基于邏輯回歸模型的電力用戶停電敏感度預測

保富， 馬文， 高宇豆， 楊天純， 李珗

(1.云南電網有限責任公司信息中心， 云南， 昆明 650214；2.云南云電同方科技有限公司， 云南， 昆明 650214)

0 引言

由于多方面原因的影響，任何地區都可能因為一些因素或者條件約束造成停電的現象[1]。一般電力公司的規模都十分巨大，生產經營方面的情況也極為復雜，因此從大量的業務數據中通過各種渠道發現數據中的隱藏信息，可以有助于電力公司實現安全、可靠、平穩、便捷的供電服務核心宗旨[2]。

邏輯回歸模型具有設計與操作十分簡單的優勢，并且相比較其他預測方法，邏輯回歸模型在約束條件下對事物的預測精確率更高。電力用戶在我國分布密度十分巨大，因此在目前條件下邏輯回歸模型更加適合預測電力用戶的停電敏感度[2]。通過對電力用戶停電敏感度的大量收集進行邏輯回歸模型的設計，再通過設計的邏輯回歸模型對停電用戶敏感度進行有效的分析。

1 電力用戶停電敏感度預測數據處理

對電力用戶的停電敏感度數據收集主要來自用電行為[3]與用電信息處理。用電行為包括停電次數、停電時長、用電量、電價[4]。用電信息處理主要包括記錄電力用戶咨詢、報修、投訴、舉報等事務，這幾方面都屬于收集的電力用戶停電敏感度數據[5]。對于基本屬性可以歸納為數據X，電力行為歸納為數據Y，用電信息處理歸納為數據e，而主要應用的公式為

X=11+e-y

(1)

式(1)為邏輯回歸模型的通用公式，在本文將會應用于預測電力用戶的停電敏感度。由于9558數據處理信息大多為電力用戶咨詢、保修、投訴、舉報等，獲取數據方式相同，且不受外界與特定因素影響[6]。因此收集方式與轉化數據的方式也相同，所以可以總體歸納為數據e，在該過程中收集的數據為接下來預測電力用戶停電敏感度提供了大量的數據參照，也為接下來的方法實施打下了堅實的基礎[7]。由于每個電力用戶的用電次數、用電時長與用電量都有所不同，所以在數據Y的分析中需要設立特定區間，多次審核區間范圍外的數據，最終得到更加準確的數據y，從而達到分析目的。只有經過數據分析得到的數據才可以應用于邏輯回歸模型的設計當中，應用該數據設計的邏輯回歸模型可以提高預測電力用戶停電敏感度的準確性。

2 用戶停電敏感度預測

針對設計的邏輯回歸模型來說，需要依據上文中提到的基本屬性轉化的數據集合x，用電行為轉化的數據集合y與用電信息處理轉化的數據e進行設計，其中數據集合x屬于目標變量，數據集合y屬于影響因素，數據e則為自然數，而邏輯回歸模型預測計算的公式為

x=11+ey

(2)

在該計算過程中，當模型的因素變量即y過多時，通常應用大數據邏輯回歸模型方法學習出來的模型會出現數據重復預測的現象，引入x的平均數據集合，可以減小因素變量數據集合y的影響，也可以減少重復預測的現象，增強預測的判斷性[8]。目標變量x的值受因素變量y的影響較大，但當因素變量之間存在較高的相關性時，目標變量可能存在預測錯誤的現象，無法避免。

應用設計的邏輯回歸模型對電力用戶停電敏感度進行預測分析，電力用戶的數量逐步增加，意味著代表基本屬性的數據集合x也在逐步增大。受地域因素與人文因素的影響，電力用戶的用電情況并不相同，而上文中提到的用電行為即包括停電次數、停電時長、用電量、電價構成的數據集合y，則是預測電力用戶停電敏感度的主要依據與干擾因素，因為電力用戶經歷的停電次數、停電時長與用電量和對電價的反應可以從側面反映出電力用戶的停電敏感度，而電力用戶的反映獲取則是通過用電信息處理來實現。

3 實驗

3.1 實驗目的

為檢測本文研究的邏輯回歸模型對電力用戶停電敏感度的高效性與精確性，設立對比實驗，與傳統的預測電力用戶停電敏感度方法進行對比，檢測本文邏輯回歸模型預測的效果。

3.2 實驗參數

該實驗的實驗參數如表1所示。

表1 實驗參數

3.3 實驗結果與分析

根據上述實驗參數，得出在相同時間內本文研究的邏輯回歸模型預測方法與傳統預測方法對電力用戶停電敏感度的預測進度如圖1所示。

圖1 電力用戶停電敏感度的預測進度

根據圖1可知，在相同的時間內針對相同的電力用戶進行停電敏感度預測，本文研究的邏輯回歸模型預測方法的預測進度遠遠快于傳統方法的預測進度，因為本文在獲取大量數據時主要依靠邏輯回歸模型計算預測，而傳統預測方法在獲取大量數據后還需要派遣人力進行走訪匯報總結，最終對電力用戶停電敏感度進行預測，投入了更大的人力并且浪費了許多的數據。

根據上述實驗參數，得出將預測范圍分別擴展于農村與城市時，本文研究的邏輯回歸模型預測方法與傳統的預測方法對農村與城市電力用戶停電敏感度的預測時間對比圖如圖2所示。

圖2 農村與城市電力用戶停電敏感度的預測對比圖

根據圖2可知，針對相同范圍大小的電力用戶，無論是針對農村電力用戶還是城市電力用戶，研究的邏輯回歸模型預測方法都比傳統的預測方法需要的時間短，甚至應用研究的邏輯回歸模型預測方法對農村電力用戶停電敏感度的預測時間比傳統預測方法對城市電力用戶停電敏感度的預測時間都要短，其中可能存在農村地形因素以及分布度不均的影響，但也能體現出邏輯回歸模型預測電力用戶停電敏感度的高效性。

根據上述實驗參數，得出本文研究的邏輯回歸模型預測電力用戶停電敏感度的精確率與傳統預測方法預測電力用戶停電敏感度精確率的對比圖，如圖3所示。

圖3 預測電力用戶停電敏感度精確率的對比圖

根據圖3可知，本文研究的邏輯回歸模型預測方法預測的精確率遠高于傳統預測方法預測的精確率，且預測的精確率也較為穩定。

4 總結

研究的邏輯回歸模型預測電力用戶進行停電敏感度方法是根據大量數據計算得來的，并將一些特定因素如地域因素人文因素都考慮其中，可以大大地增加預測電力用戶敏感度的精確率，并且較于傳統方法更加高效便捷，更加適用于當前的大部分電力公司，可以幫助電力公司更好地處理與電力用戶之間的關系，而且其預測的高效性與精確性可以隨著目前領域的研究力度加大出現提升的可能，具有充足的潛力和可觀的發展前景，這也是本文研究的價值所在。