[发明专利]一种预测线路故障停电和用户投诉的方法

权利要求书

1.一种预测线路故障停电和用户投诉的方法，包括以下步骤：步骤一，原始数据采集；步骤二，故障停电和用户投诉相关加工；步骤三，故障停电模型训练；步骤四，故障停电模型预测；步骤五，用户投诉模型训练；步骤六，用户投诉模型预测；其特征在于：

其中在上述步骤一中，数据采集模块主动连接上游系统采集原始数据图表，并将原始数据结果存放于数据库中，这些原始数据将用于后续数据加工；

其中在上述步骤二中，通过采集的上述天气表、停电相关的信息表、配变相关的表分别各自进行加工处理，在此过程中数据存在很多空值及异常数据，为保证预测精确性，建立一套清洗规则，且清洗规则以故障停电信息表为例：统计该表中各特征缺失情况和占比，若缺失占比为60-100%，且包括60%和100%，因为提供的有用信息很少，此情况直接删除该特征；若缺失占比为0-60%，且包括0，不包括60%，对于连续型特征根据实际数据分布情况采用前后均值或中间值方式填充缺失值，对于类别型特征采用众数填充缺失值，其他信息表清洗规则同理，此外，源数据分布在不同的表中，需要对数据进行整合和特征构建，生成预测训练表；

其中在上述步骤三中，将步骤二中配变故障训练表数据用于XGBOOST、决策树和GBDT三种算法中进行模型训练，三种配变故障模型训练好后本地保存；

其中在上述步骤四中，启用步骤三中本地保存的XGBOOST、决策树和GBDT三个模型，使用故障停电待预测表进行模型预测，将模型计算得到的数据图表写入到数据库中指定的评估表中，将真实值和模型预测值写入到数据库中的预测结果表中，通过BI工具进行评估表和结果表的界面展示；

其中在上述步骤五中，在第一个预测配变会出现故障停电的“那一天”，再通过关联筛选步骤二中得到的用户投诉预测训练表的相应数据作为用户投诉的训练数据，采用XGBOOST、决策树和GBDT模型进行训练，三种用户投诉模型训练好后本地保存；

其中在上述步骤六中，启用步骤五中本地保存的XGBOOST、决策树和GBDT三个模型，使用故障停电待预测表进行模型预测，将模型计算得到的数据图表写入到数据库中指定的评估表中，将真实值和模型预测值写入到数据库中的预测结果表中，通过BI工具进行评估表和结果表的界面展示。

2.根据权利要求1所述的一种预测线路故障停电和用户投诉的方法，其特征在于：所述步骤一中，原始数据图表包括配电变压器详情表、停电信息表、停电信息设备表、抢修单、公变负载事件明细表、营销用户信息表、营销配变表、线路负载表和历史气象数据。

3.根据权利要求1所述的一种预测线路故障停电和用户投诉的方法，其特征在于：所述步骤二中，预测训练表包括配变故障训练表、故障停电待预测表、用户投诉预测训练表和待预测表。

4.根据权利要求1所述的一种预测线路故障停电和用户投诉的方法，其特征在于：所述步骤四中，数据图表包括准确率、精确率、召回率和F1评估指标以及混淆矩阵等。

5.根据权利要求1所述的一种预测线路故障停电和用户投诉的方法，其特征在于：所述步骤六中，数据图表包括准确率、精确率、召回率和F1评估指标以及混淆矩阵等。