基于改進(jìn)熵權(quán)法的電力客戶服務(wù)質(zhì)量評(píng)價(jià)方法

許杰雄 王松云 余中杰 陳佐

摘 要：針對(duì)電力客戶服務(wù)信息化、智能化發(fā)展需要及更加客觀準(zhǔn)確地評(píng)價(jià)電力客戶服務(wù)質(zhì)量，引入激活熵的概念，提出基于改進(jìn)熵權(quán)法的電力客戶服務(wù)質(zhì)量評(píng)價(jià)方法。使用激活熵替代經(jīng)典熵權(quán)法中的信息熵，可以在不改變各指標(biāo)信息熵相對(duì)大小及各指標(biāo)相對(duì)重要程度的情況下，降低部分異變樣本數(shù)據(jù)對(duì)最終評(píng)價(jià)結(jié)果的影響。模擬測(cè)試結(jié)果表明，提出的方法可以客觀準(zhǔn)確計(jì)算出電力客服綜合評(píng)分，獲得正確率較高的電力客戶服務(wù)質(zhì)量評(píng)價(jià)結(jié)果。

關(guān)鍵詞：熵權(quán)法;指標(biāo)評(píng)價(jià);電力客服;激活函數(shù)

中圖分類號(hào)：F423.3;TM711

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1007-757X（2020）11-0090-03

Abstract：In response to the informaization and intelligentization of power customer service， it is necessary to evaluate the quality of power customer service more objectively and accurately. The concept of activation entropy is introduced in this paper， and method of power customer service quality evaluation based on improved entropy weight method is also proposed. The activation entropy is used to replace the information entropy in the classical entropy weight method， to change the relative size of each index and the relative value of each index. In the case of important degree， the influence of partial dissimilar sample data on the final evaluation result is reduced. Finally， the simulation test results show that the method proposed in the paper can objectively and accurately calculate the comprehensive score of electric customer service， and obtain the service quality of electric customer with higher correct evaluation results.

Key words：entropy weight;indicator evaluation;power customer service;activation function

0?引言

當(dāng)今電力產(chǎn)業(yè)不僅重視生產(chǎn)，對(duì)提供及時(shí)、高效的客戶服務(wù)也尤為重視，電力客戶服務(wù)質(zhì)量的評(píng)價(jià)從一定程度上反映了運(yùn)營(yíng)效率[1]。電力客服系統(tǒng)作為一個(gè)平臺(tái)，對(duì)用戶提出的問(wèn)題高效解決問(wèn)題發(fā)揮出應(yīng)有的作用。電力客服系統(tǒng)運(yùn)行質(zhì)量影響到電力運(yùn)營(yíng)的穩(wěn)定性和可靠性，傳統(tǒng)的電力客服評(píng)價(jià)存在主觀因素多、評(píng)價(jià)結(jié)果缺乏說(shuō)服力等問(wèn)題，解決上述問(wèn)題需從不同的評(píng)價(jià)指標(biāo)分析出發(fā)，建立基于客觀算法的評(píng)價(jià)體系，通過(guò)計(jì)算指標(biāo)數(shù)據(jù)的離散程度決定指標(biāo)的權(quán)重，同時(shí)局部異變數(shù)據(jù)不能影響綜合評(píng)價(jià)結(jié)果。因此，改進(jìn)電力客戶服務(wù)質(zhì)量評(píng)價(jià)方法尤為重要。

電力客戶服務(wù)質(zhì)量評(píng)價(jià)時(shí)最大同時(shí)接待量、日接待量、回復(fù)條數(shù)、滿意率、問(wèn)題平均解決時(shí)長(zhǎng)指標(biāo)數(shù)值會(huì)發(fā)生變化，通過(guò)指標(biāo)數(shù)值可以計(jì)算出電力客服對(duì)應(yīng)指標(biāo)的評(píng)價(jià)分值，從而體現(xiàn)電力客戶服務(wù)質(zhì)量。對(duì)于綜合評(píng)價(jià)方法，文獻(xiàn)中提出了很多種，層次分析法（Analytic Hierarchy Process，AHP）權(quán)重主觀確定、特征值和特征向量的精確求法比較復(fù)雜[2]、TOPSIS法（Technique for Order Preference by Similarity to an Ideal Solution）的權(quán)重設(shè)定與AHP一樣都是主觀決定[3]，缺乏說(shuō)服力、秩和比法（Rank-sum ratio，RSR）權(quán)重部分主觀確定，且由于指標(biāo)值采用秩代換會(huì)導(dǎo)致指標(biāo)部分信息喪失[4]。經(jīng)典熵權(quán)法克服了以上方法的不足，通過(guò)計(jì)算指標(biāo)數(shù)據(jù)的離散程度客觀決定指標(biāo)的權(quán)重，然而在實(shí)際應(yīng)用中，經(jīng)典熵權(quán)法也存在一定問(wèn)題，經(jīng)典熵權(quán)法基于基礎(chǔ)數(shù)據(jù)對(duì)指標(biāo)進(jìn)行計(jì)算信息熵與指標(biāo)權(quán)重，避免了人為因素的主觀行為，提高了評(píng)價(jià)結(jié)果的準(zhǔn)確性，但是由于評(píng)價(jià)樣本數(shù)據(jù)量往往較小，導(dǎo)致數(shù)據(jù)異變性出現(xiàn)幾率較大，造成信息熵、權(quán)重值誤差大，最終影響評(píng)價(jià)結(jié)果[5-9]。

針對(duì)以上問(wèn)題文中引入了激活熵的概念，提出了基于改進(jìn)熵權(quán)法的電力客戶服務(wù)質(zhì)量評(píng)價(jià)方法，使用95598客戶服務(wù)真實(shí)數(shù)據(jù)，以電力客服人員作為評(píng)價(jià)對(duì)象，通過(guò)多個(gè)指標(biāo)評(píng)價(jià)結(jié)果對(duì)服務(wù)質(zhì)量作出客觀評(píng)價(jià)。完善電力客戶服務(wù)系統(tǒng)，提高電力客戶服務(wù)質(zhì)量。

1?激活熵

1.1?激活熵算法

熵的概念由Shannon從熱力學(xué)引入到信息論中，它可以度量系統(tǒng)的有序程度，從而描述信息量的不確定性[10]。

根據(jù)熵的定義，若信源有m種不同取值，對(duì)應(yīng)概率為Pi（n=1，2，…，m）時(shí)，則信源的熵的定義，如式（1）。

若Pi=1/m（n=1，2，…，m）時(shí)，也就是各取值出現(xiàn)的概率一樣時(shí)，熵的值最大。

若依據(jù)i個(gè)評(píng)價(jià)指標(biāo)對(duì)j個(gè)評(píng)價(jià)對(duì)象進(jìn)行評(píng)價(jià)，采用熵值作為某指標(biāo)的權(quán)重，則指標(biāo)的信息熵Ei越大，就表明該指標(biāo)對(duì)j個(gè)對(duì)象的評(píng)價(jià)中貢獻(xiàn)越均衡，指標(biāo)值對(duì)不同對(duì)象評(píng)價(jià)的區(qū)分度越小，能為最終決策提供的信息量越小，在綜合評(píng)價(jià)中所起的作用越小，則其權(quán)重也應(yīng)越小。反之，則權(quán)重也應(yīng)越大[11-14]。

激活熵是信息熵通過(guò)激活函數(shù)計(jì)算得到的，之后計(jì)算得到修正后的指標(biāo)權(quán)重。激活函數(shù)主要用于人工神經(jīng)網(wǎng)絡(luò)、本文使用logistic函數(shù)作為激活熵的算法，如式（2）。

由上可見，用指標(biāo)熵值賦相應(yīng)權(quán)重僅反映了指標(biāo)在評(píng)價(jià)客服對(duì)象時(shí)的客觀差異度[15-20]，在評(píng)價(jià)樣本存在數(shù)據(jù)異變的情況下，熵本身并不能完全反映指標(biāo)在解決實(shí)際問(wèn)題時(shí)的重要性。為了防止部分指標(biāo)數(shù)據(jù)異變影響對(duì)應(yīng)指標(biāo)的權(quán)重，降低多次評(píng)價(jià)后的綜合評(píng)價(jià)結(jié)果準(zhǔn)確率，所以引入激活熵，從而使電力客戶服務(wù)質(zhì)量評(píng)價(jià)體系更加客觀、合理、有說(shuō)服力。

2?基于改進(jìn)熵權(quán)法的電力客戶服務(wù)質(zhì)量評(píng)價(jià)方法

（1） 明確指標(biāo)體系和評(píng)價(jià)對(duì)象

電力客戶服務(wù)工作主要依據(jù)實(shí)際開展所收集的數(shù)據(jù)，建立五個(gè)指標(biāo)體系對(duì)各客服（文中共11個(gè)）的服務(wù)工作進(jìn)行評(píng)價(jià)，則待評(píng)價(jià)對(duì)象包含11個(gè)評(píng)價(jià)對(duì)象?，F(xiàn)有電力客服評(píng)價(jià)指標(biāo)體系包括：正向指標(biāo)，最大同時(shí)接待量、日接待量、回復(fù)條數(shù)和滿意率;逆向指標(biāo)，問(wèn)題平均解決時(shí)長(zhǎng)。

其中，除問(wèn)題平均解決時(shí)長(zhǎng)為反向指標(biāo)（指標(biāo)值越趨近零越好）外，其余指標(biāo)均為正向指標(biāo)（指標(biāo)值越趨近正無(wú)窮越好）。

3?電力客戶服務(wù)質(zhì)量評(píng)價(jià)方法的仿真測(cè)試

3.1?測(cè)試平臺(tái)及樣本數(shù)據(jù)

為了分析基于改進(jìn)熵權(quán)法的電力客戶服務(wù)質(zhì)量評(píng)價(jià)方法效果，選擇經(jīng)典熵權(quán)法進(jìn)行對(duì)比測(cè)試，電力客服基礎(chǔ)數(shù)據(jù)樣本構(gòu)成，如表1所示。

采用最大同時(shí)接待量、日接待量、回復(fù)條數(shù)、滿意率、問(wèn)題平均解決時(shí)長(zhǎng)作為電力客戶服務(wù)質(zhì)量正向、逆向指標(biāo)。

3.2?數(shù)據(jù)標(biāo)準(zhǔn)化

將電力客戶服務(wù)質(zhì)量的樣本數(shù)據(jù)具體數(shù)值代入上述第2小節(jié)中步驟（2），得到標(biāo)準(zhǔn)化結(jié)果，如表2所示。

3.3?激活熵與指標(biāo)權(quán)重計(jì)算

將標(biāo)準(zhǔn)化結(jié)果代入第二小節(jié)公式計(jì)算，得到各指標(biāo)激活熵、指標(biāo)權(quán)重，如表3所示。

3.4?客觀評(píng)價(jià)分值確定

通過(guò)表2和表3數(shù)值計(jì)算得出客觀評(píng)價(jià)分值結(jié)果，如表4所示。

3.5?結(jié)果及分析

采用經(jīng)典熵權(quán)法、改進(jìn)熵權(quán)法分別建立電力客戶服務(wù)質(zhì)量評(píng)價(jià)方法，并對(duì)電力客戶服務(wù)樣本進(jìn)行分辨，得到的改進(jìn)熵權(quán)法測(cè)試結(jié)果如上述表4。經(jīng)典熵權(quán)法如表5所示。

相對(duì)于經(jīng)典熵權(quán)法的電力客戶服務(wù)質(zhì)量評(píng)價(jià)方法，改進(jìn)熵權(quán)法電力客戶服務(wù)質(zhì)量評(píng)價(jià)方法效果得到明顯的優(yōu)化，這主要是由于改進(jìn)熵權(quán)法信息熵的數(shù)值通過(guò)激活函數(shù)進(jìn)行激活，在不影響指標(biāo)數(shù)值相對(duì)大小的情況下做出了合理的轉(zhuǎn)換，建立最優(yōu)的電力客戶服務(wù)質(zhì)量評(píng)價(jià)系統(tǒng)，有效降低了電力客戶服務(wù)質(zhì)量評(píng)價(jià)的錯(cuò)誤率。

統(tǒng)計(jì)經(jīng)典熵權(quán)法、改進(jìn)熵權(quán)法，分別建立兩個(gè)客服一個(gè)季度的電力客戶服務(wù)質(zhì)量評(píng)價(jià)綜合統(tǒng)計(jì)結(jié)果，如表6所示。

從表6可以看出本文模型的電力客戶服務(wù)質(zhì)量綜合評(píng)分結(jié)果中經(jīng)典熵權(quán)法A客服二三四月分值比K客服低但因一月得分較高導(dǎo)致綜合評(píng)價(jià)分值更高，而改進(jìn)熵權(quán)法在不影響各指標(biāo)分值相對(duì)高低的情況下弱化單個(gè)異變指標(biāo)分值，使評(píng)價(jià)分值更具有說(shuō)服力。

4?總結(jié)

電力客戶服務(wù)質(zhì)量評(píng)價(jià)是電力系統(tǒng)的一個(gè)重要組成部分，對(duì)其進(jìn)行研究具有非常重要的意義，為了解決AHP法、TOPSIS法、RSR法中權(quán)重主觀確定的問(wèn)題，和經(jīng)典熵權(quán)法中存在的局部異變數(shù)據(jù)影響綜合評(píng)價(jià)結(jié)果問(wèn)題，提出了激活熵的概念，設(shè)計(jì)了基于改進(jìn)熵權(quán)法的電力客戶服務(wù)質(zhì)量評(píng)價(jià)方法?？朔司C合評(píng)價(jià)分值因信息熵的離散程度過(guò)大而影響到評(píng)價(jià)結(jié)果，測(cè)試結(jié)果表明，本文方法提高了電力客戶服務(wù)質(zhì)量評(píng)價(jià)正確率，大幅度減少了電力客戶服務(wù)質(zhì)量評(píng)價(jià)的誤判率，而且最終電力客戶服務(wù)質(zhì)量評(píng)價(jià)分值更客觀、合理、有說(shuō)服力，可以達(dá)到電力客戶服務(wù)系統(tǒng)實(shí)際應(yīng)用要求，獲得比其他方法更加理想的電力客戶服務(wù)質(zhì)量評(píng)價(jià)結(jié)果，為解決電力客戶服務(wù)質(zhì)量評(píng)價(jià)提供了一種高效的解決方案。

參考文獻(xiàn)

[1]?喻小寶，譚忠富，屈高強(qiáng).基于電力客戶評(píng)估的差異化電價(jià)套餐研究[J/OL].[2019-10-13]中國(guó)電力，http：//kns.cnki.net/kcms/detail/1.3265.TM.20190807.0843.002.html.

[2]?吉建兵，吉楊，鄭華.國(guó)外電力客戶服務(wù)經(jīng)驗(yàn)及對(duì)我國(guó)電力客戶服務(wù)的啟示[J].東北電力技術(shù)，2019，40（3）：59-62.

[3]?盧鶴挺，張惠詩(shī).東莞供電局基于電力客戶價(jià)值的分群管理應(yīng)用研究[J].電氣技術(shù)與經(jīng)濟(jì)，2019（2）：59-66.

[4]?陳敏耀，嚴(yán)佳梅，吳敵，等.95598客戶服務(wù)網(wǎng)格化管理的探討[J].電力需求側(cè)管理，2019，21（2）：71-73.

[5]?葉利，田曉霞，林濤，等.95598客戶服務(wù)應(yīng)用系統(tǒng)在線監(jiān)測(cè)技術(shù)研究[J].湖北電力，2018，42（6）：43-47.

[6]?張爽，景偉強(qiáng)，羅欣，等.基于大數(shù)據(jù)的95598優(yōu)質(zhì)服務(wù)管理創(chuàng)新與實(shí)踐[J].電力需求側(cè)管理，2017，19（5）：52-54.

[7]?李杰.基于AHP層次分析法的電商客服服務(wù)質(zhì)量評(píng)價(jià)模型研究[J].海峽科技與產(chǎn)業(yè)，2015（11）：66-68.

[8]?嚴(yán)嘉倫，林俊光，樓可煒，等.基于AHP-變異系數(shù)法的樓宇型綜合能源系統(tǒng)評(píng)價(jià)體系[J/OL].[2019-10-14].熱力發(fā)電，https：//doi.org/10.19666/j.rlfd.201904162.

[9]?潘雨紅，潘永飛，馬旭.基于Entropy-Topsis方法的住宅預(yù)制構(gòu)件的物流供應(yīng)商選擇[J].重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，36（2）：101-107.

[10]?黃魯成，劉春文，吳菲菲，等.一種基于聯(lián)系向量“垂面”距離的改進(jìn)TOPSIS多屬性決策方法[J/OL].[2019-10-14].系統(tǒng)工程，http：//kns.cnki.net/kcms/detail/43.1115.N.20191011.1448.006.html.

[11]?鄭陸海，李新強(qiáng)，郭鑫鑫.一種基于加權(quán)秩和比法的光伏并網(wǎng)逆變器多性能指標(biāo)評(píng)價(jià)方法研究[J].電器與能效管理技術(shù)，2019（13）：25-28.

[12]?高旭東，譚曉東，王震坤，等.基于加權(quán)秩和比模型的湖北省健康管理服務(wù)效果綜合評(píng)價(jià)研究[J/OL].[2019-10-13].中國(guó)全科醫(yī)學(xué)http：//kns.cnki.net/kcms/detail/13.1222.R.20190715.1009.002.html.

[13]?CHEN Jiabo， WANG Yanjie， LI Fayun， et al. Aquatic ecosystem health assessment of a typical sub-basin of the Liao River based on entropy weights and a fuzzy comprehensive evaluation method[J]. Scientific reports，2019，9（1）：14045.

[14]?宋新甫，徐龍秀，張艷，等.結(jié)合灰色關(guān)聯(lián)分析的熵權(quán)VIKOR法輸電網(wǎng)規(guī)劃方案綜合評(píng)價(jià)方法[J].電工技術(shù)，2019（11）：11-14.

[15]?Harish Garg. Intuitionistic Fuzzy Hamacher Aggregation Operators with Entropy Weight and Their Applications to Multi-criteria Decision-Making Problems[J]. Iranian Journal of Science and Technology， Transactions of Electrical Engineering，2019，43（3）：1-17.

[16]?WANG Zhongchang， WANG Chuan， WANG Zechuan. The Hazard Analysis of Water Inrush of Mining of Thick Coal Seam Under Reservoir Based on Entropy Weight Evaluation Method[J]. Geotechnical and Geological Engineering，2018，36（5）：1-10.

[17]?GAO Chenglu， LI Shucai， WANG Jing， et al. The Risk Assessment of Tunnels Based on Grey Correlation and Entropy Weight Method[J]. Geotechnical and Geological Engineering，2018，36（3）：1621-1631.

[18]?張國(guó)軍，李浩文，葛群，等.基于信息熵的自適應(yīng)窗長(zhǎng)光伏系統(tǒng)直流串聯(lián)電弧故障識(shí)別研究[J/OL].[2019-10-13].電源學(xué)報(bào)，http：//kns.cnki.net/kcms/detail/12.1420.TM.20191008.1111.002.html.

[19]?崔高穎，周玉，鄭愛(ài)霞，等.基于熵權(quán)的計(jì)量技術(shù)監(jiān)督模糊綜合評(píng)價(jià)方法[J].江蘇電機(jī)工程，2016，35（5）：14-18.

[20]?齊敬先，劉翌，蔣宇，等.基于標(biāo)簽技術(shù)和熵權(quán)法的缺陷推薦研究[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2018，27（8）：187-192.

（收稿日期：2019.10.21）