[发明专利]低压跳闸和客户投诉预测方法、装置和存储介质

权利要求书

1.一种低压跳闸和客户投诉预测方法，所述方法包括：

获取设备台账数据、供电环境属性数据以及台区用户特征数据；

将所述设备台账数据、所述供电环境属性数据以及所述台区用户特征数据进行清洗和整理，获得预测特征数据；

将所述预测特征数据输入基于分类器链模型训练的预测模型链，通过所述预测模型链预测是否发生低压跳闸和是否发生客户投诉，得到低压跳闸预测结果和客户投诉预测结果；

所述将所述预测特征数据输入基于分类器链模型训练的预测模型链，通过所述预测模型链预测是否发生低压跳闸和是否发生客户投诉，得到低压跳闸预测结果和客户投诉预测结果的步骤，包括：

将所述预测特征数据分别输入所述预测模型链中各子预测模型链的第一预测模型，输出第一预测结果；将所述预测特征数据和所述第一预测结果输入所述子预测模型链的第二预测模型，输出第二预测结果；将所述第二预测结果确定为子预测模型链输出的初步低压跳闸预测结果和初步客户投诉预测结果，所述第一预测结果为初步低压跳闸预测结果或初步客户投诉预测结果；

将各初步客户投诉预测结果进行投票，票数最高的确定为客户投诉预测结果，所述客户投诉预测结果指的是所预测的配电网的公变台区的供电类客户的客户投诉预测结果；

将各初步低压跳闸预测结果进行投票，票数最高的确定为低压跳闸预测结果，所述低压跳闸预测结果指的是所预测的配电网的公变台区的低压跳闸预测结果。

2.根据权利要求1所述的方法，其特征在于，所述第一预测模型的训练方式包括：

获取各样本数据，所述样本数据包括：特征数据样本及所述特征数据样本的第一结果标签；

将各所述样本数据基于混合重抽样进行抽样处理，获得训练样本；

将所述训练样本输入待训练的第一预测模型，获得训练后的第一预测模型；

获取验证样本，所述验证样本包括：特征数据验证样本；

将所述验证样本输入训练后的第一预测模型，输出验证结果；

当所述验证结果满足要求时，获得第一预测模型。

3.根据权利要求1所述的方法，其特征在于，所述第二预测模型的训练方式包括：

获取各样本数据，所述样本数据包括：特征数据样本及所述特征数据样本的第一结果标签和第二结果标签；

将各所述样本数据基于混合重抽样进行抽样处理，获得训练样本；

将所述训练样本输入待训练的第二预测模型，获得训练后的第二预测模型；

获取验证样本，所述验证样本包括：特征数据验证样本；

将所述验证样本输入训练后的第二预测模型，输出验证结果；

当所述验证结果满足要求时，获得第二预测模型。

4.根据权利要求2或3任一项所述的方法，其特征在于，所述将各所述样本数据基于混合重抽样进行抽样处理，获得训练样本的步骤，包括：

将各所述样本数据中的多数类样本数据采用NCL欠抽样进行抽样处理，获得训练样本的第一训练样本；

将各所述样本数据中的少数类样本数据采用SMOTE过抽样进行抽样处理，获得训练样本的第二训练样本。

5.根据权利要求4所述的方法，其特征在于，所述将各所述样本数据中的多数类样本数据采用NCL欠抽样进行抽样处理，获得训练样本的第一训练样本的步骤，包括：

遍历各所述样本数据进行数据清理，获得多数类样本数据；

对各所述多数类样本数据进行归一化处理，获得各处理后的样本数据；

计算各所述处理后的样本数据之间的欧氏距离，获得各所述处理后的样本数据的距离矩阵；

对所述距离矩阵的上三角形中的元素基于相似度的高低进行排序，获得各样本数据的相似度排列；

根据所述相似度排列的顺序依次随机选取两两样本数据中的一个样本数据，获得训练样本的第一训练样本。

6.根据权利要求2所述的方法，其特征在于，当所述特征数据样本的第一结果标签是根据各特征数据样本对应的低压跳闸结果设置的结果标签时，所述第一预测模型为预测初步低压跳闸预测结果的模型；

当所述特征数据样本的第一结果标签是根据各特征数据样本对应的客户投诉结果设置的结果标签，所述第一预测模型为预测初步客户投诉预测结果的模型。