基于供电用电量的话务量监测方法和系统的利记博彩app
【专利摘要】本发明提供一种基于供电用电量的话务量监测方法和系统，该方法包括如下步骤：根据预设的历史话务数据和历史用电量数据两者的相关性，建立话务量监测模型；对所述历史话务数据和历史用电量数据进行离散化处理后，获得用电量修正系数；根据用电量修正系数对所述话务量监测模型进行修正，根据修正后的话务量监测模型对预测周期的话务量进行监测，得到话务量监测结果；根据所述话务量监测结果，生成告警信息。本发明的处理过程简单，可靠性和稳定性较好。
【专利说明】基于供电用电量的话务量监测方法和系统
【技术领域】
[0001] 本发明涉及电网话务量预警【技术领域】，特别是涉及一种基于供电用电量的话务量 监测方法，以及一种基于供电用电量的话务量监测系统。
【背景技术】
[0002] 呼叫中心保持良好服务水准的重要前提是在相应时间内安排合理的坐席数量，保 证接通率、客户满意度等目标的实现。对话务量进行监测是合理安排人力资源以及排班的 重要依据，是呼叫中心实现高效率的运营管理、降低运营成本、保证客户服务质量和水平的 重要环节。
[0003] 传统技术中，关于话务量监测的研宄主要集中于两个方面，一类是基于时间序列 的监测，包括回归法和指数平滑法；另一类是智能类算法，包括神经网络算法等。
[0004] 回归法是将话务量的历史数据作为时间序列，利用数理统计的方法进行回归处 理，拟合数学模型，获得话务量监测结果；指数平滑法是利用加权平均数对话务量的时间序 列进行平滑修匀，增强近期数据的作用，并适当考虑远期数据的影响，常用于短期局部的话 务量监测。这两种方法的主要监测对象是年度话务总量，不适用于具有季节变动规律的分 月话务监测。而针对非线性数据的监测，神经网络、模糊逻辑、支持向量机等智能算法广泛 运用到话务量监测中，并取得了一定的效果。但智能算法实现相对复杂，且在实际应用中工 作日与节假日都采用同一个模型，不能很好反映话务量时间变化规律，可靠性和稳定性比 较差。
[0005] 综上，传统技术的话务量监测技术较为复杂，可靠性和稳定性比较差。
【发明内容】
[0006] 基于此，本发明提供一种基于供电用电量的话务量监测方法和系统，其处理过程 简单，可靠性和稳定性较好。
[0007] 一种基于供电用电量的话务量监测方法，包括如下步骤：
[0008] 根据预设的历史话务数据和历史用电量数据两者的相关性，建立话务量监测模 型；
[0009] 对所述历史话务数据和历史用电量数据进行离散化处理后，获得用电量修正系 数；
[0010] 根据用电量修正系数对所述话务量监测模型进行修正，根据修正后的话务量监测 模型对预测周期的话务量进行监测，得到话务量监测结果；
[0011] 根据所述话务量监测结果，生成告警信息。
[0012] 一种基于供电用电量的话务量监测系统，包括：
[0013] 模型建立模块，用于根据预设的历史话务数据和历史用电量数据两者的相关性， 建立话务量监测模型；
[0014] 修正系数获取模块，用于对所述历史话务数据和历史用电量数据进行离散化处理 后，获得用电量修正系数；
[0015] 预测模块，用于根据用电量修正系数对所述话务量监测模型进行修正，根据修正 后的话务量监测模型对预测周期的话务量进行监测，得到话务量监测结果；
[0016] 根据所述话务量监测结果，生成告警信息。
[0017] 上述基于供电用电量的话务量监测方法和系统，根据历史供电用电量与历史话务 量进行相关性分析，建立话务量监测模型，同时对所述历史话务数据和历史用电量数据进 行离散化处理后，获得用电量修正系数对话务量监测模型进行修正，根据修正后的话务量 监测模型对预测周期的话务量进行监测，其话务量监测精度较高；根据话务监测结果可对 应生成告警信息，实现对话务量的监测。
【专利附图】
【附图说明】
[0018] 图1为本发明基于供电用电量的话务量监测方法在一实施例中的流程示意图。
[0019] 图2为本发明基于供电用电量的话务量监测系统在一实施例中的结构示意图。
【具体实施方式】
[0020] 下面结合实施例及附图对本发明作进一步详细说明，但本发明的实施方式不限于 此。
[0021] 如图1所示，是本发明一种基于供电用电量的话务量监测方法的流程示意图，包 括如下步骤：
[0022] S11、根据预设的历史话务数据和历史用电量数据两者的相关性，建立话务量监测 丰旲型；
[0023] 话务监测模型的建立，是在通过呼叫中心的历史话务量及用电量数据进行多维度 的挖掘分析的基础上，建立数学模型后进行初步预测，并根据预测准确率，分析预测偏差的 原因，进而修正得出的话务监测模型。话务监测模型综合考虑了用电量、年度规律、月度规 律、同期增长趋势等因素对话务量的影响。
[0024] 具体的，获取历史话务数据和历史用电量数据，对一些异常话务数据进行处理，对 于丢失的个别数据，采用线性插值的方法进行添加；对一些突发异常数据，可通过移动平均 法进行平滑处理。
[0025] 设话务量历史时间序列为ht:t = 1，2，…，n，用电量历史时间序列为：m t，t = 1， 2,…，n，为利用用电量得到话务量的总体增长趋势，对用电量做以下处理，得到表示话务量 基本规律的序列l t:
【权利要求】
1. 一种基于供电用电量的话务量监测方法，其特征在于，包括如下步骤： 根据预设的历史话务数据和历史用电量数据两者的相关性，建立话务量监测模型； 对所述历史话务数据和历史用电量数据进行离散化处理后，获得用电量修正系数； 根据用电量修正系数对所述话务量监测模型进行修正，根据修正后的话务量监测模型 对预测周期的话务量进行监测，得到话务量监测结果； 根据所述话务量监测结果，生成告警信息。
2. 根据权利要求1所述的基于供电用电量的话务量监测方法，其特征在于，所述对所 述历史话务数据和历史用电量数据进行离散化处理后，获得用电量修正系数的步骤包括： 对历史话务数据和历史用电量数据进行离散化处理； 对离散化后的历史用电量数据，统计其对应的话务量数组，根据下式计算所述话务量 数组的离散性： D(Yi)=EUxi-又)2;式中，Yi为所述离散化后的历史用电量数据，XiS所述话务量数 组，i= 1，2,…，η;又为所述话务量数组的均值，D(Yi)为所述离散性； 根据下式，以离散性最小的历史用电量数据为基准，调整所有历史用电量数据对于话 务量的影响系数，得到用电量修正系数： Y=ΘX+b;式中，Y为离散性最小的历史用电量数据，X为离散性最小的历史用电量数 据对应的话务量数组，Θ为所述用电量修正系数。
3. 根据权利要求2所述的基于供电用电量的话务量监测方法，其特征在于，所述根据 修正后的话务量监测模型对预测周期的话务量进行监测，得到话务量监测结果的步骤包 括： 若所述预测周期没有包含预设的特殊月份，则： 根据所述历史话务数据选择与所述预测周期相应的历史上期、历史同期，根据所有历 史上期和历史同期的话务量比值，得到预测周期上期和预测周期之间的话务量比值，根据 下式得到预测周期每月均值基础值：
式中，B为所有历史上期和历史同期的话务量比值，（InNX)t为预测周期，（InNX)η为预 测上期，et为历史同期减去历史上期的话务量差值，εt_2为历史同期减去历史上期的话务 量差值，Ε(εt) = 〇表示ε,期望为〇，Var(εt) =σε2表示εt的方差为〇ε2，Ε(εtεs) =〇表示εt的协方差为0,E(NXsεt) =O表示NXjPεt的协方差为O; 选定历史近三年相应季度的历史话务数据，计算每年各月话务量对当季度话务量的占 比，计算各月份对当季度话务量的占比均值，构成各月份对当季的话务量占比矩阵； 对于每一个预测周期的季中月序号，根据季中月序号是否是预设的多变月，选择占比 矩阵中对应数据，形成相应的占比数组； 根据每一个预测周期季中月序号所对应占比数组的均值，得到季规律线基础值； 将季规律线基础值归一化，得到季规律线； 根据季规律线及所述预测周期每月均值基础值，得到预测周期的每月话务量基础值； 将预测周期的每月话务量基础值乘以对应的用电量修正系数，得到所述话务量监测结 果。
4. 根据权利要求2所述的基于供电用电量的话务量监测方法，其特征在于，所述根据 修正后的话务量监测模型对预测周期的话务量进行监测，得到话务量监测结果的步骤还包 括： 如果预测周期中含有特殊月份，则： 根据所述特殊月份，计算所述特殊月份的历史同期话务量比值，得到预测周期特殊月 份的预测话务均值； 根据历史近三年相应季度的历史话务数据计算季度修正系数，将历史同期的月话务总 量除以相应的季度修正系数，得到修正后的月话务总量； 根据所述修正后的月话务总量，计算历史同期中的特殊月份的月话务占比； 根据所述特殊月份，将所述预测话务均值乘以月数再乘以月话务占比，得到月话务量 基准值； 根据月话务量基准值乘以相应的星期修正系数和用电修正系数，得到所述话务量监测 结果。
5. -种基于供电用电量的话务量监测系统，其特征在于，包括： 模型建立模块，用于根据预设的历史话务数据和历史用电量数据两者的相关性，建立 话务量监测模型； 修正系数获取模块，用于对所述历史话务数据和历史用电量数据进行离散化处理后， 获得用电量修正系数； 预测模块，用于根据用电量修正系数对所述话务量监测模型进行修正，根据修正后的 话务量监测模型对预测周期的话务量进行监测，得到话务量监测结果； 告警模块，用于根据所述话务量监测结果，生成告警信息。
6. 根据权利要求5所述的基于供电用电量的话务量监测系统，其特征在于，所述修正 系数获取模块还用于： 对历史话务数据和历史用电量数据进行离散化处理； 对离散化后的历史用电量数据，统计其对应的话务量数组，根据下式计算所述话务量 数组的离散性： D(Yj)=Σ^(Χ?-又)2;式中，Yi为所述离散化后的历史用电量数据，X1为所述话务量数 组，i= 1，2,…，η;K为所述话务量数组的均值，D(Yi)为所述离散性； 根据下式，以离散性最小的历史用电量数据为基准，调整所有历史用电量数据对于话 务量的影响系数，得到用电量修正系数： Y=ΘX+b;式中，Y为离散性最小的历史用电量数据，X为离散性最小的历史用电量数 据对应的话务量数组，Θ为所述用电量修正系数。
7. 根据权利要求6所述的基于供电用电量的话务量监测系统，其特征在于，所述预测 模块还用于： 若所述预测周期没有包含预设的特殊月份，则： 根据所述历史话务数据选择与所述预测周期相应的历史上期、历史同期，根据所有历 史上期和历史同期的话务量比值，得到预测周期上期和预测周期之间的话务量比值，根据 下式得到预测周期每月均值基础值：
式中，B为所有历史上期和历史同期的话务量比值，（InNX)t为预测周期，（InNX)η为预 测上期，et为历史同期减去历史上期的话务量差值，εt_2为历史同期减去历史上期的话务 量差值，Ε(εt) = 〇表示ε,期望为〇，Var(εt) =σε2表示εt的方差为〇ε2，Ε(εtεs) =〇表示εt的协方差为0,E(NXsεt) =O表示NXjPεt的协方差为O; 选定历史近三年相应季度的历史话务数据，计算每年各月话务量对当季度话务量的占 比，计算各月份对当季度话务量的占比均值，构成各月份对当季的话务量占比矩阵； 对于每一个预测周期的季中月序号，根据季中月序号是否是多变月，选择占比矩阵中 对应数据，形成相应的占比数组； 根据每一个预测周期季中月序号所对应占比数组的均值，得到季规律线基础值； 对所述季规律线基础值进行归一化，得到季规律线； 根据季规律线及所述预测周期每月均值基础值，得到预测周期的每月话务量基础值； 将预测周期的每月话务量基础值乘以对应的用电量修正系数，得到所述话务量监测结 果。
8.根据权利要求6所述的基于供电用电量的话务量监测系统，其特征在于，所述预测 模块还用于： 如果预测周期中含有特殊月份，则： 根据所述特殊月份，计算所述特殊月份的历史同期话务量比值，得到预测周期特殊月 份的预测话务均值； 根据历史近三年相应季度的历史话务数据计算季度修正系数，将历史同期的月话务总 量除以相应的季度修正系数，得到修正后的月话务总量； 根据所述修正后的月话务总量，计算历史同期中的特殊月份的月话务占比； 根据所述特殊月份，将所述预测话务均值乘以月数再乘以月话务占比，得到月话务量 基准值； 根据月话务量基准值乘以相应的星期修正系数和用电修正系数，得到所述话务量监测 结果。
【文档编号】H04M3/36GK104469024SQ201410674908
【公开日】2015年3月25日 申请日期:2014年11月20日 优先权日:2014年11月20日
【发明者】沈彤, 潘淑君, 陈彩云, 殷秀颜, 叶志峰, 孔铭明, 杨伟鸳 申请人:广州供电局有限公司