重计算结果如表2所示，指标得分计算结果如表3所示。

表2电费电价领域下各业务熵值及权重

表3电费电价领域下各业务指标得分

由表2可知，在电费电价业务中，电费账务的熵值最小为0.750，说明该项指标给供电公司服务评价提供了最多信息，因此该指标在电费电价领域下具有最高的权重0.457；同时抄表业务具有最高的信息熵0.923，说明在该业务各供电公司的分布较为平均，因此其对电费电价领域评价影响较小，因此经计算其权重也较小，为0.142。由表3数据可知，在电费电价领域，表现较好的供电公司为供电公司8、供电公司9、供电公司2。表现最劣的供电公司为供电公司3，其催缴费业务得分为0.032，抄表业务得分为0.162，欠费复电业务得分为0.097，电费账务得分为0.069，均为全省末流，需要引起重视；次劣的供电公司为供电公司11，其在抄表业务与欠费复电业务表现较好，催缴费业务得分为0.230，电费账务业务得分为0.037，需要在这两项业务上进行提升。

对共计12个供电服务领域计算各供电公司得分，形成供电服务评价二级指标矩阵，根据改进熵权法计算各服务领域熵值、权重，其结果如表4所示。

表4各服务领域熵值及权重

由表4可知，各用电领域中，用电检查领域具有最小的熵值0.757，说明各供电公司在该领域得分分布较无规律，即提供了最多的评价信息，因此其具有最高的权重0.163；另一方面，在营商环境领域，大部分供电公司得分较为接近，其熵值也为所有服务领域中最小，为0.946，因此在供电服务水平评价中其权重也最低，经计算该领域权重为0.037。

最后，将对各供电公司进行综合评价，得到供电服务综合得分如图3所示。

由图3可知，供电公司ZS具有最高的供电服务水平，其综合评价结果为0.794；其次为供电公司LS，综合评价结果为0.581。

将经计算得到的领域得分作为数据输入进行双层聚类，上层聚类根据DBI指标计算可得到最优的聚类数目为3,下层按照评价等级可分为4类，经聚类后可得到各评价等级中心如表5所示。

表5等级中心聚类分布表

根据各供电公司不同领域得分，得到其相应评价等级的隶属度，结合改进熵权法所求权重进行计算，最终可得到供电公司的供电服务等级，如表6所示。

表6供电公司服务等级隶属度

经计算，9月份该省份共有3家供电公司评价等级为优，分别为供电公司7、供电公司8、供电公司10；1家供电公司评价等级为良，为供电公司2；其余供电公司评价等级为中，未出现评价等级为差的供电公司。经过本文所提出的模糊综合评价方法，可以实现对供电公司服务水平的等级评定，对服务水平做出直观评价。

步骤9、根据步骤4)、步骤5)、步骤8)的结果数据，利用可视化方式展示基于客户视角的供电服务综合分析结果、营销服务维度的供电服务分析结果，多维度进行展示，包括时间维度、地域维度、诉求维度，精准定位营销服务短板，并进行提醒、警告，以便于潜在供电服务问题治理，有效支撑各地市公司服务水平量化分析与评价。

具体功能界面见图4、图5所示。以95598工单月度数据为输入，在原有统计分析的基础上，通过本专利方法将各供电公司的整体服务水平进行评价，通过雷达图等手段对各地市评分进行直观展示。在时间上以月为单位对供电公司进行评价分析，为供电公司周期性服务评价提供参考；在地域维度上以地市为单位，通过全省范围内的横向比较，进行各地市的优劣势分析，有助于各地市互相借鉴提升；在种类维度上精准定位到具体服务业务各项指标得分，对各项业务进行精确评分，以便各供电公司分析溯源。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种基于双层聚类和模糊综合评价的供电服务分析方法，其特征在于包括以下步骤：

1)输入一定时间段内的95598工单结构化数据；

包括诉求类型、工单分类、用户满意度、是否供电企业有责；

2)综合考虑用户诉求数量、供电公司服务责任、工单异动水平、供电服务质量，根据结构化数据，建立供电服务水平评价指标体系；

3)计算各供电服务业务在各项评价指标下的指标值，根据多项指标形成供电服务水平的评估决策矩阵；

4)基于改进熵权法建立供电服务水平评价的客观赋权模型，并根据客观赋权模型得到包括营销、运检、基建业务领域下的各分项业务熵值及权重，分项业务包括营商环境、电费电价；

5)基于改进TOPSIS法对不同供电公司进行得分计算并排序；

6)基于供电服务得分进行双层聚类确定评分分布的聚类中心；

7)确认其模糊隶属函数，计算形成供电服务等级隶属矩阵；

式中，

表示指标值r_ip对于状态V_j的隶属度，矩阵A_i中第n行表示第n个指标的单因素评价结果，为V的模糊子集；

8)根据最大隶属原则确定供电公司服务水平，以及时定位供电服务风险问题；

9)根据步骤4)、步骤5)、步骤8)的结果数据，利用可视化方式展示基于客户视角的供电服务综合分析结果、营销服务维度的供电服务分析结果，多维度进行展示，包括时间维度、地域维度、诉求维度，精准定位营销服务短板，并进行提醒、警告，以便于潜在供电服务问题治理。

2.根据权利要求1所述的一种基于双层聚类和模糊综合评价的供电服务分析方法，其特征在于：在步骤2)，供电服务水平评价指标体系中，指标层采用针对供电公司不同服务业务的多项底层指标，包括客户诉求指标、责任归属指标、工单异动指标、服务处理指标；在业务层以供电公司业务作为依据的层级划分；在领域层对供电公司服务业务以领域划分；在步骤4)中，基于改进熵权法建立供电服务水平评价的客观赋权模型，用以确定指标层、业务层、领域层的指标权重。

3.根据权利要求2所述的一种基于双层聚类和模糊综合评价的供电服务分析方法，其特征在于：采用客户诉求指标来评价供电服务水平时，基于95598工单分为投诉、意见、服务申请工单三类，定义客户诉求指标为：

式中，S_i为第i类工单得分，Ni为该供电公司该业务第i类工单每百万户数量，N_i,min为第i类工单数量参考值，α_1i为第i类工单修正系数，0＜α_1i≤1且

4.根据权利要求2所述的一种基于双层聚类和模糊综合评价的供电服务分析方法，其特征在于：采用责任归属指标来评价供电服务水平时，基于所有客户诉求发生的原因从责任归属角度区分为客户、供电企业、非直接人员责任三类；且供电企业责任相对于其他两种责任原因会造成更为不良的用户体验，同时也是供电企业可以优化的方向；因此，所有工单中责任在供电企业的比重越小，则供电公司表现就越好，定义责任归属指标为：

式中，N_ZR为该供电公司中有责工单数量，N_ZR,min为有责工单数量参考值，N为该业务工单总数。

5.根据权利要求2所述的一种基于双层聚类和模糊综合评价的供电服务分析方法，其特征在于：采用工单异动指标来评价供电服务水平时，基于工单话务量为一种受包括用电负荷、气象的外部主观因素影响的非线性时间序列数据,工单异动数量为95598工单在正常波动量之外的不正常增长，当工单异动数量过大，则表明该供电公司在该业务领域出现异常情况，导致供电服务水平下降；基于平均变动情况，确定工单数量正常区间，定义工单异动指标为：

N_warn＝N_-1(1+G_mean)(1+δ)

式中，N_warn为异动数量阈值，N_-1为上月工单数量，G_mean为平均工单增长率，δ为工单异动置信系数。

6.根据权利要求5所述的一种基于双层聚类和模糊综合评价的供电服务分析方法，其特征在于：采用服务处理指标来评价供电服务水平时，基于供电服务申请的处理结果是供电服务评价的重要组成部分，是良好客户体验的重要基础；其中客户诉求的服务满意率与重复工单数量是反映供电公司服务水平的重要指标，服务满意率是客户对于工单处理结果的回访反馈，其满意率高，表明客户对处理结果普遍满意；重复工单数反映同一件事件未得到及时解决，其数量越多表明工单处理效率较低；定义服务处理指标如下：

式中，C为服务满意率，N_repeat为重复工单数，N_repeat,mean为重复工单数量参考值，α₄₁为服务满意率修正系数，α₄₂为重复工单量修正系数，满足α₄₁+α₄₂＝1。

7.根据权利要求6所述的一种基于双层聚类和模糊综合评价的供电服务分析方法，其特征在于：在步骤4)中，包括:

401)建立指标分数矩阵型：

在由N个待评价供电公司与M个待评价指标构成的指标分数矩阵R中，第m个评价指标的熵值可以定义如下：

式中：

并且假定当f_nm＝0时，f_nmlnf_nm＝0；其中，r_nm为第n个供电公司第m项指标的计算分数；

402)指标权重计算

基于改进熵权法的确定权重，使供电服务评价指标权重不受个别极端情况影响，从而得到相对合理的指标权重，权重计算表达式如下：

式中，ω_m为第m项指标权重，ω_1m为传统熵权法所求权重，ω_2m为修正权重，H_m为第m项指标熵值，

为所有不为1的指标熵的平均值；β为系数。

8.根据权利要求7所述的一种基于双层聚类和模糊综合评价的供电服务分析方法，其特征在于：在步骤5)中，包括步骤：

501)建立供电服务评价矩阵；

在对N个供电公司及M项评价指标的供电服务评价中，其供电服务评价矩阵R表示为：

502)建立加权后供电服务评价矩阵G；

G＝(g_nm)_N×M

式中，g_nm＝ω_mr_nm；

503)计算相似度

取各指标的最高得分为正理想解，取各指标的最低得分为负理想解，由此可以得到理想解向量

与

其中

由此可得各供电公司指标得分与正理想解与负理想解的距离相似度C_n1与余弦相似度C_n2，表达式如下所示；

式中，

为第n供电公司指标得分与正理想解的欧式距离，

为第n供电公司指标得分与负理想解的欧式距离，C_n1为第n供电公司的距离相似度，C_n2为第n供电公司与正理想解的余弦相似度，G_n为第n供电公司的指标得分向量；

结合距离相似度与余弦相似度，可以得到最终该供电公司的相对相似度，表达式如下所示：

S_n＝γ₁C_n1+(1-γ₁)C_n2

式中，γ₁为修正系数。

9.根据权利要求8所述的一种基于双层聚类和模糊综合评价的供电服务分析方法，其特征在于：在步骤7)中，取指标的模糊隶属函数为岭型函数；

针对i服务领域下的不同业务，计算各业务的模糊关系，结合各业务所求权重W_i，得到i服务领域的模糊评价向量B_i如下：

然后根据各服务领域的模糊评价向量，结合各服务领域权重向量W，可得最终该供电公司的模糊评价结果C：

式中，C为供电公司的模糊评价向量，B＝[B₁,B₂,…，B_l]^T，l为待评价服务领域，c_Vi表示对应不同评价等级的隶属度。

10.根据权利要求7所述的一种基于双层聚类和模糊综合评价的供电服务分析方法，其特征在于：β为35.35。

Images