基于时序分析的电力营商服务风险防控方法及系统与流程

本申请涉及大数据挖掘分析，尤其涉及一种基于时序分析的电力营商服务风险防控方法及系统。

背景技术：

1、电力营商服务在现代社会中发挥着关键作用，涉及电力供应、计量、账单生成、支付、客户服务等多个方面，这些服务的质量和效率直接影响到电力公司的运营效果和用户的满意度。

2、随着社会的发展和经济的进步，电力作为重要的基础设施，对国民经济和社会生活的影响日益增大。电力营商服务质量的高低直接关系到用户的用电体验和满意度。然而，在电力营商服务过程中，用户投诉频繁且原因多样，往往涉及多个方面，不仅仅影响用户的用电体验，还可能引发更大的社会问题。

3、目前，大多数电力运营服务公司采用的投诉处理方法仍停留在被动响应阶段，缺乏主动预测和防控的能力，通常依赖人工处理，效率低下且容易遗漏重要信息。此外，电力公司的用户数据量庞大，传统的挖掘分析方法难以进行有效的数据分析，无法为电力营商服务的优化提供有价值或有针对性的服务优化参考信息。

4、针对上述问题，目前业界暂未提出较佳的技术解决方案。

技术实现思路

1、本申请提供一种基于时序分析的电力营商服务风险防控方法、系统、存储介质、计算机程序产品及电子设备，用以至少解决电力营商服务的投诉处理停留在被动响应阶段，及传统的数据挖掘分析方法无法提供有针对性的服务优化参考信息的缺陷。

2、第一方面，本申请实施例提供一种基于时序分析的电力营商服务风险防控方法，包括：获取对应邻近的预设历史时间段的用户电力服务数据组；所述用户电力服务数据组包含多个用户信息及相应的用户运营数据，所述用户运营数据包含用户投诉记录、用电量记录、账单支付记录和供电故障记录；提取各个所述用户运营数据中的用户投诉记录所对应的用户投诉特征，并基于用户投诉特征对各个所述用户运营数据进行聚类分析，以确定至少一个投诉风险聚类簇；所述用户投诉特征包含投诉频次、投诉类型和投诉时间；根据各个所述投诉风险聚类簇中的用户电力运营数据按照时间顺序进行组合，以确定对应各个用户信息的用户运营时序数据；根据不同的用户运营时序数据之间对应关键运营特征的运营相似度，筛选至少一组关联运营时序数据组；所述关键运营特征包含用户用电量波动幅度、账单支付行为特征和供电故障频率；针对各组所述关联运营时序数据组，基于动态时间规整算法计算所述关联运营时序数据组中的各个用户运营时序数据对关于时序变化特征的最小时序特征距离；所述时序变化特征包含时序波动幅度特征、时序延迟响应特征和时序变化率特征；根据所述最小时序特征距离从各个关联运营时序数据组中筛选异常模式时序数据集，并根据所述异常模式时序数据集确定目标风险防控策略。

3、第二方面，本申请实施例提供一种基于时序分析的电力营商服务风险防控系统，包括：数据获取单元，用于获取对应邻近的预设历史时间段的用户电力服务数据组；所述用户电力服务数据组包含多个用户信息及相应的用户运营数据，所述用户运营数据包含用户投诉记录、用电量记录、账单支付记录和供电故障记录；投诉特征分析单元，用于提取各个所述用户运营数据中的用户投诉记录所对应的用户投诉特征，并基于用户投诉特征对各个所述用户运营数据进行聚类分析，以确定至少一个投诉风险聚类簇；所述用户投诉特征包含投诉频次、投诉类型和投诉时间；时序数据组合单元，用于根据各个所述投诉风险聚类簇中的用户电力运营数据按照时间顺序进行组合，以确定对应各个用户信息的用户运营时序数据；运营特征分析单元，用于根据不同的用户运营时序数据之间对应关键运营特征的运营相似度，筛选至少一组关联运营时序数据组；所述关键运营特征包含用户用电量波动幅度、账单支付行为特征和供电故障频率；时序变化分析单元，用于针对各组所述关联运营时序数据组，基于动态时间规整算法计算所述关联运营时序数据组中的各个用户运营时序数据对关于时序变化特征的最小时序特征距离；所述时序变化特征包含时序波动幅度特征、时序延迟响应特征和时序变化率特征；防控策略确定单元，用于根据所述最小时序特征距离从各个关联运营时序数据组中筛选异常模式时序数据集，并根据所述异常模式时序数据集确定目标风险防控策略。

4、第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任一实施例的基于时序分析的电力营商服务风险防控方法的步骤。

5、第四方面，本申请实施例提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本申请任一实施例的基于时序分析的电力营商服务风险防控方法的步骤。

6、第五方面，本申请实施例提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现本申请任一实施例的基于时序分析的电力营商服务风险防控方法的步骤。

7、通过本申请提供的一种基于时序分析的电力营商服务风险防控方法，能够至少产生如下的技术效果：

8、(1)通过对用户运营时序数据进行聚类和时序分析，电力服务公司可以识别出运营过程中存在异常的时序模式，并通过动态时间规整算法计算最小时序特征距离，能够准确识别出与正常运营数据偏离较大的异常数据，并针对这些异常数据制定目标风险防控策略，而不是仅仅依赖于用户的投诉反馈，通过数据挖掘分析提前预测可能出现的服务问题并主动采取措施，从而更有效地调度资源和优化应对策略，降低用户投诉的发生频率。

9、(2)传统的用户数据分析方法往往难以应对海量数据，通过本技术方案，首先利用用户投诉特征进行聚类分析，从而识别到用户运营数据针对不同投诉模式的聚类，然后利用关键运营特征进行基于相似度的筛选分析，从而得到投诉模式下的异常运营行为，通过多维局部业务特征的挖掘分析，能有效捕获电力运营服务商在不同投诉模式下的异常运营行为。进而，通过动态时间规整算法对宏观的时序变化特征进行分析，能够更加准确地匹配具有相似时序变化特征的用户数据组，极大地提升了对与投诉相关的异常运营行为模式的识别精确度，确保了风险防控策略的针对性和有效性，能够在较大程度上实现优化服务投诉。

10、通过本技术方案，利用聚类分析和动态时间规整算法，同时通过最小时序特征距离的计算，在海量数据中精准筛选出与特定风险模式相关的用户电力服务数据，能够根据用户运营数据的时序特征制定个性化的防控策略，电力运营服务公司可以更好地满足用户的需求，从而提高用户的整体满意度。

技术特征：

1.一种基于时序分析的电力营商服务风险防控方法，包括：

2.根据权利要求1所述的方法，其中，所述根据所述最小时序特征距离从各个关联运营时序数据组中筛选异常模式时序数据集，包括：

3.根据权利要求2所述的方法，其中，所述根据所述异常模式时序数据集确定目标风险防控策略，包括：

4.根据权利要求3所述的方法，其中，所述根据各个所述异常模式风险等级，确定目标风险防控策略，包括：

5.根据权利要求3所述的方法，其中，所述卷积层采用多尺度深度卷积层，用于通过多尺度卷积核提取不同时间窗口的局部模式卷积特征；

6.根据权利要求1所述的方法，其中，所述基于用户投诉特征对各个所述用户运营数据进行聚类分析，以确定至少一个投诉风险聚类簇，包括：

7.根据权利要求1所述的方法，其中，所述根据不同的用户运营时序数据之间对应关键运营特征的运营相似度，筛选至少一组关联运营时序数据组，包括：

8.根据权利要求7所述的方法，其中，所述图社区检测算法采用增强型louvain社区检测算法，

9.根据权利要求8所述的方法，其中，针对所述全局模块度的计算函数采用时间加权模块度函数；

10.一种基于时序分析的电力营商服务风险防控系统，包括：

技术总结
本申请提供一种基于时序分析的电力营商服务风险防控方法及系统，涉及大数据挖掘分析技术领域，该方法包括：获取对应邻近的预设历史时间段的用户电力服务数据组；基于用户投诉特征聚类分析，以确定至少一个投诉风险聚类簇；根据各个投诉风险聚类簇确定对应各个用户信息的用户运营时序数据；根据不同的用户运营时序数据之间对应关键运营特征的运营相似度，筛选至少一组关联运营时序数据组；基于动态时间规整算法计算最小时序特征距离；根据最小时序特征距离筛选异常模式时序数据集，并根据异常模式时序数据集确定目标风险防控策略。由此，根据用户运营数据的时序特征制定个性化的防控策略，提高电力营商服务的满意度。

技术研发人员：王龙宇,刘岩,刘学武,魏子睿,贺睿婷,常敏,韩硕辰,郭磊
受保护的技术使用者：国网冀北电力有限公司计量中心
技术研发日：
技术公布日：2024/11/28