基于隨機森林的停電敏感度預(yù)測模型研究與應(yīng)用

徐 鳴，蘇東東，游春凌，陳鴻凌，張 波

（1.國網(wǎng)福建省電力有限公司電力科學(xué)研究院客戶服務(wù)中心，福建 福州 350000；2.國網(wǎng)福建省電力有限公司物資分公司，福建 福州 350000；3.福建省供電服務(wù)有限責(zé)任公司，福建 福州 350000；4.國網(wǎng)山東電力公司濰坊供電公司，山東 濰坊 261000）

0 引言

停電問題一直以來都是用電客戶的第一熱點訴求和供電輿情的重要風(fēng)險點，某省2014—2017 年客戶停送電相關(guān)訴求數(shù)據(jù)（含95598 供電服務(wù)熱線、供電營業(yè)廳、電子渠道、社會聯(lián)動、第三方滿意度測評等）表明，停電安排不合理、停電時間長、頻繁停電是用電客戶的服務(wù)痛點。傳統(tǒng)的停送電服務(wù)模式局限于被動搶修和事后補救，無法滿足客戶實時化、差異化的停送電服務(wù)需求。準確預(yù)測客戶的敏感程度，提前做好用電服務(wù)，優(yōu)化服務(wù)資源調(diào)配，從而減少客戶投訴量，提升客戶滿意度，優(yōu)化電力營商環(huán)境。

客戶停電敏感度是指在供電服務(wù)過程中客戶通過多種渠道或形式對停電關(guān)注度的高低。對于停電敏感度的研究，最初采用調(diào)研和專家評價法［1］，隨著大數(shù)據(jù)技術(shù)發(fā)展，一些專家學(xué)者提出采取決策樹、邏輯回歸、熵值法、相關(guān)性分析法等算法［2-5］構(gòu)建停電敏感度模型，但存在建模影響因素考慮不全面，缺乏大數(shù)據(jù)平臺支撐，預(yù)測準確率偏低，應(yīng)用場景單薄等問題?；陔S機森林算法，充分吸納停送電相關(guān)數(shù)據(jù)進行建模，且能較好地適應(yīng)正負樣本不平衡問題?；诜植际轿募到y(tǒng)（Hadoop Distributed File System，HDFS）和Spark 計算引擎搭建的大數(shù)據(jù)平臺上分析計算，應(yīng)用于“事前計劃停電優(yōu)化安排”“事中故障停電服務(wù)補救”和“事后頻停投訴風(fēng)險防范”等電力服務(wù)場景。

1 隨機森林建模方法

1.1 隨機森林算法簡介

預(yù)測客戶的停電敏感度本質(zhì)是分類問題［6］。隨機森林是一種常用于解決分類問題的集成學(xué)習(xí)方法，集成眾多決策樹，當輸入待分類的樣本時，每棵決策樹均參與投票，以多數(shù)投票輸出分類結(jié)果。該方法訓(xùn)練速度快，能夠處理高維數(shù)據(jù)，對多元共線性不敏感，對處理缺失數(shù)據(jù)和非平衡的數(shù)據(jù)表現(xiàn)較好，模型泛化能力強［7-8］?；跇颖綛agging 和特征隨機子空間，每棵決策樹的樣本訓(xùn)練集S（i），由總樣本S 中有放回地抽取與S 等量的樣本組成；決策樹內(nèi)部節(jié)點是從全部屬性中隨機抽取組成，通過選擇最優(yōu)屬性來分裂節(jié)點，生成第i 棵決策樹，最終組成隨機森林。決策樹訓(xùn)練流程如圖1 所示。

圖1 隨機森林中決策樹訓(xùn)練流程

單棵決策樹的構(gòu)造是選擇信息增益最大的屬性作為樹節(jié)點，然后在子樹上分別重復(fù)劃分搜索過程，直到滿足一個停止生長規(guī)則為止。分支屬性值選擇采用ID3 算法，即計算屬性值的信息增益，計算方法如下：

1）訓(xùn)練集S 的信息期望值

式中：S 是訓(xùn)練集，分為m 類；ui是第i 類的樣本量；P（ui）為ui在訓(xùn)練集S 中出現(xiàn)的概率。

2）屬性A 的信息熵

式中：A 為訓(xùn)練集中的某一屬性；V（A）為屬性A 所有取值的集合；v 為A 的其中一個屬性值；Sv是S 中A 的值為v 的樣例集合，｜Sv｜為Sv中所含樣本數(shù)。

3）屬性A 的信息增益

信息增益G（S，A）越大，表示屬性A 對于分類提供的信息量越大。將信息增益最大的屬性作為根節(jié)點，根據(jù)根節(jié)點屬性的取值將訓(xùn)練集分為若干子集，在各子集中選擇信息增益值最大的屬性作為子集的根節(jié)點，循環(huán)遞歸，形成一棵決策樹。

1.2 建模流程

建模流程分為模型訓(xùn)練和模型預(yù)測2 步。模型訓(xùn)練是基于訓(xùn)練集，采用隨機森林算法建立預(yù)測模型。模型預(yù)測是輸入待分類的數(shù)據(jù)，基于預(yù)測模型輸出分類結(jié)果。周期性更新訓(xùn)練集和將預(yù)測結(jié)果反饋給模型，讓模型不斷迭代優(yōu)化。模型的訓(xùn)練和預(yù)測流程如圖2 所示。

圖2 隨機森林建模流程

圖2 中，模型訓(xùn)練各環(huán)節(jié)說明如下。

1）歷史樣本數(shù)據(jù)?；趯＜矣懻?、基層調(diào)研，梳理模型寬表和分類規(guī)則，提取歷史數(shù)據(jù)作為訓(xùn)練集。

2）數(shù)據(jù)預(yù)處理。對訓(xùn)練集中數(shù)值型數(shù)據(jù)用均值填充方法填充，對類別型數(shù)據(jù)用預(yù)指定的缺失類別進行填；采用信息增益法篩選模型寬表中特征字段，作為建模字段。

3）隨機森林訓(xùn)練。采用隨機森林算法訓(xùn)練得到預(yù)測模型。

4）模型驗證及優(yōu)化。通過部分新的數(shù)據(jù)，采用十折交叉驗證方式評估模型準確率；調(diào)整采樣方式和采樣比例優(yōu)化模型準確率。

5）輸出模型。將準確率最優(yōu)的模型作為輸出模型。

1.3 大數(shù)據(jù)平臺

大數(shù)據(jù)平臺用于數(shù)據(jù)存儲、數(shù)據(jù)預(yù)處理、模型訓(xùn)練、模型預(yù)測［9］。采用HDFS 建立分布式存儲系統(tǒng)，基于Spark 內(nèi)存并行框架作為大數(shù)據(jù)計算系統(tǒng)，使用Spark MLlib 提供的隨機森林作為分類算法，設(shè)計并行數(shù)據(jù)預(yù)處理和分類評估構(gòu)建預(yù)測模型。Spark 基于內(nèi)存運算，速度比Hadoop 有明顯提升［10］。

大數(shù)據(jù)平臺由分布式集群組成，包含9 個節(jié)點PC 機，節(jié)點之間可以免密碼SSH 訪問，每臺PC 機裝有虛擬機和Linux 操作系統(tǒng)。每個節(jié)點PC 機CPU為雙核4 線程，主頻2.2 GHz，內(nèi)存8 GB，硬盤500 GB，其中一個節(jié)點作為主節(jié)點，其他的PC 均作為數(shù)據(jù)節(jié)點。主節(jié)點是大數(shù)據(jù)平臺管理節(jié)點，負責(zé)集群資源分配、作業(yè)調(diào)度，以及平臺空間管理與維護；數(shù)據(jù)節(jié)點負責(zé)數(shù)據(jù)存儲和運行任務(wù)。模型工具采用開源軟件：JDK 版本（1.7.0）、Hadoop 版本（1.2.0）、Scala 版本（2.10.4）、Spark 版本（1.6.0）。大數(shù)據(jù)平臺拓撲如圖3 所示。

圖3 大數(shù)據(jù)平臺拓撲

大數(shù)據(jù)平臺的操作界面部署在客戶端，從電力信息內(nèi)網(wǎng)抽取寬表數(shù)據(jù)，處理為模型訓(xùn)練集和預(yù)測集，導(dǎo)入大數(shù)據(jù)平臺，經(jīng)數(shù)據(jù)預(yù)處理、模型訓(xùn)練、模型預(yù)測，最終將預(yù)測結(jié)果返回客戶端，結(jié)合業(yè)務(wù)需求將應(yīng)用級數(shù)據(jù)傳輸?shù)诫娏π畔?nèi)網(wǎng)。

2 停電敏感度預(yù)測模型研究

定義停電后通過95598 供電服務(wù)熱線、供電營業(yè)廳、電子渠道等渠道產(chǎn)生咨詢、報修、投訴等訴求的客戶為敏感客戶，反之為不敏感客戶。預(yù)測模型是計算停電后客戶可能產(chǎn)生訴求的概率，區(qū)間為［0，1］，其中：［0，0.5］為停電不敏感，（0.5，1］為停電敏感。梳理出59 個與停電敏感度可能相關(guān)的寬表字段，經(jīng)數(shù)據(jù)預(yù)處理選擇40 個特征值參與建模。以某市電網(wǎng)2016 年1—6 月份461.12 萬條停送電數(shù)據(jù)為例，開展模型研究。其中，正負樣本分布極不均勻，正樣本為0.27 萬條，因此采用不同比例的上采樣實驗，并與無采樣和傳統(tǒng)統(tǒng)計方法比對，最優(yōu)化模型預(yù)測準確率。

2.1 模型寬表

模型寬表是模型的輸入字段，選取合適的模型寬表關(guān)系到模型的準確率。綜合用電客戶基本信息、用電信息、停電信息、負荷信息、95598 訴求信息等多維度與停電敏感度相關(guān)字段，源于95598 業(yè)務(wù)支持系統(tǒng)、營銷業(yè)務(wù)系統(tǒng)、用電采集系統(tǒng)等系統(tǒng)的原始字段和衍生字段，共計59 個，維度分類如表1 所示。

2.2 數(shù)據(jù)預(yù)處理

2.2.1 數(shù)據(jù)質(zhì)量提升

目前很多95598 訴求工單因用電客戶編號、臺區(qū)信息不全，無法定位到具體停電臺區(qū)，導(dǎo)致客戶訴求無法關(guān)聯(lián)到停電信息，為此，制定以下4 種方法提升關(guān)聯(lián)度。

1）對于已辦結(jié)的故障報修工單，有客戶編號或臺區(qū)信息的可關(guān)聯(lián)至對應(yīng)的停電臺區(qū)，通過工單受理時間關(guān)聯(lián)停電信息；或者提取工單受理意見中備注的停電信息進行關(guān)聯(lián)。

2）故障報修工單的受理時間晚于實際故障停電時間，可將報修工單的受理時間拓展至當日，擴大關(guān)聯(lián)停電信息的范圍。

3）業(yè)務(wù)咨詢工單的受理時間早于計劃停電的實際執(zhí)行時間，可將業(yè)務(wù)咨詢中計劃、臨時停電信息咨詢工單的受理時間往前拓展7 天，擴大關(guān)聯(lián)停電信息的范圍。

表1 停電敏感度預(yù)測模型寬表字段

4）綜合分析營銷業(yè)務(wù)系統(tǒng)和用電采集系統(tǒng)中的停電數(shù)據(jù)，針對短時停電事件或人工錄入錯誤，可能造成營銷業(yè)務(wù)系統(tǒng)中停電信息發(fā)布不規(guī)范，通過并入采集系統(tǒng)正確的停電數(shù)據(jù)，修復(fù)營銷業(yè)務(wù)系統(tǒng)中的停電信息，提高訴求與停電信息的關(guān)聯(lián)度。

2.2.2 數(shù)據(jù)填充

數(shù)據(jù)通常存在缺失或錯漏，特別是停送電訴求工單中用電客戶編號、臺區(qū)信息存在缺失的現(xiàn)象，若將這些值拋棄掉，將嚴重影響敏感度識別的計算結(jié)果。為了達到更好的建模效果，采用均值插補方式對缺失值進行填充處理。

2.2.3 特征選擇

考慮到其他字段權(quán)重較低，采用信息增益法在模型寬表中選取排名在前15 的信息增益作為特征字段，用于模型訓(xùn)練。特征字段信息增益越大，表示對建模影響程度越大。特征字段信息增益權(quán)重如表2 所示。

2.3 模型評估與優(yōu)化

利用查全率和查準率衡量預(yù)測模型的精度［11］，并通過調(diào)整采樣方式和比例，不斷優(yōu)化模型精度。設(shè)TP為預(yù)測正確的停電敏感客戶數(shù)，F(xiàn)P為預(yù)測錯誤的停電敏感客戶數(shù)，F(xiàn)N為預(yù)測錯誤的停電不敏感客戶數(shù)，TN為預(yù)測正確的停電不敏感客戶數(shù)。

表2 停電敏感度預(yù)測模型建模字段權(quán)重

查準率Z 指模型預(yù)測正確數(shù)占預(yù)測的停電敏感客戶數(shù)的比例

查全率R 指模型預(yù)測正確數(shù)占實際的停電敏感客戶數(shù)的比例

Z 和R 指標會存在不一致的情況，需綜合考慮，最常見的方法是采用F 測度，F(xiàn) 測度是查全率和查準率加權(quán)調(diào)和平均值

模型訓(xùn)練集無采樣方式的正負樣本比例為1∶795，通過增加正樣本占比，對比不同上采樣比例，以及傳統(tǒng)統(tǒng)計方式的預(yù)測準確率，選擇最優(yōu)采樣方式。結(jié)果表明：無采樣方式能準確識別停電敏感客戶，上采樣方式能識別更多的敏感客戶，傳統(tǒng)統(tǒng)計方式的查全率和查準率均低于無采樣方式，且無采樣方式的F 測度均高于其他2 種方式（較傳統(tǒng)方式提升6 倍），故選擇無采樣方式建模。不同采樣方式下預(yù)測準確率如表3 所示。

表3 不同采樣方式下預(yù)測準確率

3 停電敏感度預(yù)測模型應(yīng)用

在有百萬級用電客戶的某市電網(wǎng)試點，采用傳統(tǒng)統(tǒng)計方法預(yù)測停電敏感客戶的準確率不足10%。應(yīng)用停電敏感度預(yù)測模型，在“優(yōu)先保障查準率，最大化查全率”的原則下，不斷迭代優(yōu)化模型參數(shù)。2016 年7 月至2017 年10 月的典型月份（不含臺風(fēng)等災(zāi)害天氣月份和春節(jié)保電月份）數(shù)據(jù)表明：查準率呈上升趨勢，2017 年模型查準率均超過98%，查全率均超過18%。模型實際應(yīng)用的準確率情況如表4所示。

表4 實際應(yīng)用下模型準確率

通過進一步分析停電敏感客戶的敏感特征，有效支撐供電公司停送電服務(wù)精益化管理，使得計劃停電安排和配網(wǎng)改造科學(xué)合理，搶修策略和停電安撫有的放矢，風(fēng)險防范有效提升，減少客戶停電投訴，進一步改善客戶體驗。供電公司主要應(yīng)用場景如下：

1）事前計劃停電優(yōu)化安排。分析停電敏感客戶的停電敏感時長、敏感時段、敏感次數(shù)、敏感間隔等特征，供生產(chǎn)部門在月度停電平衡會時參考，支撐優(yōu)化計劃停電的影響范圍、停電日期、停電時段和停電時長，降低計劃停電帶來的客戶服務(wù)風(fēng)險。

2）事中故障停電服務(wù)補救。分析停電敏感客戶的停電敏感時段、敏感時長，定位當前停電影響的敏感客戶分布區(qū)域，支撐搶修策略和安撫策略制訂，優(yōu)先搶修敏感客戶集中且高敏感客戶較多的線路，縮小片區(qū)經(jīng)理（臺區(qū)經(jīng)理）安撫范圍，分策略采用上門、電話、短信、微信等服務(wù)補救方式，告知搶修進展和預(yù)計恢復(fù)送電時間，降低故障停電對客戶產(chǎn)生的不良感知。

3）事后頻停投訴風(fēng)險防范。將停電敏感客戶中近2 個月停電2 次及以上的，作為頻停投訴高風(fēng)險客戶，對于集中區(qū)域合理規(guī)劃配網(wǎng)線路和臺區(qū)改造，提前采取服務(wù)補救、停電優(yōu)化等措施，降低頻停投訴。

基于停電敏感度預(yù)測模型應(yīng)用，2017 年用電客戶的停送電相關(guān)訴求同比下降20.75%，屬供電公司責(zé)任的頻繁停電投訴同比下降40.30%，故障報修滿意率提升0.22 個百分點。生命線工程、重要客戶、大中型小區(qū)的停送電投訴0 件，停電超10 h 的大中型小區(qū)數(shù)量同比下降74.25%。

4 結(jié)語

提出采用隨機森林算法預(yù)測用電客戶的停電敏感度的方法，建模過程中對比不同采樣方式的模型準確率，隨機森林算法表現(xiàn)出較好的非平衡數(shù)據(jù)的處理能力，搭建了大數(shù)據(jù)平臺處理海量建模數(shù)據(jù)，較傳統(tǒng)統(tǒng)計方式，該模型預(yù)測停電敏感客戶的查準率和查全率更為出色。預(yù)測結(jié)果應(yīng)用到供電公司的“事前—事中—事后”停送電服務(wù)管理中，能夠有效防范停送電服務(wù)風(fēng)險，提升客戶滿意度，優(yōu)化電力營商環(huán)境。下一步，將從供電公司內(nèi)部協(xié)同和信息系統(tǒng)改造兩方面提升建模數(shù)據(jù)質(zhì)量，進一步提升模型預(yù)測準確率。