[发明专利]一种售电套餐推荐方法、设备及存储介质

权利要求书

1.一种基于改进XGBoost算法的售电套餐推荐方法，其特征在于：包括步骤：

根据用户年度申报量特征将该用户归类到对应的簇中，将用户相关特征输入到预先建立的对应该簇的售电套餐推荐模型中，得到适用于用户的套餐；

所述售电套餐推荐模型是通过改进的XGBoost算法以及筛选过的输入特征集预先建立的；所述改进的XGBoost算法是通过遗传算法得到XGBoost算法的最佳参数组合，将所述最佳参数组合作为XGBoost算法的输入参数进而得到改进的XGBoost算法；

所述通过遗传算法得到XGBoost算法的最佳参数组合，进而得到改进的XGBoost算法，具体为：

设置XGBoost算法固定参数和需要用遗传算法进行寻优的XGBoost参数；

根据需要用遗传算法进行寻优的XGBoost参数设置遗传算法的运行参数；

初始化遗传算法种群，采用实数编码对个体进行编码，将个体对应的值代入XGBoost算法，计算XGBoost的目标函数作为遗传算法的适应度函数，计算每个个体对应的适应度值；

开始迭代，对初始父代种群中每个个体进行遗传操作，包括轮盘赌选择、均匀交叉、高斯近似变异，形成新的子代种群，并将子代种群各个体代入XGBoost算法计算个体对应的适应度值；之后按改进的精英保留策略选择M个精英保留，替换适应度值低的个体，每一次迭代，如果当前最优解更优于当前全局最优解，那么更新全局最优解；

迭代直到满足终止条件，输出最优适应度值和对应个体，该个体即为最佳的参数组合；

改进的精英保留策略，具体为：先进行选择、交叉、变异，之后将父代和子代先进行合并，之后再从合并的种群中选择适应度值最优的前M个个体进行保留。

2.根据权利要求1所述的一种基于改进XGBoost算法的售电套餐推荐方法，其特征是：所述簇的个数确定方法包括步骤：

根据预设的迭代聚类数目K的取值范围，分别进行K-means聚类后得到平均轮廓系数和代价函数，以K为横坐标，平均轮廓系数和代价函数为纵坐标，绘制两个折线图，统计轮廓系数曲线和代价函数曲线的变化幅度最小处的K值，如果两个K值相同确定此K值为最佳聚类数目，如果两个K值不同，取两个K值的平均值并向上取整的值作为最佳的聚类中心数目。

3.根据权利要求1所述的一种基于改进XGBoost算法的售电套餐推荐方法，其特征是：所述输入特征集筛选方法包括步骤：

针对每一个簇，利用XGBoost算法建立售电套餐推荐模型，模型输入为：对用户历史样本数据进行预处理得到的用户样本数据；模型输出为：套餐类型、分类准确率以及特征重要性排序结果，删除重要性小于设定值的特征，确定最终输入特征集。

4.根据权利要求3所述的一种基于改进XGBoost算法的售电套餐推荐方法，其特征是：所述用户历史样本数据包括：电力系统数据库中提取设定时段内有交易记录的所有电力客户的详细数据。

5.根据权利要求3所述的一种基于改进XGBoost算法的售电套餐推荐方法，其特征是：预处理包括：数据清洗、数据变换和数据计算；

所述数据变换包括离散特征数据编码和连续特征数据归一化处理；

离散特征数据编码具体为：对离散型的数据进行one_hot编码，one_hot编码是用N位状态寄存器来对N个状态进行编码；

连续特征数据归一化处理，具体为：对原始连续特征数据进行线性变换，使结果值映射到[0,1]之间，转换公式为max为样本中某类数据最大值，min为样本中某类数据最小值，x_m为样本某类数据原始值，x_m^*为样本某类数据映射值。