技术领域
[0001] 本发明属于电力营销推荐技术领域，具体为基于大数据的电力营销推荐方法及系统。
相关背景技术
[0002] 随着能源市场的竞争日益激烈和信息技术的进步，大数据技术的日臻成熟以及广泛运用，在此背景下，基于大数据的电力营销推荐方法应运而生，一般电力营销推荐方法利用数据分析和机器学习技术，根据客户的用电历史和需求，为每个客户提供个性化的电力
套餐和服务建议。但是现有的适用于电力营销推荐的方法中，存在对用户只进行大数据分
类和未对电力营销方案进行结果的预测问题，导致电力营销推荐方案无法满足用户的需
求；现有的适用于电力营销推荐的聚类方法中，存在内置参数设置不当，导致聚类结果的不稳定，从而影响聚类结果质量的问题。
具体实施方式
[0106] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本发明保护的范围。
[0107] 在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0108] 实施例一，参阅图1，本发明提供的基于大数据的电力营销推荐方法，该方法包括以下步骤：
[0109] 步骤S1：数据采集；
[0110] 步骤S2：数据预处理；
[0111] 步骤S3：用户分类；
[0112] 步骤S4：营销策略制定；
[0113] 步骤S5：营销策略效果预测；
[0114] 步骤S6：电力营销推荐结果。
[0115] 实施例二，参阅图1和图2，在步骤S1中，所述数据采集，用于采集电力营销推荐所需的原始数据，具体为从电力系统中，通过采集得到电力营销原始数据；
[0116] 所述电力营销原始数据，包括用户数据、电力产品数据和用户反馈数据；
[0117] 所述用户数据包括产品用户用电数据、用户使用电力设备数据、用户个人信息和用户历史缴费记录数据；
[0118] 所述电力产品数据包括电力价格套餐和相关电力设备产品数据，所述用户反馈数据包括电力营销方案选择情况数据和用户对电力推荐方案的满意度数据。
[0119] 实施例三，参阅图1和图2，该实施例基于上述实施例，在步骤S2中，所述数据预处理，用于对原始数据进行数据预处理，具体包括以下步骤：
[0120] 步骤S21：数值过滤，用于对所述数值型数据进行缺失值、异常值和重复值删除，得到电力营销过滤数据集；
[0121] 步骤S22：独热编码转换，用于将原始数据转换为数字形式，具体为通过独热编码法对所述电力营销原始数据集进行编码，得到电力营销编码数据集；
[0122] 步骤S23：特征选择，用于在原始数据转中提取进行电力营销推荐中用户有效特征，具体为采用自适应特征选择方法对电力营销初步数据集进行特征选择，得到特征选择
数据集；
[0123] 步骤S24：进行数据预处理，具体为通过所述数值过滤、独热编码转换和特征选择对电力营销原始数据集进行数据预处理，得到电力营销初步数据集。
[0124] 实施例四，参阅图1、图2和图3，该实施例基于上述实施例，在步骤S3中，所述用户分类，具体为采用聚类方法对所述用户数据进行用户分类，包括以下步骤：
[0125] 步骤S31：对用户数据执行DBSCAN聚类操作；
[0126] 步骤S32：对聚类参数优化，包括以下步骤：
[0127] 步骤S321：初始化参数，种群大小N，最大迭代次数tmax，搜索下限lb和上限ub；
[0128] 步骤S322：初始化种群，包括以下步骤：
[0129] 步骤S3221：生成N个混沌序列值，初始化随机值有y0；所用公式如下：
[0130] ；
[0131] 式中， 表示第i个混沌序列值， 表示第i+1个混沌序列值；
[0132] 步骤S3222：混沌序列值转换搜索个体；公式表达如下：
[0133] ；
[0134] 式中， 表示第i个体的位置；
[0135] 步骤S323：种群划分，计算种群中个体适应度值fi，将基于个体位置对用户数据进行DBSCAN聚类后的聚类结果轮廓系数作为个体的适应度值；将种群中所有搜索个体的位置和适应度值复制到替补种群中；将个体按适应度值由优至差进行排序，定义具有适应度最
优的个体fa及其位置Xa，适应度次优的个体fb及其位置Xb，适应度第三优的个体fc及其位置Xc，并将其位置和适应度值存储到替补种群中；
[0136] 步骤S324：更新搜索个体位置；所用公式如下：
[0137] ；
[0138] ；
[0139] ；
[0140] ；
[0141] ；
[0142] 式中，X1表示第i个体向fa移动后的位置，X2表示第i个体向fb移动后的位置，X3表示第i个体向fc移动后的位置， 表示第i个体在第t代种群中的位置， 表示第i个体在第t+1代种群中的位置，r1，r2和r3表示[0,1]范围内的随机性参数，是平滑项；t表示迭代次数；
[0143] 步骤S325:获取进化因子；所用公式如下：
[0144] ；
[0145] 式中，表示变化后的T分布进化因子，用于调整进化程度的因子， 表示进化因子最小值， 表示进化因子最大值；
[0146] 步骤S326:进行进化操作；所用公式如下：
[0147] ；
[0148] ；
[0149] ；
[0150] 式中， 表示第i个体在第t+1代变异种群中的位置， 表示第i个体在第t+1代进化种群中的位置，Pc表示变异概率，属于设定的固定参数， 表示第i个体在第t代种
群中位置的适应度值，r4表示[0,1]范围内的随机性参数；
[0151] 步骤S327：替换策略：重新评估种群中所有搜索个体的适应度值，将进化后的搜索个体和原搜索个体适应度值进行比较，保留适应度值最高的搜索个体在当前种群中；当前种群中每一个搜索个体与替补种群中的相应搜索个体进行一对一适应度值比较，若当前种
群中的搜索个体适应度值高与相应的替补种群中的搜索个体，则替换相应的替补种群中的
搜索个体；
[0152] 步骤S328：局部搜索：选择50%适应度最优的个体进行局部搜索，并生成新的个体来替换淘汰个体；所用公式如下：
[0153] ；
[0154] 式中， 表示局部搜索个体的位置向量， 表示当前搜索个体的位置向量， 表示当前搜索个体最近相邻搜索个体的位置向量， 表示相邻搜索个体的位置向量的适
应度值， 表示当前搜索个体的位置向量的适应度值，r5表示[0,1]范围内的随机性参
数；
[0155] 步骤S329：替换适应度值最优个体：确定局部搜索个体的适应度值，若 的适应度值优于 的适应度值，则 取代替补种群中的 ，否则进行丢弃；fa、fb和fc与替补种群搜
索个体进行适应度值比较，替补种群中更优的搜索个体更新fa、fb和fc；
[0156] 步骤S3210：搜索判定，具体为通过构建搜索终止条件，进行最优个体位置的搜索判定，得到最优个体位置数据设置；
[0157] 所述搜索终止条件，包括阈值终止和迭代终止；
[0158] 所述阈值终止，具体为设置适应度阈值，当所述个体适应度值fi高于适应度阈值时，超参数搜索完成；
[0159] 所述迭代终止，具体指达到最大迭代次数时，终止迭代并获得最优个体位置；
[0160] 所述最优个体位置，包括eps参数和MinPts参数；
[0161] 步骤S33：用户分类，使用优化后eps和MinPts参数的聚类算法对不同维度下不同用户进行用户分类，得到用户类别数据。
[0162] 通过执行上述操作，针对现有的适用于电力营销推荐的聚类方法中，存在内置参数设置不当，导致聚类结果的不稳定，从而影响聚类结果质量的问题，本方案采用替补种
群、进化因子和局部搜索改进获取聚类参数的算法，找到稳定的簇变化范围，提高用户分类结果的准确性。
[0163] 实施例五，参阅图1和图2，该实施例基于上述实施例，在步骤S4中，所述营销策略制定，具体是基于用户分类结果对用户进行个性化电力营销策略文本制定；
[0164] 所述个性化电力营销策略文本内容主要包括对用户以电力为核心的各类产品和增值服务，涵盖供电服务、节能产品和智能电网推荐方案；
[0165] 所述个性化电力营销策略文本制定过程具体是通过用户分类结果选择合适的营销策略文本模版，将用户个人信息和推荐方案的具体到选择的模版中，结合用户分类信息
和填充具体内容，生成最终个性化电力营销策略文本。
[0166] 实施例六，参阅图1、图2和图4，该实施例基于上述实施例，在步骤S5中，所述营销策略效果预测，具体是对营销策略制定中对用户的电力营销推荐方案进行效果预测，具体包括以下步骤：
[0167] 步骤S51：建立营销策略效果预测模型，包括以下步骤：
[0168] 步骤S511：初始化模型参数，设置模型隐藏单元数量、输入向量维度、输出向量维度和训练迭代次数；
[0169] 步骤S512：遗忘门计算过程，所用公式如下：
[0170] ；
[0171] 式中，ft表示遗忘门的输出；Xt表示是输入数据；Ht‑1表示是上一时刻隐藏状态；Wxf和Whf表示对应遗忘门的权重矩阵；bf表示遗忘门的偏置项参数；σ表示Sigmoid函数；
[0172] 步骤S513：输入门计算过程，所用公式如下：
[0173] ；
[0174] 式中，it表示输入门的输出；Wxi和Whi表示对应输入门权重矩阵；bi表示输入门的偏置项参数；
[0175] 步骤S514：计算新细胞单元状态候选值 ，所用公式如下：
[0176] ；
[0177] 式中，Wxc和Whc表示对应细胞单元状态权重矩阵；bc表示细胞单元状态的偏置项参数；
[0178] 步骤S515：细胞单元状态更新过程，所用公式表示如下：
[0179] ；
[0180] 式中，ct表示是当前时刻细胞单元状态；ct‑1表示是上一时刻细胞单元状态；
[0181] 步骤S516：输出门计算过程，所用公式如下：
[0182] ；
[0183] 式中，ot表示输出门的输出；Wxo和Who表示是对应输出门权重矩阵；bo表示输出门的偏置项参数；
[0184] 步骤S517：隐藏状态计算过程，所用公式如下：
[0185] ；
[0186] 式中，tanh表示是双曲正切函数；ht表示当前时刻的隐藏状态；
[0187] 步骤S518：得到当前时刻预测结果 ，所用公式如下：
[0188] ；
[0189] 式中，bv表示预测值的偏置项参数；
[0190] 步骤S52：文本数据清洗，具体为分别将用户反馈数据中电力营销方案选择情况数据和营销策略制定方案内容的文本型数据中的每个文本段表示为向量，分别得到历史文本
特征数据和实时文本特征数据；
[0191] 步骤S53：模型训练，具体包括以下步骤：
[0192] 步骤S531：数据标签标注，具体为将用户反馈数据中用户对电力推荐方案的满意度数据分为两种标签，即推荐满意和推荐不满意；
[0193] 步骤S532：效果预测模型训练，具体为使用所述历史文本特征数据对营销策略效果预测模型进行训练，得到训练后的效果预测模型；
[0194] 步骤S54：营销策略效果预测，具体是将所述实时文本特征数据作为训练后的效果预测模型的输入数据，得到营销策略效果预测结果。
[0195] 通过执行上述操作，针对现有的基于大数据的电力营销推荐方法及系统中，存在对用户只进行大数据分类和未对电力营销方案进行结果的预测问题，导致电力营销推荐方
案无法满足用户的需求，本方案创造性地引入反馈机制和营销策略效果预测，通过用户反
馈数据对用户再次进行用户分类，并根据营销策略效果预测的结果调整电力营销推荐方
案，提高营销推荐的精准度和有效性，从而增强用户对电力产品和服务的认可度和满意度。
[0196] 实施例七，参阅图1、图2、和图5，该实施例基于上述实施例，在步骤S6中，所述电力营销推荐结果，具体是用户对电力推荐方案的反馈，具体包括以下步骤：
[0197] 步骤S61：电力营销推荐，具体是通过营销策略效果预测结果进行电力营销推荐，若符合预测结果，则通过电话和短信的方式向用户推荐电力营销方案，若不符合预测结果，则根据用户反馈数据重新对用户进行用户分类；
[0198] 步骤S62：推荐方案优化，具体为用户对电力推荐方案的明确反馈，对用户分类进行精准划分，持续调整用户分类结果并优化电力营销推荐方案，提高个性化推荐的准确性
和效果。
[0199] 实施例八，参阅图1和图2，该实施例基于上述实施例，本发明提供的基于大数据的电力营销推荐系统，包括数据采集模块、数据预处理模块、用户分类模块、营销策略制定模块、营销策略效果预测模块和电力营销推荐结果模块；
[0200] 所述数据采集模块从电力系统中，通过采集得到电力营销原始数据，所述电力营销原始数据，包括用户数据、电力产品数据和用户反馈数据，并将所述电力营销原始数据发送至数据预处理模块；
[0201] 所述数据预处理模块接收数据采集模块发送的电力营销原始数据，并对所述电力营销原始数据进行数据预处理，得到电力营销初步数据，将所述电力营销初步数据发送至
用户分类模块；
[0202] 所述用户分类模块接收数据预处理模块发送的电力营销初步数据，并对所述用户数据进行用户分类，得到用户分类数据集，并将所述用户分类数据集发送至营销策略制定
模块；
[0203] 所述营销策略制定模块接收用户分类模块发送的用户分类数据集，依据用户分类数据集中的用户分类结果进行个性化电力营销策略文本制定，得到营销策略文本内容，并
将所述营销策略文本内容发送至营销策略效果预测模块；
[0204] 所述营销策略效果预测模块接收营销策略制定模块发送的营销策略文本内容，并对营销策略制定中用户的电力营销推荐方案进行效果预测，得到营销策略效果预测结果，
并将所述营销策略效果预测结果发送至电力营销推荐结果模块；
[0205] 所述电力营销推荐结果模块接收营销策略效果预测模块发送的营销策略效果预测结果，并对用户进行个性化电力营销方案推荐，得到电力营销方案和用户的反馈数据，并将所述用户的反馈数据发送至数据采集模块。
[0206] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存
在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要
素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0207] 尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换
和变型。
[0208] 以上对本发明及其实施方式进行了描述，这种描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术
人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相
似的结构方式及实施例，均应属于本发明的保护范围。
