[发明专利]基于K‑means聚类算法的用电客户价值评估方法及系统

说明书

技术领域

本发明涉及电力客户行为数据挖掘分析领域，具体设计一种基于K-means聚类算法的用电客户价值评估方法及系统。

背景技术

在社会节能环境下，电网企业作为大型国有企业，既要承担社会责任，同时又必须讲求自身的经济效益。近年来，随着电力市场改革的深入，电网企业逐步意识到客户关系管理的重要性，并将之引入到工作中去。如果单纯从用电量和电费收入来看，一些高耗企业从目前来看是电网企业的利润重心，在国家差别电价及产业政策的调控下，在市场竞争的冲击下，这些企业的用电量又会出现萎缩。因此，在社会节能的大环境下，如何客观地评价客户价值，区分出不同类别的客户，并制定相应的营销策略，成为电网企业必须解决的一个问题。

用电客户价值的评估是电网企业实施客户关系管理的基础和核心问题。建立更为合理、完善的电力客户价值评价体系，不仅可以帮助电力企业正确认识客户的总体价值，有助于适当分类，定性化辅助企业识别、保留和发展价值客户；而且可有效指导电网企业的社会节能服务工作。

传统的用电客户价值评估是采用人工或普通办公软件对客户进行简单分类，依据分类结果制定营销策略，采用上述传统方法对用户的用电习惯等因素不能进行全面与深入的分析，指定营销策略时针对性也不足，所以有必要进行全面且深入的用电客户价值分析。

发明内容

针对现有技术中存在的不足，本发明提出了一种基于K-means聚类算法的用电客户价值评估方法，通过在线获取与客户相关的脱敏明细数据，分析挖掘客户的用电量、用电增长率、用电类型、信用度、潜在价值等信息，对用电客户进行归类细分，划分形成不同种类的客户群并对客户群的价值进行评估，节约了成本，提高了效率。

本发明采用下面的技术方案：

一种基于K-means聚类算法的用电客户价值评估方法，包括以下步骤：

(1)在线获取多个用电客户的多维用电数据；

(2)采用K-means聚类算法，基于所述多维用电数据，将多个用电客户分类，得到各维用电数据的聚类中心均值；

(3)根据上述各维用电数据聚类均值，采用电力客户价值评估经验方法计算用电客户价值评估值。

进一步的，步骤(2)的具体方法为：

(21)将每个用电客户视为一个对象，任意选取K个对象作为初始聚类中心均值；

(22)计算其他对象与所述K个对象的相似度；

(23)根据(22)的结果，对相似度满足要求的对象更新聚类，重新计算更新聚类的聚类中心均值；

(24)采用标准检测函数检测所述(23)中的更新聚类之聚类中心均值是否满足设定要求，若满足设定要求，则输出按最终聚类中心均值分类的用电客户以及每一分类的用电客户的各维用电数据之聚类中心均值；若不满足要求，则重复步骤(22)至(24)。

进一步的，分别计算K取不同数值的用电客户分类以及每一分类的用电客户的各维用电数据之聚类中心均值，选取最优K值下的结果。

进一步的，所述相似度采用其他对象与所述K个对象的距离值。

进一步的，所述标准检测函数采用均方差、期望或者标准差函数。

进一步的，对所述多个用电客户的多维用电数据进行去重、去错预处理。

进一步的，所述多维用电数据至少包括年用电量、平均电价、用电增长率、变异系数和付款率。

进一步的，所述电力客户价值评估经验方法采用下面的公式：

其中：V为用电客户价值评估值；M为年用电量；p为平均电价；c为负载率；e为变异系数；r为用电增长率；i为付款率。

本发明还提出了一种基于K-means聚类算法的用电客户价值评估系统，包括：

服务器，用于存储用电客户的用电数据；

数据提取单元，与服务器相连，用于在线获取多个用电客户的多维用电数据，并发送至存储器；

存储器，用于接收来自数据提取单元提取的用电客户的用电数据并进行缓存；

处理器，内置有K-means聚类算法，所述处理器分别与存储器、数据提取单元相连，用于控制数据提取单元提取数据，并对存储器中缓存的数据进行基于K-means聚类算法的用电客户价值评估。

进一步的，所述处理器还包括有算法模块，用于对K-means聚类算法进行更新保存。

本发明的有益效果：