CN112862172B - 国网95598停电投诉预测方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本发明提供了一种国网95598停电投诉预测方法、装置、计算机设备和存储介质，属电网配电技术领域。一种国网95598停电投诉预测方法，包括获取历史数据及供电线路数据，历史数据包括停电数据、抢修工单数据和投诉工单数据；根据供电线路数据，识别出供电线路所覆盖的供电区域；将供电线路数据、停电数据和抢修工单数据与投诉工单数据互相关联；构建停电投诉预测模型的特征向量并进行数值化处理；构建停电投诉预测模型；训练停电投诉预测模型；利用停电投诉预测模型进行投诉预测。本发明通过挖掘抢修工单、停电信息、投诉工单和供电线路等数据，训练合理预测模型，能够为配网工程施工优化提供参考，合理安排停电施工，提高电力企业供电质量和用户满意度。

Description

国网95598停电投诉预测方法、装置、计算机设备和存储介质

技术领域

本发明属于电网配电技术领域，具体涉及国网95598停电投诉预测方法、装置、计算机设备和存储介质。

背景技术

95598是全国统一的供电服务热线电话号码，提供电量电费查询、业务办理及咨询、停电信息查询、故障报修、电费卡充值及查询、受理客户投诉、举报与建议等服务。从国家电网公司综合统计数据看，95598系统受理投诉工单最多的为供电质量投诉，占比31.17%，热点投诉为频繁停电（汪岳荣. 浅议防控供电服务投诉[J]. 农村电工, 2019(10): 22.）。作为与客户交流、沟通的重要窗口，95598客户服务目前以接受用户投诉的方式对客户问题处理情况进行管控，但是用户投诉属于事后灭火的处理方式，而且投诉过多既影响客户的消费体验也影响电力企业的口碑，如何减少用户投诉成为电力企业提升服务品质的紧要问题。

从国内供电可靠性指标的管理数据分析，我国供电可靠性中的非限电性质的计划停电所占比例最大，对供电质量影响最大。所以，通过对以往95598系统受理投诉数据的分析，预测停电后可能发生的投诉情况，是制定科学合理停电计划的有效参考。通过对投诉情况的预测，也能在停电计划制定后，提前进行充分的停电宣传，提前主动的与敏感客户沟通，以提高服务质量，减少客户的投诉。

如专利文献CN110503249A提出一种由停电引起的投诉预测方法，该方法包括以下步骤：（1）通过收集国家电网PMS2.0系统、营销系统、95598客服系统中的停电信息、客户台账信息和用户的话务信息获得了各个维度数据，并通过用户台区编号和用户户号对三个系统内的数据进行了关联，并由此区分了停电期间话务数据和非停电期间的话务数据；（2）对于停电期间的话务数据，先用熵值法确定停电时长、是否事先通知、高峰停电时间占比对话务数据有影响的特征的权重，后根据其影响权重，屏蔽停电事件对台区之间停电话务数据带来的差异，在此基础上根据日常话务数据和停电话务数据来电力用户的敏感程度进行刻画。但该专利存在以下不足：该专利使用用户台区编号和用户户号对停电信息、客户信息和工单信息的数据进行了关联，并未详细讲述关联方法，且关联方式过于简单。在具体实现时，需要对停电信息、抢修工单、投诉工单和供电线路信息进行进一步处理才能完成关联；该专利采用聚类分析的方法划定敏感度等级，但聚类算法为无监督学习方法，将其聚类分析结果用于特征值的敏感度等级划分，会影响预测准确率；在进行停电投诉预测时，未将抢修工单数据中的一些特征值考虑在内。

又如文献（许鑫, 王莉, 孙志杰, 等. 一种基于数据挖掘的频繁停电投诉预警模型[J]. 信息记录材料, 2017, 18(2): 64-66.）提出一种基于数据挖掘的频繁停电投诉预警模型，文献中预警数据挖掘流程主要包括：创建预警数据库、建立预警数据挖掘算法、以及设置数据挖掘算法参数，所述数据挖掘算法建立的具体步骤包括：构建标准数据库、地址匹配、以及转换存储。该文献中规定两个月内同一用户出现三次及以上的停电则视为频繁停电，而实际的投诉工单中，已对投诉进行三级分类，且由此方法计算的结果无实际参考意义（工单数据有限，不能实现数据的精确统计），导致数据处理方式不恰当；并且该文献未将投诉工单中回访时的客户满意度、供电线路停电概率等特征考虑在内。

发明内容

本发明所要解决的技术问题是，针对现有技术的不足，提供国网95598停电投诉预测方法、装置、计算机设备和存储介质。

为解决上述技术问题，本发明所采用的技术方案是：

一种国网95598停电投诉预测方法，包括：

获取历史数据及供电线路数据，所述历史数据包括停电数据、抢修工单数据和投诉工单数据；

根据所述供电线路数据，识别出供电线路所覆盖的供电区域；

将供所述电线路数据、所述停电数据和所述抢修工单数据均与所述投诉工单数据互相关联；

构建停电投诉预测模型的特征向量并进行数值化处理；

构建所述停电投诉预测模型；

训练所述停电投诉预测模型；

利用所述停电投诉预测模型进行投诉预测。

进一步的，所述特征向量包括：线路停电概率、线路投诉概率、线路抢修热力值和投诉后客户满意度。

进一步的，利用逻辑回归算法实现对停电投诉模型的构建。

进一步的，在进行投诉预测时，同步采用可视化方法在地图上显示相关历史数据。

一种国网95598停电投诉预测装置，包括：

获取模块，所述获取模块用于从电网系统中获取历史数据，所述历史数据包括停电数据、抢修工单数据和投诉工单数据；

处理模块，所述处理模块用于对所述历史数据进行关联处理，用于进行停电投诉预测模型的构建、训练，用于进行停电投诉预测，用于进行地理位置有关处理；

存储模块，所述存储模块用于存储所述历史数据。

显示模块，所述显示模块用于向工作人员显示地图及叠加在地图上的各种信息；

所述获取模块、所述存储模块和所述显示模块均与所述处理模块信号连接。

一种计算机设备，包括存储器和处理器，所述存储器用于存储计算机程序和数据，所述处理器调用存储器存储的计算机程序，以执行所述国网95598停电投诉预测方法。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时用于实现所述国网95598停电投诉预测方法。

配网抢修和95598投诉作为国网配电系统管理的两个重要环节，因其将直接影响电力企业供电质量的稳定性和可靠性，并进一步影响用户对供电企业的满意程度，而越来越受到人们的关注。而降低投诉、提高电力公司配网抢修效率，需要深度分析投诉及抢修现状，制定科学合理的抢修力量调配策略。目前中等规模的市级供电公司每年大约需要处理上万条故障抢修工单，其中包含了大量的数据信息和隐藏价值亟待挖掘，为抢修力量布局策略制定提供最原始的依据。

在有关停电投诉预测的现有技术中，多侧重于对客户停电敏感度的研究。停电敏感客户是指在供电服务过程中通过多种渠道或多种形式对停电关注度较高的客户。客户停电敏感度研究，是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停电敏感客户进行刻画。如文献（严宇平, 吴广财. 基于数据挖掘技术的客户停电敏感度研究与应用[J]. 新技术新工艺, 2015, 9: 89-93.）提出一种基于数据挖掘技术的客户停电敏感度预测分析方法，文献以客户停电事件为切人点，研究不同客户停电发生后的行为特征，总结归纳出影响客户停电敏感度的重要因素，并建立停电敏感度的预测模型。

客户停电敏感度的预测用于识别出停电敏感度高的客户，多为了针对不同客户提供差异化的停电服务。但停电时影响的不是单一客户，而是停电区域内的所有客户，这种以单个客户敏感度为基础的停电投诉预测方法具有很大的局限性，所以又出现了以停电区域或停电线路为基础的停电投诉预测方法，如专利文献CN111489270A等。

这些现有技术均通过构建投诉预测模型实现，但在构建模型时，所选择的评价特征或评价指标偏重于投诉数据和停电数据，未能将历史抢修数据也考虑进去，因此其预测准确度仍然有限。所以本发明人提出了这种利用停电数据、抢修工单数据、投诉工单数据和供电线路数据的实现停电投诉预测的方法。

本发明的有益效果如下：

本发明利用停电数据、抢修工单数据、投诉工单数据和供电线路数据的实现对停电投诉的预测，在构建投诉预测模型时所选择的特征覆盖范围广，预测准确度高。本发明能够自动从OMS系统（停电管理系统）中获取停电数据，从TCM系统（故障抢修系统）中获取抢修工单数据，从PMS系统（生产管理系统）中获取供电线路数据，从95598系统中获取投诉工单数据，自动化程度高，能够减少在处理数据时的人工成本。

本发明通过挖掘抢修工单、停电信息、投诉工单和供电线路等潜在数据价值，训练合理预测模型，能够为配网工程施工优化提供参考，合理安排停电施工，提高电力企业供电质量和用户满意度。

本发明能够准确预测停电后可能发生的投诉情况，能够为制定科学、合理的停电计划提供有效参考数据，能够为合理规划设备运维检修、及电力施工方面提供有效参考数据。采用本发明能够提前识别客户投诉风险，能够进一步提高服务水平，维护电网公司的良好品牌形象，为电网公司带来更多效益。

附图说明

下面结合附图对本发明做进一步的详细说明。

图1：本发明实施例1的流程图。

图2：本发明实施例2的示意图。

图3：本发明实施例3的示意图。

具体实施方式

为了更好地理解本发明，下面结合实施例和附图进一步清楚阐述本发明的内容，但本发明的保护内容不仅仅局限于下面的实施例。在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员来说显而易见的是，本发明可以无需一个或多个这些细节而得以实施。

实施例1：

本实施例的目的是提供国网95598停电投诉预测方法，如图1所示，所述方法包括：

1、步骤S1，获取停电数据、抢修工单数据和投诉工单数据等历史数据及供电线路数据。

本步骤主要用于获取投诉、停电、维修等相关的历史数据及供电线路数据。

所获取的历史数据具体包括停电数据、抢修工单数据和投诉工单数据，所述停电数据可直接从OMS系统（停电管理系统）的后台数据库中获取，所述抢修工单数据可直接从TCM系统（故障抢修系统）的后台数据库中获取；所述投诉工单数据可直接从电网95598系统的后台数据库中获取。

依据《国家电网公司95598客户服务业务管理办法》的有关规定，电网投诉工单按照三级业务进行分类，在获取投诉工单数据时，可仅选择“停送电投诉”、“供电质量投诉”的一级分类，并根据停电有关的三级分类获取停电相关的投诉工单。这样能够排除服务投诉、营业投诉等无关的投诉工单。

所述供电线路数据为供电线路的覆盖区域等相关数据，可直接从电网PMS系统（生产管理系统）的后台数据库中获取。

当然，所述停电数据、所述抢修工单数据和所述供电线路数据也可从电网配电部获取，所述投诉工单数据也可从国网营销部或国网客服中心获取。

2、步骤S2，根据供电线路数据，识别出供电线路所覆盖的供电区域。

本实施例对于地图、地址、地理位置的处理，主要是利用互联网上现有地图API实现，如百度地图API、高德地图API、腾讯位置服务等。

本步骤根据各供电线路所覆盖的供电区域，利用地图API获取该供电区域边界的经纬度坐标，同时将该供电区域在地图上显示出来。

3、步骤S3，将供电线路数据、停电数据和抢修工单数据与投诉工单数据互相关联。

依据《国家电网公司95598客户服务业务管理办法》的有关规定，95598热线所生成的停电投诉工单中包括用电地址、客户姓名、客户户号、联系方式、故障现象等信息。客户停电投诉的处理流程为：国网客服中心受理客户停电投诉后，生成故障工单，将故障工单直接派单或经省级客服中心派单至地市、县供电企业调控中心；调控中心接单后，生成抢修工单并派单至维修人员，维修完毕后，由调控中心回复故障工单；国网客服中心对客户进行回访，调查对此次投诉处理的满意程度。上述停电投诉的处理流程为一闭环过程。

目前电网所用OMS系统（停电管理系统）、TCM系统（故障抢修系统）和95598系统的后台数据并不直接连通，直接获取的停电数据、抢修工单数据和投诉工单数据并不是对应的，但可根据停电投诉的处理流程及发生时间将相关数据进行关联。

具体的，本步骤S3实现供电线路数据、停电数据和抢修工单数据与投诉工单数据的关联方法包括：

1）步骤S31，将抢修工单数据与投诉工单数据互相关联。

根据投诉工单的格式，通过编写正则表达式对投诉工单数据进行匹配，筛选出时间、所派单的故障工单编号、户号等信息，随后根据故障工单编号从抢修工单数据中匹配出对应的抢修工单。如果无法筛选出故障工单编号，可根据户号及近似时间匹配出对应的抢修工单。

完成上述处理后，即实现了该投诉工单与抢修工单的关联。

2）步骤S32，将供电线路数据与投诉工单数据互相关联。

从投诉工单中识别出用电地址，利用地图API的地理编码功能，获取该用电地址的经纬度坐标。然后利用步骤S2所获取的供电区域边界的经纬度坐标对本步骤所获取的经纬度坐标进行匹配，判断该用电地址所属的供电区域以及对应的供电线路。

完成上述处理后，即实现了该投诉工单与供电线路的关联。

对于用电地址的识别，可采用正则表达式匹配的方式实现，也可采用中文命名实体识别实现，也可采用互联网上的地址识别API实现。

3）步骤S33，将停电数据与投诉工单数据互相关联。

根据步骤S32所获取的对应供电线路，利用步骤S31所筛选出的时间进行近似时间匹配，即可匹配出对应的停电数据。

完成上述处理后，即实现了该投诉工单与停电数据的关联。

当按步骤S31-S33完成所有投诉工单数据的关联后，即实现了供电线路数据、停电数据和抢修工单数据与投诉工单数据的互相关联。

4、步骤S4，构建停电投诉预测模型的特征向量并进行数值化处理。

本步骤以停电数据为基础，构建包括下表内容的特征向量。

线路停电概率	停电类型	抢修时长	停电影响户数
				线路投诉概率	计划停电时长	停电原因	是否提前告知
线路抢修热力值	实际停电时长	现场送电类型	投诉后客户满意度

所述线路停电概率表示该条停电数据所涉及的供电线路在所有停电数据中出现的概率，其数值为所涉及供电线路在所有停电数据中出现的次数，与所有供电线路在所有停电数据中出现总次数之间的比值。

所述线路投诉概率表示该条停电数据所涉及的供电线路在所有投诉工单数据中出现的概率，其数值为所涉及供电线路在所有投诉工单数据中出现的次数，与所有供电线路在所有投诉工单数据中出现总次数之间的比值。

所述线路抢修热力值表示该条停电数据所涉及的供电线路在所有抢修工单数据中出现的概率，其数值为所涉及供电线路在所有抢修工单数据中出现的次数，与所有供电线路在所有抢修工单数据中出现总次数之间的比值。

所述停电类型的分类包括计划停电、临时停电、故障停电等；为便于后续处理，停电类型可按分类不同，映射为0、1、3等数值。

所述计划停电时长的数值为该条停电数据中停电结束时间与停电开始时间的差值。

所述实际停电时长的数值为该条停电数据中现场送电时间与停电开始时间的差值。

所述抢修时长的数值为该条停电数据所关联的抢修工单数据中抢修完成时间与到达现场时间的差值。

所述停电原因为引发停电或可能引发停电的原因，也可对其进行分类后映射为具体数值。

所述现场送电类型为抢修后的送电情况，包括全部送电、部分送电或未送电；为便于后续处理，现场送电类型可分别映射为0、1、3等数值。

所述停电影响户数为停电范围内用户的数量。

所述是否提前告知可用数值0代表“否”，用1代表“是”。

所述投诉后客户满意度为客服中心对客户进行回访时所获取的客户满意程度。

5、步骤S5，构建停电投诉预测模型。

本实施例以逻辑回归（Logistic Regression）算法构建停电投诉预测模型。

逻辑回归是一种用于二分类（binary classification）的算法，因此我们可假设，y值为1时代表二分类中的正类（投诉），为0时代表二分类中的反类（不投诉）。

具体的，本步骤S5构建停电投诉预测模型方法包括：

1）步骤S51，构建假设函数。

步骤S51的相关公式如下：

在线性回归算法中，假设函数被定义为，此时假设函数的取值范围为。但在二分类中，输出y的值只能为1或者0，因此，公式(1)利用Sigmoid函数将输出范围缩放为。

公式(1)表示输入为x时y=1的概率，比如公式(1)的计算结果为0.65，则表示有65%的概率y的值为1，即有65%的概率客户会发起投诉。

2）步骤S52，确定决策边界。

根据步骤S51所构建的假设函数可以得到：

公式(2)中是y值为1或0的边界。在具体实施时，为保证本发明更贴合实际需求并使预测率更准确，本实施例以/>作为决策边界，即：

3）步骤S53，构建代价函数。

步骤S53的相关公式如下：

公式(4)为一凸函数，可用梯度下降法直接求解，局部最小值即全局最小值。

6、步骤S6，训练停电投诉预测模型。

本步骤依据步骤S4，从停电数据为基础，从中生成训练数据，并利用训练数据对停电投诉预测模型进行训练。模型训练完毕后，将训练好的模型保存下来，用于进行停电投诉预测。

7、步骤S7，利用停电投诉预测模型进行投诉预测。

在计划进行停电时，可向停电投诉预测模型中输入停电有关数据，对停电后可能发生的投诉情况进行预测。所输入的数据为依据步骤S4数值化后的特征向量，输出结果为客户是否会发起投诉及发起投诉的概率。

在输入停电有关数据的同时，可自动获取该停电区域的历史投诉信息，并采用热力图等可视化方法在地图上显示相关数据。

通过对投诉情况的预测，在停电计划制定后，提前进行充分的停电宣传，提前主动的与敏感客户沟通，能够提高服务质量，减少客户的投诉几率。

实施例2：

本实施例2的目的是提供一种国网95598停电投诉预测装置，所述装置用于实现国网95598停电投诉预测方法，为了实现上述目的，本发明采用以下技术方案：

如图2所示，本实施例包括获取模块101、处理模块102、存储模块103和显示模块104，获取模块101、存储模块103和显示模块104均与处理模块102信号连接。

获取模块101用于从OMS系统（停电管理系统）中获取停电数据，用于从TCM系统（故障抢修系统）中获取抢修工单数据，用于从PMS系统（生产管理系统）中获取供电线路数据，用于从95598系统中获取投诉工单数据。

处理模块102用于对获取模块101所获取的数据进行关联处理，用于进行停电投诉预测模型的构建、训练，用于进行停电投诉预测，用于进行地理位置有关处理。

存储模块103用于存储获取模块101所获取的数据。

显示模块104用于向工作人员显示地图及叠加在地图上的各种信息。

上述国网95598停电投诉预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于电子设备中的处理器中，也可以以软件形式存储于电子设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

实施例3：

本实施例3的目的是提供一种计算机设备，所述计算机设备可以是计算机，也可以是服务器，其内部结构图可以如图3所示。所述计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，所述计算机设备的处理器用于提供计算和控制能力。所述计算机设备的存储器包括非易失性存储介质、内存储器；所述非易失性存储介质存储有操作系统、计算机程序和数据库；所述内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。所述计算机设备的数据库用于存储历史数据、停电投诉预测模型、模型训练数据等。所述计算机设备的网络接口用于与外部设备通过网络连接通信。所述计算机程序被处理器执行时以执行所述国网95598停电投诉预测方法。

本领域技术人员可以理解，图3中示出的结构，仅仅是与本发明相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

实施例4：

本实施例4的目的是提供一种计算机设备，包括存储器和处理器，所述存储器用于计算机程序和数据，所述处理器调用存储器存储的计算机程序，以执行所述国网95598停电投诉预测方法。

实施例5：

本实施例5的目的是提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时用于实现所述的国网95598停电投诉预测方法。

需要说明的是，本发明相关步骤的标号并不代表执行的先后顺序，本领域技术人员对上述步骤的顺序变换并不离开本发明的保护范围。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种国网95598停电投诉预测方法，其特征在于：所述方法包括：

获取历史数据及供电线路数据，所述历史数据包括从停电管理系统中获取的停电数据、从故障抢修系统中获取的抢修工单数据和从95598系统中获取的投诉工单数据；

根据所述供电线路数据，识别出供电线路所覆盖的供电区域；

将所述供电线路数据、所述停电数据和所述抢修工单数据均与所述投诉工单数据互相关联；

利用所述历史数据构建停电投诉预测模型的特征向量并进行数值化处理；

构建所述停电投诉预测模型；

训练所述停电投诉预测模型；

利用所述停电投诉预测模型进行投诉预测；

所述抢修工单数据与所述投诉工单数据互相关联的方法包括：根据从所述投诉工单数据中筛选出的故障工单编号匹配所述抢修工单数据；

所述供电线路数据与所述投诉工单数据互相关联的方法包括：从所述投诉工单中识别出用电地址，将所述用电地址与所述供电线路的供电区域相匹配；

所述停电数据与所述投诉工单数据互相关联的方法包括：根据与所述投诉工单数据相关联的所述供电线路数据，并根据从所述投诉工单数据中筛选出的时间匹配所述停电数据；

利用逻辑回归算法实现对所述停电投诉预测模型的构建，构建方法包括：构建假设函数；确定决策边界；构建代价函数；

停电投诉预测模型的特征向量包括：线路停电概率、停电类型、抢修时长、停电影响户数、线路投诉概率、计划停电时长、停电原因、是否提前告知、线路抢修热力值、实际停电时长、现场送电类型和投诉后客户满意度。

2.根据权利要求1所述的国网95598停电投诉预测方法，其特征在于：在进行投诉预测时，同步采用可视化方法在地图上显示相关历史数据。

3.一种国网95598停电投诉预测装置，其特征在于：用于执行权利要求1至2中任一项所述投诉预测方法；所述装置包括：

获取模块，所述获取模块用于从电网系统中获取历史数据，所述历史数据包括停电数据、抢修工单数据和投诉工单数据；

处理模块，所述处理模块用于对所述历史数据进行关联处理，用于进行停电投诉预测模型的构建、训练，用于进行停电投诉预测，用于进行地理位置有关处理；

存储模块，所述存储模块用于存储所述历史数据；

显示模块，所述显示模块用于向工作人员显示地图及叠加在地图上的各种信息；

所述获取模块、所述存储模块和所述显示模块均与所述处理模块信号连接。

4.一种计算机设备，包括存储器和处理器，其特征在于：所述存储器用于存储计算机程序和数据，所述处理器调用存储器存储的计算机程序，以执行权利要求1至2任一项所述的国网95598停电投诉预测方法。

5.一种计算机可读存储介质，存储有计算机程序，其特征在于：所述计算机程序被处理器执行时用于实现权利要求1至2中任一项所述的国网95598停电投诉预测方法。