[发明专利]电力客户画像识别方法、装置及终端设备

说明书

本发明适用于电力技术领域，公开了一种电力客户画像识别方法、装置及终端设备，上述方法包括：获取待识别电力客户的历史负荷数据，并对待识别电力客户的历史负荷数据进行时域特征提取，得到待识别电力客户的负荷特征；将待识别电力客户的负荷特征输入到预先训练好的半监督学习客户画像识别模型中，得到待识别电力客户的画像标签；其中，预先训练好的半监督学习客户画像识别模型是基于半监督训练集对预设的客户画像识别模型进行半监督训练得到的；半监督训练集包括有标签样本和无标签样本，且有标签样本的数量小于无标签样本的数量。本发明通过半监督学习，只需要少量的有标签样本，即可实现对电力客户画像标签的准确识别。

技术领域

本发明属于电力技术领域，尤其涉及一种电力客户画像识别方法、装置及终端设备。

背景技术

客户画像是涵盖客户在人口统计学、地理位置、心理特征、购买历史及其他个性化维度的一类信息描述。深入了解客户画像是电力公司创新服务内容、增强公司竞争力的关键。

目前，通常使用有监督学习方法对客户画像进行识别，但是这种方法只能在有标签样本充足的情况下才能获得良好的识别性能，然而，电力客户的有标签样本获取困难、成本高且耗时耗力，无法获取到充足的有标签样本，导致电力客户画像的识别准确率较低。

发明内容

鉴于此，本发明实施例提供了一种电力客户画像识别方法、装置及终端设备，以解决现有技术所需的有标签样本获取困难、标记成本高且耗时耗力，无法获取到充足的有标签样本，导致电力客户画像的识别准确率较低的问题。

本发明实施例的第一方面提供了一种电力客户画像识别方法，包括：

获取待识别电力客户的历史负荷数据，并对待识别电力客户的历史负荷数据进行时域特征提取，得到待识别电力客户的负荷特征；

将待识别电力客户的负荷特征输入到预先训练好的半监督学习客户画像识别模型中，得到待识别电力客户的画像标签；

其中，预先训练好的半监督学习客户画像识别模型是基于半监督训练集对预设的客户画像识别模型进行半监督训练得到的；半监督训练集包括有标签样本和无标签样本，且有标签样本的数量小于无标签样本的数量。

在一种可能的实现方式中，对待识别电力客户的历史负荷数据进行时域特征提取，得到待识别电力客户的负荷特征，包括：

提取待识别客户的历史负荷数据的时域特征；

基于最大互信息法，对时域特征进行降维，得到待识别电力客户的负荷特征。

在一种可能的实现方式中，时域特征包括用电功率的消耗特征、比值特征、实时特征和统计特征。

在一种可能的实现方式中，在将待识别电力客户的负荷特征输入到预先训练好的半监督学习客户画像识别模型中，得到待识别电力客户的画像标签之前，还包括：

获取各个样本电力客户的历史负荷数据，并对各个样本电力客户的历史负荷数据进行特征提取，得到负荷特征集；负荷特征集包括各个样本电力客户的负荷特征；

获取各个样本电力客户的客户画像数据，并根据各个样本电力客户的客户画像数据确定各个样本电力客户的画像标签；

根据负荷特征集和各个样本电力客户的画像标签构建有标签样本和无标签样本，得到半监督训练集；其中，有标签样本包括样本电力客户的负荷特征和对应的画像标签；无标签样本包括样本电力客户的负荷特征；

基于半监督训练集，对预设的客户画像识别模型进行半监督训练得到预先训练好的半监督学习客户画像识别模型。

在一种可能的实现方式中，基于半监督训练集，对预设的客户画像识别模型进行半监督训练得到预先训练好的半监督学习客户画像识别模型，包括：