专利名称：电力呼叫中心话务量预测方法
技术领域：
本发明涉及一种话务量预测系统，尤其是适用于电力呼叫中心的话务量预测方法，属于电力系统话务量预测技术领域。
背景技术：
电力呼叫中心保持良好服务水准的重要前提是在相应时间内安排合理的坐席数量，保证接通率、客户满意度等目标的实现。因此，为实现高效率的呼叫中心运营管理，降低整体运营成本，保证客户服务质量和服务水平，需要有科学的话务量预测来支撑建立合理的排班方案，而当前粗犷式的、经验性的排班方式已不能完全满足上述目标的实现。对话务量趋势进行系统地分析，根据不同周期话务量变化的规律及发展趋势，研究科学的话务量预测方法，并固化成计算机系统，将为提高电力客户服务中心运行效率，保证客户服务质量，发挥重要的作用。我国关于话务量预测方面更是处于初级研究阶段，没有专门针对电力呼叫中心话务量预测的模型与算法，更没有成熟的专业软件的支撑，还是以人工经验为主。发明内容
本发明所要解决的技术问题是提供一种用于电力呼叫中心的话务量预测方法，可以实现对话务量进行准确地预测，实现高效率的呼叫中心运营管理。
为解决上述技术问题，本发明提供一种电力呼叫中心话务量预测方法，其特征在于，包括以下步骤
I)采集预测区域内话务量96点(即每15分种为一个采样点)历史数据，同时采集与各历史数据相对应的影响话务量负荷变化的相关因素信息，包括气象因素和用电负荷信息数据；
2)对不良数据进行辨识与修正；
3)话务量预测
31)进行中长期话务量预测；
32 )进行短期话务量预测；
33)进行超短期话务量预测；
4)在进行中长期话务量预测、短期话务量预测或超短期话务量预测过程中将几种最优模型所得的预测结果，选取适当的权重进行加权平均得到最终的预测结果；
5)对话务量预测结果进行准确率对比。
本发明所达到的有益效果通过本发明的方法，中长期预测中月日均话务量预测精度达到87. 1%，短期预测中日话务曲线预测精度达到90. 9%，高于其他行业呼叫中心话务量预测精度，在科学指导供电服务中心建设投资、提高投资利用率和设备使用效率、适时调整发展规模和合理利用人力资源和提高服务质量等方面发挥着重要作用。
图1为本发明的话务量预测过程示意图2为本发明中话务量不良数据辨识与修正流程图3为对空数据点和连续恒定值的修补效果图4为本发明中短期预测方法示意图5为指数平滑法的示意图6为3*3均值滤波原理图7为动平均法的图解示意图8为中长期预流程图9为回归分析法的图解示意图；具体实施方式
针对上述电力呼叫中心话务特点，本项目展开话务预测模型全过程关键技术研究。从预测本身来看，这是一个复杂的过程，并不仅仅像直观概念中的仅由预测算法决定。 话务量预测是包含数据采集、数据处理、数据分析、预测算法和预测评估机制在内的复杂问题。其总体技术路线下图所示。整体的技术路线分为“预测前”，“预测中”和“预测后”三个阶段。
首先作为“预测前”的前端是数据的自动获取，话务量预测所需数据量大面广，进行话务量预测之前不仅需要预测区域内的话务量96点历史数据，还需要各种影响话务量负荷变化的相关因素信息，包括气象因素、电力负荷信息等。因此，在进行话务量预测工作之前，必 须针对各种电力系统中的信息存储规范建立灵活、自动的数据采集和读取接口，为系统导入海量的基础数据。
“预测前”的阶段需要对坏数据进行辨识与修正。历史数据是预测的基础，而由于各种各样的原因，异常数据即“坏数据”的出现是不可避免的。而“坏数据”的存在给正常历史序列带来较大的随机干扰，影响预测体系的预测精度，因此，在预测工作开始之初，首先要研究如何排除“坏数据”，考虑到数据量较大，尤其要研究如何智能化的辨识和修正“坏数据”。
预测过程并不应止步于得到预测结果，在预测完成后，仍需对预测结果进行分析和跟踪，本项目将研究虚拟预测技术对不同预测模型、同一模型不同参数下使用效果进行评估，通过实际数据验证并判定预测结果的优劣性，从而形成对预测方案库的有效优化，实现对合理预测效果的持续反馈，形成预测闭环效应，通过不断地经验积累实现预测效果的持续改善。
话务量异常数据的常见模式主要有两种，如下图所示
(I)空数据点
空数据点为系统中所占比例最高的异常数据点，其特征为该点的数据记录为空。
(2)连续恒定值
连续恒定值为话务量曲线上连续时间内的话务量值精确相同的一组话务量，由传感器失灵导致输出不随输入变化产生。这是话务量序列中一种常见的异常数据类型。
在海量数据管理的新形势下，一方面数据量的增大将使数据质量条件更加恶劣， 另一方面，也使传统人工的修正方式无法适应现有工作的需求。因此，建立一套有较强适应性和灵活性的数据修正模块，实现坏数据的检测和批量修正，实现智能化数据质量分析与管理体系，成为本系统需要首要解决的关键问题之一。
不良数据辨识与修正流程如图所示
( I)对少量空数据点和连续恒定值的智能辨识与修正对应于话务量数组L，生成异常数据标识数组I，其长度同L相同，当话务量数据里面的第i个数据Li为正确数据时， 异常数据标识数组里面的第i个数据Ii为零；当话务量数据里面的第i个数据Li为异常数据时，异常数据标识数组里面的第i个数据Ii会被标识为一个非零值，具体值的大小与相应的异常数据类型有关，如果数据Li为空，则将Ii标识为1，表示空数据点；连续三个点具有完全相同的熟知的概率接近于零，因此当话务量曲线上满足
权利要求
1.一种电力呼叫中心话务量预测方法，其特征在于，包括以下步骤1)采集预测区域内话务量96点历史数据，同时采集与各历史数据相对应的影响话务量负荷变化的相关因素信息，包括气象因素和用电负荷信息数据；2)对不良数据进行辨识与修正；3)话务量预测31)进行中长期话务量预测；31)进行短期话务量预测；33)进行超短期话务量预测；4)在进行中长期话务量预测、短期话务量预测或超短期话务量预测过程中将几种最优模型所得的预测结果，选取适当的权重进行加权平均得到最终的预测结果；5)对话务量预测结果进行准确率对比。
2.根据权利要求1所述的电力呼叫中心话务量预测方法，其特征在于在所述步骤2) 中，不良数据辨识与修正步骤包括(21)对少量空数据点和连续恒定值的智能辨识与修正对应于话务量数组L，生成异常数据标识数组I，其长度与L相同，当话务量数据里面的第i个数据Li为正确数据时，异常数据标识数组里面的第i个数据Ii为零；当话务量数据里面的第i个数据Li为异常数据时，异常数据标识数组里面的第i个数据Ii会被标识为一个非零值，具体值的大小与相应的异常数据类型有关，如果数据Li为空，则将Ii标识为1，表示空数据点；当话务量曲线上满足I Llrt-LkhlLk-Llri I〈O. 0001时，则可以认为此三个数据点为连续恒定值，将数据错误标识序列中相应值标记为4，遍历所有可能的话务量数组长度k的取值，便找出全部连续恒定值；线性插值修正修补在辨识过后，将对错误点进行线性插值修正，利用线性插值对话务量序列进行一次性修正；(22)对大量空数据点的智能辨识与修正当某日话务曲线中存在5个以上连续空值时，采用解析分析法进行修正，即利用同样星期类型或相邻日曲线构造出存在不良数据日的曲线。
3.根据权利要求1所述的电力呼叫中心话务量预测方法，其特征在于在所述步骤33) 中，超短期预测利用启发式比例法，包括以下步骤(1)H(n)代表待预测日第η个点的实际话务量；h(n)代表待预测日第η个点的短期预测话务量；Η*(η)代表待预测日第η个点的超短期预测话务量，其中η=1，2…96 ；(2)计算待预测日短期预测曲线每个点的前半个小时话务量之和s(n)，公式为
4.根据权利要求1所述的电力呼叫中心话务量预测方法，其特征在于在所述步骤32) 中，短期预测方法为以下方法中的一种321)指数平滑法对于时间序列yi,t，y2,t,…，yn,t，需求预测y(1，t，信息的时效性要求 预测量iw应由全部历史数据yi,t，y2,t，…，yn，t的加权平均值构成，在简单指数平滑法中，选 定参数0〈a〈i，权值取为a i=a (l-a )x, i = 1, 2， ，n_l, n表示时间序列的长度；由此得到如下的递推关系初始条件s0表示指数平滑后初始值；平滑方程Si，t=a yijt+(l-a )Si_ljt 预测公式丸，:K Si,t表示指数平滑后平滑值；
5.根据权利要求1所述的电力呼叫中心话务量预测方法，其特征在于在所述步骤31) 中，中长期预测方法为以下方法中的一种，311)通用序列预测法根据以下函数曲线类型及相应的参数，拟合一条趋势曲线，然后将此趋势曲线外延至未来的适当时刻，在已知自变量取值时得到因变量的预测值，趋势曲线为以下11种中的一种线性模型y=a+b · X 指数模型1:y=a · ebx 指数模型2 y=a · eb/x 对数模型y=a+b · ln(x)双曲线模型1:y=a+b/x 双曲线模型2:l/Y=a+b/X 幂函数模型y=a · XbS型曲线模型y =-^~—
6.根据权利要求1所述的电力呼叫中心话务量预测方法，其特征在于在所述步骤4) 中，确定第j种方法在综合模型中占据的权重Ww为以下方法中的一种41)等权重方式对所有的方法不加区别地取相同的权重，公式是Wj=l/mW1-是第j种预测方法的权重，
全文摘要
本发明公开了一种电力呼叫中心话务量预测方法，其特征在于，包括以下步骤1)采集预测区域内话务量96点历史数据，同时采集与各历史数据相对应的影响话务量负荷变化的相关因素信息，包括气象因素和用电负荷信息数据；2)对不良数据进行辨识与修正；3)话务量预测；4)在进行中长期话务量预测、短期话务量预测或超短期话务量预测过程中将几种最优模型所得的预测结果，选取适当的权重进行加权平均得到最终的预测结果；5)对话务量预测结果进行准确率对比。本发明可提高话务量预测精度。
文档编号H04M3/36GK103002164SQ201210474039
公开日2013年3月27日 申请日期2012年11月21日 优先权日2012年11月21日
发明者何维民, 居强, 张明杰, 王殊, 罗欣, 刘梅, 赵燃 申请人:江苏省电力公司电力科学研究院, 北京清软创新科技有限公司, 江苏省电力公司, 国家电网公司