基于客戶偏好與需求的智能服務系統研究與設計

周玲, 朱州, 張剛, 王鵬, 楊松

(貴州電網公司 信息中心, 貴州 貴陽 550003)

0 引言

在電力市場改革背景下，電力單位急切地需要提高自身市場競爭力，而其途徑就在于優化自身服務水平，但在傳統人工模式下，面對現代海量電力數據以及復雜的分布結構，人力早已不滿足工作需求，說明電力單位服務水平優化遇到了瓶頸。而在智能技術開發普及之后，電力單位找到了突破瓶頸的方法，即使用智能化技術對原有服務體系以及內部結構進行優化，最終實現目標，在應用效果上來看其表現良好，說明這種方式值得推廣，那么為了進一步地提高智能化技術在電力運維中的深度，圍繞市場客戶偏好與需求進行優化是行之有效的方法，因此有必要進行相關研究，這也是本文課題的意義所在。

1 市場客戶偏好與需求分析

市場客戶偏好與需求是現代電力單位智能化服務系統發展的主要方向，那么要保障方向正確，電力單位必須先了解市場客戶偏好與需求，對此下文將對市場客戶偏好與需求特征進行分析。

(1) 動態性

在理論上，任何市場客戶的偏好、需求隨時都可能產生變化，因此證實其存在動態性特征，同時面對所有市場客戶，既然所有客戶都可能隨時出現偏好與需求的變化，說明整個市場的動態性變化十分強烈，通過人工方法根本不可能有效獲取。但在智能技術條件下，利用市場客戶偏好與需求動態變化與社會潮流之間的關系，可以對這種變化進行預測，完成相應信息獲取，但要實現這一點，在實際工作當中還要進行深入研究[1-3]。

(2) 個性化

每個市場客戶的偏好與需求，在本質目標上雖然一致，但其他部分則或多或少的存在差異，即任何市場客戶的偏好、需求，都是圍繞“讓自身電力使用體驗更好”的目的來產生的，但是這一目的在不同客戶心理角度上，其對“好”的指標不同，同時實現這一目的的方式也有很多，所以會產生不同的偏好與需求，而這一表現產生的結果，是完全與客戶個人心理相符的，所以被稱為個性化偏好與需求[4-6]。

(3) 被動性

雖然電力市場客戶偏好與需求動態性表現繁多，且多種多樣，但大部分客戶在正常情況下，是不會將自身需求表露出來的，說明其具備被動性特征。根據某相關調查結果得知，100名調查對象，在正常用電的條件下，只有2名客戶提出了自身需求，其他客戶在后續調查當中有82名存在新需求，但是沒有提出，證實被動性特征是當前電力市場客戶偏好與需求的普遍特征[7-8]。

2 智能服務系統設計面臨的問題

結合上述市場客戶偏好與需求分析內容，在智能服務系統設計當中，設計人員會面臨很多問題，例如需求獲取困難、難以對需求進行分類等，這些問題無疑需要在系統設計當中得到解決，否則此項工作的意義將蕩然無存。下文將具體分析智能服務系統設計面臨的問題。

(1) 需求獲取困難

在被動性特征條件下，電力單位如果要獲得所有客戶的個性化偏好與需求，顯然是一項耗時耗力，且難度較大的工作，因為大多數客戶不會主動將需求提出，而電力單位為了獲取信息，就不得不與客戶溝通，而每次溝通的客戶數量是極其有限的，且需要引導客戶說出真實的需求，這一切不但考驗工作人員的溝通技巧，同時也需要漫長的時間來做過度，而就算最終收集了所有客戶的偏好與需求，也可能因為動態性特征而導致部分收集信息無效，所以此項工作的難度極大，幾乎是不可能完成的。那么在智能化服務系統設計當中，設計人員必須發揮智能化技術的能效，消除此類問題，否則系統運作依舊受制于問題范疇，實際效果十不存一[9-10]。

(2) 難以對需求進行分類

在個性化特征條件下，電力單位收集到的所有客戶偏好與需求之間都難免存在差異，而即使再細小的差異，都可能導致信息內涵方向不同，對此如果要優化服務水平，針對不同偏好與需求進行服務，就必須對需求進行細化分類，再制定針對性的服務體制，但在傳統人工模式下，市場客戶偏好與需求分類條件十分粗糙，只能根據客戶一些外露特征來進行分類，例如針對客戶行業，將其分為工業客戶、個體客戶等，根據其用電量進行電能配送，這種方法可以起到節省能源、降低經濟損失率的目的，但無法實現針對性服務。

3 智能服務系統設計

2.1 系統結構及開發平臺

首先為了實現與所有市場客戶的連接，在系統設計當中，必須先建立專門的互聯網框架，在此框架環境當中，將其作為開發平臺才能完成系統結構設計工作。其次本文系統結構總共分為業務應用層、支持平臺服務層、數據源層、網絡層4個部分，系統體系結構如圖1所示。

圖1 系統體系結構

(1) 業務應用層

業務應用層位于整個系統的最表層，其中包括業務功能組件與UI組件，兩個組件可以實現信息獲取以及數據可視化功能，即信息獲取功能是由供電監測硬件組成的，根據監測器的反饋可以收集到每個客戶的用電情況，在經過一段時間采集之后，即可形成客戶用電走勢圖，根據圖中數據展示，可以判斷出客戶用電量的峰值、最低值以及兩值出現的時間區域，而根據這些數據，可以推斷出對應客戶的用電偏好以及需求；UI組件與所有業務功能組件連接，每個業務功能組件得到的數據，均會被UI組件接收，并轉化成數字化形式展示給工作人員查看，幫助工作人員獲取具體需求[11-13]。

(2) 支持平臺服務層

支持平臺服務層由工作流引擎、智能決策支持引擎、MapX組件組成，其中工作流引擎主要是考慮到工作效率問題，依照相應指標，對所有獲取到的信息進行等量分配，并發送給每個工作人員，此舉可以合理控制工作人員的工作負擔，有效提高工作效率；智能決策支持引擎主要實現了客戶細化分類功能，即根據以往客戶分類規則，在智能決策支持引擎條件下，通過數據特征分析功能，判斷每個用戶的偏好與需求差異，相應進行細化分類之后，將其傳輸到業務應用層當中，為其提供數據支撐；MapX組件是一種地理定位功能，可以獲取客戶地理信息，在整個工作流程當中起到輔助作用，即當工作人員了解到某個客戶的偏好與需求發生變化之后，可以根據MapX組件了解其具體位置，相應將信息一一對應之后，通過操作使電力供給滿足客戶當前偏好與需求[14]。

(3) 數據源層

數據源層是系統數據儲存層，主要由Oracle9i數據庫、Oracle9i Spatialko空間數據庫組成，其中Oracle9i數據庫數據常規數據庫，用于儲存工作人員導入數據、系統收集數據等其他所有數據，而Oracle9i Spatialko空間數據庫與Oracle9i數據庫連接，所有存放于Oracle9i數據庫當中的數據，都會被備份到Oracle9i Spatialko空間數據庫當中，相應當工作人員需要對數據進行調度之后，可以根據Oracle9i Spatialko空間數據庫的空間數據字段、空間索引功能對數據進行檢索，隨之即可完成調度操作。

(4) 網絡層

網絡層即為互聯網環境，本文系統設計為了實現系統與所有客戶的連接，開發了專門的網站，在網站基礎上采用開發工具完成本次系統開發設計工作。

3.2 客戶細分算法設計

針對上述客戶細化分類功能，其必須在數學算法的基礎上才能實現，對此本文為了保障分類準確性，進行了客戶細分算法設計。具體來說，本文在BP神經網絡基礎上，構建了多層神經網絡結構，其主要由輸入層、隱含層和輸出層組成，三者均可以依照函數傳遞與權值，對最終結果進行控制，具體結構如圖2所示。

圖2 神經網絡結構

在此基礎上，客戶細分流程：神經網絡初始化，即圍繞采集得到的帶有客戶偏好與需求的電力數據信息，生成針對性的神經網絡結構；生成最匹配的個體作為初始權值；圍繞權值生成分類組，相應進行迭代計算，如果計算結果達到最大迭代值，則啟用遺傳算法來得到最優解，如果沒有達到最大迭代值，則結束計算，將當前分類結果作為最終結果。

3.3 決策樹學習功能設計

介于市場客戶偏好與需求的動態性，為了使系統需求分析不落后于動態變化速度，本文認為需要設計決策樹學習功能，預先判斷客戶偏好與需求的走勢，相應消除上述問題。設計當中，先以某實例為目標，將其作為決策樹的“根基”，相應在獲取其需求之后，生成“根系”與網絡平臺連接，實現數據導入，最終采用C4.5算法作為決策樹“軀干”，此時所有數據被導入至決策樹當中，就會激發C4.5算法進行計算，相應生成“枝干”，每條枝干都代表用戶需求走向，而其中最長“枝干”則代表最優解，是用戶需求最可能出現的走勢。

4 總結

綜上，本文主要對基于客戶偏好與需求的智能服務系統進行了研究與設計工作，相應得到結論：圍繞電力市場客戶偏好與需求進行了分析，了解其特征表現，為之后分析工作提供了方向；結合傳統人工模式，在電力市場客戶偏好與需求結果上，介紹了其中問題表現，即需求獲取困難、難以對需求進行分類2個大方向問題，相應在智能服務系統當中，需要解決此類問題，否則系統將失去存在意義；進行了智能服務系統設計工作，設計分為三個部分：系統結構及開發平臺、客戶細分算法設計、決策樹學習功能設計，介紹了每個設計部分的設計方法，并對其功能表現進行了闡述。