基于高斯混合模型聚類的低電壓用戶繳費(fèi)特征提取

奚增輝，王衛(wèi)斌，蘇鵬濤，姚 嶸，沈邵駿

（1.國網(wǎng)上海市電力公司，上海 200120；2.上海欣能信息科技發(fā)展有限公司，上海 200025）

伴隨著經(jīng)濟(jì)的快速發(fā)展，用戶對電力服務(wù)的需求越來越多樣化，有針對性地對低壓用戶進(jìn)行研究，能有效地縮短電費(fèi)回收周期，進(jìn)一步推動公司自產(chǎn)自銷產(chǎn)品的推廣[1]。繳費(fèi)是供電企業(yè)為用戶提供的一項(xiàng)連續(xù)的基本服務(wù)，提取其特征值具有較高的實(shí)際應(yīng)用價值[2]。利用PCA 進(jìn)化變換方法分析大容量智能用電數(shù)據(jù)，可以保留原始數(shù)據(jù)的主要信息，降低聚類維數(shù)，提高聚類效率[3]。但是，用戶數(shù)據(jù)受諸多因素的影響，缺少線性特征；使用K-means 方法雖然簡單，但其同樣存在數(shù)據(jù)聚類效率較低的問題。針對這一問題，提出基于高斯混合模型聚類的低電壓用戶繳費(fèi)特征提取方法。通過對電力客戶支付特征和支付行為的分析，總結(jié)出不同的客戶群體的繳費(fèi)行為特點(diǎn)，并分析不同渠道的優(yōu)缺點(diǎn)，從而為不同群體客戶提供差異化、多樣化的優(yōu)質(zhì)服務(wù)。

1 低電壓用戶時序繳費(fèi)特征分析

考慮到低壓用戶的時序支付特點(diǎn)，以實(shí)際的電力用戶支付行為數(shù)據(jù)為基礎(chǔ)，構(gòu)建可以反映3 年間用戶支付規(guī)則變化趨勢的時序指標(biāo)體系[4]。低電壓用戶時序繳費(fèi)特征如表1 所示。

表1 低電壓用戶時序繳費(fèi)特征

由表1 可知，時序指標(biāo)可以很好地反映當(dāng)年個別用戶的支付習(xí)慣。該系數(shù)越大，用戶就越喜歡傳統(tǒng)的支付方式，使用頻率就越高[5]。

2 低電壓用戶繳費(fèi)特征提取方案設(shè)計(jì)

在上述低電壓用戶時序繳費(fèi)特征分析結(jié)果支持下，設(shè)計(jì)低電壓用戶繳費(fèi)特征提取方案。通過預(yù)處理聚類數(shù)據(jù)，結(jié)合用戶用電總量，設(shè)計(jì)聚類信息處理流程。通過用戶繳費(fèi)數(shù)據(jù)變換，獲取用戶繳費(fèi)特征所屬類別，完成特征提取。

2.1 基于高斯混合模型GMM用電客戶聚類

2.1.1 數(shù)據(jù)聚類預(yù)處理

以低電壓用戶的時序繳費(fèi)特征分析結(jié)果為基礎(chǔ)，對數(shù)據(jù)進(jìn)行聚類預(yù)處理，去除噪音和用戶不連續(xù)繳費(fèi)數(shù)據(jù)，得到低壓用戶3 年繳費(fèi)記錄[6-8]。由于采用的數(shù)據(jù)維度差異很大，所以需要對原始數(shù)據(jù)進(jìn)行歸一化處理，得到標(biāo)準(zhǔn)數(shù)據(jù)，然后進(jìn)行聚類。為了達(dá)到預(yù)定的聚類次數(shù)，首先用K-means 算法對數(shù)據(jù)進(jìn)行聚類，并對聚類結(jié)果進(jìn)行優(yōu)度檢驗(yàn)[9-10]。聚類優(yōu)度結(jié)果如圖1 所示。

圖1 聚類優(yōu)度結(jié)果

由圖1 可知，當(dāng)K值為7 時，圖像的斜率趨于平滑。從聚類的可解性出發(fā)，優(yōu)選出K=7 的最優(yōu)聚類數(shù)目，從而對實(shí)際數(shù)據(jù)進(jìn)行了分析[11]。

2.1.2 聚類中心確定

高斯混合模型聚類是一種基本的數(shù)據(jù)概率密度分布聚類方法，許多應(yīng)用廣泛的算法對于符合GMM的數(shù)據(jù)分布都具有很好的適用性[12-13]?；诟咚够旌夏Ｐ偷木垲愃惴鞒倘鐖D2 所示。

圖2 基于高斯混合模型聚類流程

由圖2 可知，基于高斯混合模型聚類的完整聚類步驟如下：

Step1：輸入初始聚類數(shù)量Cinit，獲取高斯分布的重疊度閾值T；

Step2：設(shè)C為每次的迭代聚類結(jié)果，與初始聚類數(shù)量Cinit一致，形成初始劃分區(qū)域，確定初始核；

Step3：設(shè)迭代聚類結(jié)果C的正態(tài)核函數(shù)為k，由此運(yùn)行動態(tài)聚類過程；

Step4：根據(jù)Step3 區(qū)分重疊區(qū)域與分散區(qū)域，由此計(jì)算若干高斯分布成分組的重疊度，OLRij(1 ≤i＜j≤C)；

Step5：選擇所有負(fù)荷條件的高斯分布結(jié)果：

①重疊度閾值滿足條件公式為：

如果重疊度閾值滿足上述條件，那么隨意選擇聚類點(diǎn)(i,j)；

②若干高斯分布成分組重疊度滿足條件公式為：

如果若干高斯分布成分組的重疊度滿足上述條件，那么隨意選擇聚類點(diǎn)(i,j)將被合并處理；

③將所有被選擇的聚類點(diǎn)進(jìn)行歸一化處理，形成一個新的聚類中心，由此計(jì)算該聚類中心的均值和協(xié)方差；

Step6：更新迭代聚類結(jié)果，如果該結(jié)果滿足C＞2，則需跳轉(zhuǎn)到Step3，否則停止更新，輸出聚類結(jié)果。

2.2 聚類信息處理

數(shù)據(jù)提取和信息處理是構(gòu)建用戶行為特征提取系統(tǒng)的最終應(yīng)用環(huán)節(jié)[14-15]。利用數(shù)據(jù)挖掘的工作原理，通過對電子政務(wù)環(huán)境的處理，可以對特征層中存儲的數(shù)據(jù)進(jìn)行調(diào)度[16]。在保證用戶行為特征不變的前提下，分析待挖掘數(shù)據(jù)的存儲結(jié)構(gòu)，獲得數(shù)據(jù)挖掘驅(qū)動設(shè)備的參數(shù)信息，根據(jù)執(zhí)行用戶行為的需要，建立必要的提取處理標(biāo)準(zhǔn)。聚類信息處理流程如圖3所示。

圖3 聚類信息處理流程

在整個處理過程中，電子政務(wù)系統(tǒng)信息提取框架始終保持相對良好的信息調(diào)度能力，可融合系統(tǒng)內(nèi)所有的待挖掘數(shù)據(jù)，并將其整合成提取處理所必需的信息應(yīng)用結(jié)構(gòu)。至此，完成聚類信息處理。

2.3 用戶繳費(fèi)數(shù)據(jù)變換

對于聚類信息處理結(jié)果，需建立低電壓用戶繳費(fèi)特征信息的原始矩陣X：

式（3）中，xn表示一年中不同時刻的用電信息。將原始矩陣對角化處理，獲取特征向量，使用主元方差累積法，確定通過閾值為85%，通過如下公式選取元數(shù)目：

通過式（4）求取k值，對于達(dá)不到閾值要求的用戶，需剔除兩組數(shù)據(jù)，同時更新聚類中心，為后續(xù)用戶繳費(fèi)特征提取簡化計(jì)算量。

2.4 用戶繳費(fèi)特征提取

基于高斯混合模型的低電壓用戶繳費(fèi)行為數(shù)據(jù)聚類，對變換后的數(shù)據(jù)進(jìn)行分析，有效用戶數(shù)據(jù)特征可分為9 種，用戶繳費(fèi)特征提取結(jié)果如下：

聚類1-線下波動型用戶：該類用戶一般使用線上繳費(fèi)模式，但2018 年這類用戶使用的是金融代扣模式，2019 年和2017 年類似，但使用線下繳費(fèi)比例上升；聚類2-線下偏好型用戶：線上和線下渠道都會使用的用戶，但更偏好使用線下繳費(fèi)渠道；聚類3-自然轉(zhuǎn)化型用戶：線上繳費(fèi)比例處于自然上升狀態(tài)；聚類4-大額繳費(fèi)型用戶：該類用戶繳費(fèi)金額較大，繳費(fèi)規(guī)律無明顯變化，線上和線下繳費(fèi)方式皆有；聚類5-線上波動型用戶：與聚類1 相反，聚類5的用戶使用第三方線上繳費(fèi)渠道，而2018 年則使用過線下繳費(fèi)渠道導(dǎo)致經(jīng)濟(jì)成本系數(shù)指標(biāo)升高；聚類6-金融機(jī)構(gòu)轉(zhuǎn)化型用戶：該類用戶從第三方線上繳費(fèi)模式逐年轉(zhuǎn)變?yōu)榻鹑跈C(jī)構(gòu)代扣渠道；聚類7-退化型用戶：該類用戶從2017 年開始基本使用線上繳費(fèi)模式，到2019 年開始使用線上線下混合繳費(fèi)；聚類8-快速轉(zhuǎn)化型用戶：該類用戶從線上線下混合繳費(fèi)模式，到使用金融機(jī)構(gòu)代扣模式；聚類9-金融代扣型用戶：用戶使用金融代扣繳費(fèi)渠道。

3 實(shí) 驗(yàn)

為了驗(yàn)證基于高斯混合模型聚類的低電壓用戶繳費(fèi)特征提取方法的合理性，進(jìn)行實(shí)驗(yàn)驗(yàn)證分析。以上海低電壓居民用戶作為研究對象，采用真實(shí)的用電客戶繳費(fèi)行為數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)。通過國網(wǎng)上海電力大數(shù)據(jù)平臺，獲取用戶信息數(shù)據(jù)、應(yīng)收電費(fèi)數(shù)據(jù)、實(shí)收電費(fèi)數(shù)據(jù)及用戶繳費(fèi)數(shù)據(jù)。

以繳費(fèi)特征變化較為明顯的線下波動型用戶和自然轉(zhuǎn)化型用戶繳費(fèi)特征為例，分別使用PCA進(jìn)化變換方法、K-means 方法、基于高斯混合模型聚類方法對其2017～2019 年特征變化情況進(jìn)行對比分析。

2017～2019 年實(shí)際繳費(fèi)特征變化如圖4 所示。

由圖4 可知，PCA 進(jìn)化變換方法在2017 年繳費(fèi)特征數(shù)據(jù)與實(shí)際情況出入不大，但在2018 年與實(shí)際數(shù)據(jù)相差較大，實(shí)際數(shù)據(jù)最優(yōu)聚類為0，隨著時間增加，最優(yōu)聚類也沒有發(fā)生較大變動，而使用該方法最優(yōu)聚類由0 變?yōu)?.6，隨著時間增加，最優(yōu)聚類也發(fā)生較大變動。2019 年與實(shí)際數(shù)據(jù)相差較小，最優(yōu)聚類與實(shí)際聚類結(jié)果沒有較大偏差。

圖4 2017～2019年線下波動型用戶實(shí)際繳費(fèi)特征變化

K-means 方法在2017 年繳費(fèi)特征數(shù)據(jù)與實(shí)際情況存在一定出入，最優(yōu)聚類由0 變?yōu)?.6。在2018 年與實(shí)際數(shù)據(jù)相差較大，實(shí)際數(shù)據(jù)最優(yōu)聚類為0，隨著時間增加，最優(yōu)聚類也沒有發(fā)生較大變動，而使用該方法最優(yōu)聚類由0 變?yōu)?.7，隨著時間增加，最優(yōu)聚類也發(fā)生較大變動。2019 年與實(shí)際數(shù)據(jù)相差較小，最優(yōu)聚類與實(shí)際聚類結(jié)果沒有較大偏差。

基于高斯混合模型聚類方法2017～2019 年與實(shí)際數(shù)據(jù)變化趨勢一致，且最優(yōu)聚類數(shù)值也一致。

通過上述分析結(jié)果可知，使用基于高斯混合模型聚類方法繳費(fèi)特征提取較為精準(zhǔn)。

4 結(jié)束語

以低電壓用戶細(xì)分指標(biāo)體系為起點(diǎn)，建立時序指標(biāo)體系，觀察用戶總體變化趨勢。聚類分析采用高斯混合聚類模型，并對聚類結(jié)果進(jìn)行整理和分析。根據(jù)電力公司現(xiàn)有電力用戶的繳費(fèi)特點(diǎn)，提出相應(yīng)的付款渠道營銷策略。