徐 鳴，蘇東東，游春凌，陳鴻凌，張 波

（1.國(guó)網(wǎng)福建省電力有限公司電力科學(xué)研究院客戶服務(wù)中心，福建 福州 350000；2.國(guó)網(wǎng)福建省電力有限公司物資分公司，福建 福州 350000；3.福建省供電服務(wù)有限責(zé)任公司，福建 福州 350000；4.國(guó)網(wǎng)山東電力公司濰坊供電公司，山東 濰坊 261000）

0 引言

停電問(wèn)題一直以來(lái)都是用電客戶的第一熱點(diǎn)訴求和供電輿情的重要風(fēng)險(xiǎn)點(diǎn)，某省2014—2017 年客戶停送電相關(guān)訴求數(shù)據(jù)（含95598 供電服務(wù)熱線、供電營(yíng)業(yè)廳、電子渠道、社會(huì)聯(lián)動(dòng)、第三方滿意度測(cè)評(píng)等）表明，停電安排不合理、停電時(shí)間長(zhǎng)、頻繁停電是用電客戶的服務(wù)痛點(diǎn)。傳統(tǒng)的停送電服務(wù)模式局限于被動(dòng)搶修和事后補(bǔ)救，無(wú)法滿足客戶實(shí)時(shí)化、差異化的停送電服務(wù)需求。準(zhǔn)確預(yù)測(cè)客戶的敏感程度，提前做好用電服務(wù)，優(yōu)化服務(wù)資源調(diào)配，從而減少客戶投訴量，提升客戶滿意度，優(yōu)化電力營(yíng)商環(huán)境。

客戶停電敏感度是指在供電服務(wù)過(guò)程中客戶通過(guò)多種渠道或形式對(duì)停電關(guān)注度的高低。對(duì)于停電敏感度的研究，最初采用調(diào)研和專家評(píng)價(jià)法［1］，隨著大數(shù)據(jù)技術(shù)發(fā)展，一些專家學(xué)者提出采取決策樹(shù)、邏輯回歸、熵值法、相關(guān)性分析法等算法［2-5］構(gòu)建停電敏感度模型，但存在建模影響因素考慮不全面，缺乏大數(shù)據(jù)平臺(tái)支撐，預(yù)測(cè)準(zhǔn)確率偏低，應(yīng)用場(chǎng)景單薄等問(wèn)題?；陔S機(jī)森林算法，充分吸納停送電相關(guān)數(shù)據(jù)進(jìn)行建模，且能較好地適應(yīng)正負(fù)樣本不平衡問(wèn)題?；诜植际轿募到y(tǒng)（Hadoop Distributed File System，HDFS）和Spark 計(jì)算引擎搭建的大數(shù)據(jù)平臺(tái)上分析計(jì)算，應(yīng)用于“事前計(jì)劃停電優(yōu)化安排”“事中故障停電服務(wù)補(bǔ)救”和“事后頻停投訴風(fēng)險(xiǎn)防范”等電力服務(wù)場(chǎng)景。

1 隨機(jī)森林建模方法

1.1 隨機(jī)森林算法簡(jiǎn)介

預(yù)測(cè)客戶的停電敏感度本質(zhì)是分類問(wèn)題［6］。隨機(jī)森林是一種常用于解決分類問(wèn)題的集成學(xué)習(xí)方法，集成眾多決策樹(shù)，當(dāng)輸入待分類的樣本時(shí)，每棵決策樹(shù)均參與投票，以多數(shù)投票輸出分類結(jié)果。該方法訓(xùn)練速度快，能夠處理高維數(shù)據(jù)，對(duì)多元共線性不敏感，對(duì)處理缺失數(shù)據(jù)和非平衡的數(shù)據(jù)表現(xiàn)較好，模型泛化能力強(qiáng)［7-8］。基于樣本Bagging 和特征隨機(jī)子空間，每棵決策樹(shù)的樣本訓(xùn)練集S（i），由總樣本S 中有放回地抽取與S 等量的樣本組成；決策樹(shù)內(nèi)部節(jié)點(diǎn)是從全部屬性中隨機(jī)抽取組成，通過(guò)選擇最優(yōu)屬性來(lái)分裂節(jié)點(diǎn)，生成第i 棵決策樹(shù)，最終組成隨機(jī)森林。決策樹(shù)訓(xùn)練流程如圖1 所示。

圖1 隨機(jī)森林中決策樹(shù)訓(xùn)練流程

單棵決策樹(shù)的構(gòu)造是選擇信息增益最大的屬性作為樹(shù)節(jié)點(diǎn)，然后在子樹(shù)上分別重復(fù)劃分搜索過(guò)程，直到滿足一個(gè)停止生長(zhǎng)規(guī)則為止。分支屬性值選擇采用ID3 算法，即計(jì)算屬性值的信息增益，計(jì)算方法如下：

1）訓(xùn)練集S 的信息期望值

式中：S 是訓(xùn)練集，分為m 類；ui是第i 類的樣本量；P（ui）為ui在訓(xùn)練集S 中出現(xiàn)的概率。

2）屬性A 的信息熵

式中：A 為訓(xùn)練集中的某一屬性；V（A）為屬性A 所有取值的集合；v 為A 的其中一個(gè)屬性值；Sv是S 中A 的值為v 的樣例集合，｜Sv｜為Sv中所含樣本數(shù)。

3）屬性A 的信息增益

信息增益G（S，A）越大，表示屬性A 對(duì)于分類提供的信息量越大。將信息增益最大的屬性作為根節(jié)點(diǎn)，根據(jù)根節(jié)點(diǎn)屬性的取值將訓(xùn)練集分為若干子集，在各子集中選擇信息增益值最大的屬性作為子集的根節(jié)點(diǎn)，循環(huán)遞歸，形成一棵決策樹(shù)。

1.2 建模流程

建模流程分為模型訓(xùn)練和模型預(yù)測(cè)2 步。模型訓(xùn)練是基于訓(xùn)練集，采用隨機(jī)森林算法建立預(yù)測(cè)模型。模型預(yù)測(cè)是輸入待分類的數(shù)據(jù)，基于預(yù)測(cè)模型輸出分類結(jié)果。周期性更新訓(xùn)練集和將預(yù)測(cè)結(jié)果反饋給模型，讓模型不斷迭代優(yōu)化。模型的訓(xùn)練和預(yù)測(cè)流程如圖2 所示。

圖2 隨機(jī)森林建模流程

圖2 中，模型訓(xùn)練各環(huán)節(jié)說(shuō)明如下。

1）歷史樣本數(shù)據(jù)?；趯＜矣懻?、基層調(diào)研，梳理模型寬表和分類規(guī)則，提取歷史數(shù)據(jù)作為訓(xùn)練集。

2）數(shù)據(jù)預(yù)處理。對(duì)訓(xùn)練集中數(shù)值型數(shù)據(jù)用均值填充方法填充，對(duì)類別型數(shù)據(jù)用預(yù)指定的缺失類別進(jìn)行填；采用信息增益法篩選模型寬表中特征字段，作為建模字段。

3）隨機(jī)森林訓(xùn)練。采用隨機(jī)森林算法訓(xùn)練得到預(yù)測(cè)模型。

4）模型驗(yàn)證及優(yōu)化。通過(guò)部分新的數(shù)據(jù)，采用十折交叉驗(yàn)證方式評(píng)估模型準(zhǔn)確率；調(diào)整采樣方式和采樣比例優(yōu)化模型準(zhǔn)確率。

5）輸出模型。將準(zhǔn)確率最優(yōu)的模型作為輸出模型。

1.3 大數(shù)據(jù)平臺(tái)

大數(shù)據(jù)平臺(tái)用于數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)預(yù)處理、模型訓(xùn)練、模型預(yù)測(cè)［9］。采用HDFS 建立分布式存儲(chǔ)系統(tǒng)，基于Spark 內(nèi)存并行框架作為大數(shù)據(jù)計(jì)算系統(tǒng)，使用Spark MLlib 提供的隨機(jī)森林作為分類算法，設(shè)計(jì)并行數(shù)據(jù)預(yù)處理和分類評(píng)估構(gòu)建預(yù)測(cè)模型。Spark 基于內(nèi)存運(yùn)算，速度比Hadoop 有明顯提升［10］。

大數(shù)據(jù)平臺(tái)由分布式集群組成，包含9 個(gè)節(jié)點(diǎn)PC 機(jī)，節(jié)點(diǎn)之間可以免密碼SSH 訪問(wèn)，每臺(tái)PC 機(jī)裝有虛擬機(jī)和Linux 操作系統(tǒng)。每個(gè)節(jié)點(diǎn)PC 機(jī)CPU為雙核4 線程，主頻2.2 GHz，內(nèi)存8 GB，硬盤(pán)500 GB，其中一個(gè)節(jié)點(diǎn)作為主節(jié)點(diǎn)，其他的PC 均作為數(shù)據(jù)節(jié)點(diǎn)。主節(jié)點(diǎn)是大數(shù)據(jù)平臺(tái)管理節(jié)點(diǎn)，負(fù)責(zé)集群資源分配、作業(yè)調(diào)度，以及平臺(tái)空間管理與維護(hù)；數(shù)據(jù)節(jié)點(diǎn)負(fù)責(zé)數(shù)據(jù)存儲(chǔ)和運(yùn)行任務(wù)。模型工具采用開(kāi)源軟件：JDK 版本（1.7.0）、Hadoop 版本（1.2.0）、Scala 版本（2.10.4）、Spark 版本（1.6.0）。大數(shù)據(jù)平臺(tái)拓?fù)淙鐖D3 所示。

圖3 大數(shù)據(jù)平臺(tái)拓?fù)?/p>

大數(shù)據(jù)平臺(tái)的操作界面部署在客戶端，從電力信息內(nèi)網(wǎng)抽取寬表數(shù)據(jù)，處理為模型訓(xùn)練集和預(yù)測(cè)集，導(dǎo)入大數(shù)據(jù)平臺(tái)，經(jīng)數(shù)據(jù)預(yù)處理、模型訓(xùn)練、模型預(yù)測(cè)，最終將預(yù)測(cè)結(jié)果返回客戶端，結(jié)合業(yè)務(wù)需求將應(yīng)用級(jí)數(shù)據(jù)傳輸?shù)诫娏π畔?nèi)網(wǎng)。

2 停電敏感度預(yù)測(cè)模型研究

定義停電后通過(guò)95598 供電服務(wù)熱線、供電營(yíng)業(yè)廳、電子渠道等渠道產(chǎn)生咨詢、報(bào)修、投訴等訴求的客戶為敏感客戶，反之為不敏感客戶。預(yù)測(cè)模型是計(jì)算停電后客戶可能產(chǎn)生訴求的概率，區(qū)間為［0，1］，其中：［0，0.5］為停電不敏感，（0.5，1］為停電敏感。梳理出59 個(gè)與停電敏感度可能相關(guān)的寬表字段，經(jīng)數(shù)據(jù)預(yù)處理選擇40 個(gè)特征值參與建模。以某市電網(wǎng)2016 年1—6 月份461.12 萬(wàn)條停送電數(shù)據(jù)為例，開(kāi)展模型研究。其中，正負(fù)樣本分布極不均勻，正樣本為0.27 萬(wàn)條，因此采用不同比例的上采樣實(shí)驗(yàn)，并與無(wú)采樣和傳統(tǒng)統(tǒng)計(jì)方法比對(duì)，最優(yōu)化模型預(yù)測(cè)準(zhǔn)確率。

2.1 模型寬表

模型寬表是模型的輸入字段，選取合適的模型寬表關(guān)系到模型的準(zhǔn)確率。綜合用電客戶基本信息、用電信息、停電信息、負(fù)荷信息、95598 訴求信息等多維度與停電敏感度相關(guān)字段，源于95598 業(yè)務(wù)支持系統(tǒng)、營(yíng)銷業(yè)務(wù)系統(tǒng)、用電采集系統(tǒng)等系統(tǒng)的原始字段和衍生字段，共計(jì)59 個(gè)，維度分類如表1 所示。

2.2 數(shù)據(jù)預(yù)處理

2.2.1 數(shù)據(jù)質(zhì)量提升

目前很多95598 訴求工單因用電客戶編號(hào)、臺(tái)區(qū)信息不全，無(wú)法定位到具體停電臺(tái)區(qū)，導(dǎo)致客戶訴求無(wú)法關(guān)聯(lián)到停電信息，為此，制定以下4 種方法提升關(guān)聯(lián)度。

1）對(duì)于已辦結(jié)的故障報(bào)修工單，有客戶編號(hào)或臺(tái)區(qū)信息的可關(guān)聯(lián)至對(duì)應(yīng)的停電臺(tái)區(qū)，通過(guò)工單受理時(shí)間關(guān)聯(lián)停電信息；或者提取工單受理意見(jiàn)中備注的停電信息進(jìn)行關(guān)聯(lián)。

2）故障報(bào)修工單的受理時(shí)間晚于實(shí)際故障停電時(shí)間，可將報(bào)修工單的受理時(shí)間拓展至當(dāng)日，擴(kuò)大關(guān)聯(lián)停電信息的范圍。

3）業(yè)務(wù)咨詢工單的受理時(shí)間早于計(jì)劃停電的實(shí)際執(zhí)行時(shí)間，可將業(yè)務(wù)咨詢中計(jì)劃、臨時(shí)停電信息咨詢工單的受理時(shí)間往前拓展7 天，擴(kuò)大關(guān)聯(lián)停電信息的范圍。

表1 停電敏感度預(yù)測(cè)模型寬表字段

4）綜合分析營(yíng)銷業(yè)務(wù)系統(tǒng)和用電采集系統(tǒng)中的停電數(shù)據(jù)，針對(duì)短時(shí)停電事件或人工錄入錯(cuò)誤，可能造成營(yíng)銷業(yè)務(wù)系統(tǒng)中停電信息發(fā)布不規(guī)范，通過(guò)并入采集系統(tǒng)正確的停電數(shù)據(jù)，修復(fù)營(yíng)銷業(yè)務(wù)系統(tǒng)中的停電信息，提高訴求與停電信息的關(guān)聯(lián)度。

2.2.2 數(shù)據(jù)填充

數(shù)據(jù)通常存在缺失或錯(cuò)漏，特別是停送電訴求工單中用電客戶編號(hào)、臺(tái)區(qū)信息存在缺失的現(xiàn)象，若將這些值拋棄掉，將嚴(yán)重影響敏感度識(shí)別的計(jì)算結(jié)果。為了達(dá)到更好的建模效果，采用均值插補(bǔ)方式對(duì)缺失值進(jìn)行填充處理。

2.2.3 特征選擇

考慮到其他字段權(quán)重較低，采用信息增益法在模型寬表中選取排名在前15 的信息增益作為特征字段，用于模型訓(xùn)練。特征字段信息增益越大，表示對(duì)建模影響程度越大。特征字段信息增益權(quán)重如表2 所示。

2.3 模型評(píng)估與優(yōu)化

利用查全率和查準(zhǔn)率衡量預(yù)測(cè)模型的精度［11］，并通過(guò)調(diào)整采樣方式和比例，不斷優(yōu)化模型精度。設(shè)TP為預(yù)測(cè)正確的停電敏感客戶數(shù)，F(xiàn)P為預(yù)測(cè)錯(cuò)誤的停電敏感客戶數(shù)，F(xiàn)N為預(yù)測(cè)錯(cuò)誤的停電不敏感客戶數(shù)，TN為預(yù)測(cè)正確的停電不敏感客戶數(shù)。

表2 停電敏感度預(yù)測(cè)模型建模字段權(quán)重

查準(zhǔn)率Z 指模型預(yù)測(cè)正確數(shù)占預(yù)測(cè)的停電敏感客戶數(shù)的比例

查全率R 指模型預(yù)測(cè)正確數(shù)占實(shí)際的停電敏感客戶數(shù)的比例

Z 和R 指標(biāo)會(huì)存在不一致的情況，需綜合考慮，最常見(jiàn)的方法是采用F 測(cè)度，F(xiàn) 測(cè)度是查全率和查準(zhǔn)率加權(quán)調(diào)和平均值

模型訓(xùn)練集無(wú)采樣方式的正負(fù)樣本比例為1∶795，通過(guò)增加正樣本占比，對(duì)比不同上采樣比例，以及傳統(tǒng)統(tǒng)計(jì)方式的預(yù)測(cè)準(zhǔn)確率，選擇最優(yōu)采樣方式。結(jié)果表明：無(wú)采樣方式能準(zhǔn)確識(shí)別停電敏感客戶，上采樣方式能識(shí)別更多的敏感客戶，傳統(tǒng)統(tǒng)計(jì)方式的查全率和查準(zhǔn)率均低于無(wú)采樣方式，且無(wú)采樣方式的F 測(cè)度均高于其他2 種方式（較傳統(tǒng)方式提升6 倍），故選擇無(wú)采樣方式建模。不同采樣方式下預(yù)測(cè)準(zhǔn)確率如表3 所示。

表3 不同采樣方式下預(yù)測(cè)準(zhǔn)確率

3 停電敏感度預(yù)測(cè)模型應(yīng)用

在有百萬(wàn)級(jí)用電客戶的某市電網(wǎng)試點(diǎn)，采用傳統(tǒng)統(tǒng)計(jì)方法預(yù)測(cè)停電敏感客戶的準(zhǔn)確率不足10%。應(yīng)用停電敏感度預(yù)測(cè)模型，在“優(yōu)先保障查準(zhǔn)率，最大化查全率”的原則下，不斷迭代優(yōu)化模型參數(shù)。2016 年7 月至2017 年10 月的典型月份（不含臺(tái)風(fēng)等災(zāi)害天氣月份和春節(jié)保電月份）數(shù)據(jù)表明：查準(zhǔn)率呈上升趨勢(shì)，2017 年模型查準(zhǔn)率均超過(guò)98%，查全率均超過(guò)18%。模型實(shí)際應(yīng)用的準(zhǔn)確率情況如表4所示。

表4 實(shí)際應(yīng)用下模型準(zhǔn)確率

通過(guò)進(jìn)一步分析停電敏感客戶的敏感特征，有效支撐供電公司停送電服務(wù)精益化管理，使得計(jì)劃停電安排和配網(wǎng)改造科學(xué)合理，搶修策略和停電安撫有的放矢，風(fēng)險(xiǎn)防范有效提升，減少客戶停電投訴，進(jìn)一步改善客戶體驗(yàn)。供電公司主要應(yīng)用場(chǎng)景如下：

1）事前計(jì)劃停電優(yōu)化安排。分析停電敏感客戶的停電敏感時(shí)長(zhǎng)、敏感時(shí)段、敏感次數(shù)、敏感間隔等特征，供生產(chǎn)部門在月度停電平衡會(huì)時(shí)參考，支撐優(yōu)化計(jì)劃停電的影響范圍、停電日期、停電時(shí)段和停電時(shí)長(zhǎng)，降低計(jì)劃停電帶來(lái)的客戶服務(wù)風(fēng)險(xiǎn)。

2）事中故障停電服務(wù)補(bǔ)救。分析停電敏感客戶的停電敏感時(shí)段、敏感時(shí)長(zhǎng)，定位當(dāng)前停電影響的敏感客戶分布區(qū)域，支撐搶修策略和安撫策略制訂，優(yōu)先搶修敏感客戶集中且高敏感客戶較多的線路，縮小片區(qū)經(jīng)理（臺(tái)區(qū)經(jīng)理）安撫范圍，分策略采用上門、電話、短信、微信等服務(wù)補(bǔ)救方式，告知搶修進(jìn)展和預(yù)計(jì)恢復(fù)送電時(shí)間，降低故障停電對(duì)客戶產(chǎn)生的不良感知。

3）事后頻停投訴風(fēng)險(xiǎn)防范。將停電敏感客戶中近2 個(gè)月停電2 次及以上的，作為頻停投訴高風(fēng)險(xiǎn)客戶，對(duì)于集中區(qū)域合理規(guī)劃配網(wǎng)線路和臺(tái)區(qū)改造，提前采取服務(wù)補(bǔ)救、停電優(yōu)化等措施，降低頻停投訴。

基于停電敏感度預(yù)測(cè)模型應(yīng)用，2017 年用電客戶的停送電相關(guān)訴求同比下降20.75%，屬供電公司責(zé)任的頻繁停電投訴同比下降40.30%，故障報(bào)修滿意率提升0.22 個(gè)百分點(diǎn)。生命線工程、重要客戶、大中型小區(qū)的停送電投訴0 件，停電超10 h 的大中型小區(qū)數(shù)量同比下降74.25%。

4 結(jié)語(yǔ)

提出采用隨機(jī)森林算法預(yù)測(cè)用電客戶的停電敏感度的方法，建模過(guò)程中對(duì)比不同采樣方式的模型準(zhǔn)確率，隨機(jī)森林算法表現(xiàn)出較好的非平衡數(shù)據(jù)的處理能力，搭建了大數(shù)據(jù)平臺(tái)處理海量建模數(shù)據(jù)，較傳統(tǒng)統(tǒng)計(jì)方式，該模型預(yù)測(cè)停電敏感客戶的查準(zhǔn)率和查全率更為出色。預(yù)測(cè)結(jié)果應(yīng)用到供電公司的“事前—事中—事后”停送電服務(wù)管理中，能夠有效防范停送電服務(wù)風(fēng)險(xiǎn)，提升客戶滿意度，優(yōu)化電力營(yíng)商環(huán)境。下一步，將從供電公司內(nèi)部協(xié)同和信息系統(tǒng)改造兩方面提升建模數(shù)據(jù)質(zhì)量，進(jìn)一步提升模型預(yù)測(cè)準(zhǔn)確率。