基于大数据的停电感知预测模型分析研究
纵观某省供电企业2015-2018年客户停送电相关诉求的数据趋势（含95598、电子渠道、社会联动等渠道数据），客户对频繁停电的投诉、对计划停电安排不合理和停电时间长的意见诉求占比较大，且未见明显改善。停电次数多是持续5年客户不满意点，且故障抢修及计划停电时间长在供电质量主题中满意度排名最末。信息技术的不断发展，为供电企业满足不同用户用电需求，实现用户科学用电提供了一定的技术支撑，但受限于目前供电企业大数据分析方法和工具的缺乏，在处理海量数据的精确性、全面性上仍存在一些问题，无法精确、全面挖掘客户停电诉求的特性与各维度的关联性。 本文为供电企业营商环境的优化与停送电服务的个性化实施提供了数据支撑以及决策支持，通过研究客户侧电力大数据进行研究，采用随机森林的思想，借助HDFS与Spark技术，搭建平台，训练出停电感知预测模型，最终构建停电大数据分析模型，预测停电客户服务风险，刻画停电敏感客户特征画像，实现“频繁停电投诉风险识别”、“计划停电安排优化”和“故障停电服务补救策略”三大热点场景应用，推动电力行业客户服务水平的提升。
停电感知;预测模型;大数据;频繁停电
西安理工大学
硕士
计算机技术
王新房
2021
中文
TP311.13
2022-01-10（万方平台首次上网日期，不代表论文的发表时间）