电网客户服务话务量特性分析

<正>随着现代化社会的快速发展,电网客户服务中心的话务量显著增加,对其进行有效的分析和预测变得尤为重要。本文提出了一种基于回归季节趋势分解（Seasonal-Trend decomposition procedure based on Regression,STR）的电网客户服务话务量特性分析方法,从而揭示话务量的多种模式,如趋势、周期性、气温协变性和随机性。     

基于多维数据融合的家庭用能辅助决策算法研究

<正>能源的有效利用可以通过削减负荷和转移负荷来促进能源系统的稳定性。虽然减少电力消耗对许多家庭不可行，但通过重新分配能耗以更好地匹配供需来转移负荷是可行的。为了在实践中实施这种方法，家庭需要一个简单但功能强大的架构以提供基于数据驱动的决策。辅助决策算法可以通过推荐节能建议，提供了一个有价值的框架。为此，本文提出一种基于多维数据融合的家庭用能辅助决策算法，用于家庭住宅中的负荷转移，以此提高用户用能效率，助力节能低碳。     

基于模糊谱聚类的电力客服智能问答系统

为解决电力公司用户服务需求较大与客服数量较少的问题，设计基于模糊谱聚类的电力客服智能问答系统。通过信息辅助模块将问题工单上传至知识库，将完成预处理的问题储存至知识库，通过深度学习分类模型完成问题属性分类后，模糊谱聚类匹配问题答案，计算差异关键词的相似度，查找系列相关问题，通过自助客服模块即时分析后，在系统界面向用户呈现问题答案。实例测试结果表明，该系统具有较低的最坏时间复杂度，可有效加快电力公司的信息传输效率。     

纵横交叉算法优化FCM在电力客户分类中的应用

电力客户分类是供电企业客户关系管理的基石,为了提高聚类算法的稳定性和精确性,提出了一种纵横交叉算法(CSO)与模糊C均值算法(FCM)有机结合的新聚类算法(CSO-FCM),并用新算法进行客户分类。新方法有效弥补了单一算法的不足,拥有模糊理论处理不确定信息的能力以及纵横交叉算法全局收敛性强的特点。利用新算法对电力客户数据进行客观、科学的挖掘分析,实现了对电力大客户较全面和准确的精细化分类,为供电企业制定有针对性的营销策略提供了依据。