基于客户偏好与需求的智能服务系统研究与设计

周玲, 朱州, 张刚, 王鹏, 杨松

(贵州电网公司 信息中心, 贵州 贵阳 550003)

0 引言

在电力市场改革背景下，电力单位急切地需要提高自身市场竞争力，而其途径就在于优化自身服务水平，但在传统人工模式下，面对现代海量电力数据以及复杂的分布结构，人力早已不满足工作需求，说明电力单位服务水平优化遇到了瓶颈。而在智能技术开发普及之后，电力单位找到了突破瓶颈的方法，即使用智能化技术对原有服务体系以及内部结构进行优化，最终实现目标，在应用效果上来看其表现良好，说明这种方式值得推广，那么为了进一步地提高智能化技术在电力运维中的深度，围绕市场客户偏好与需求进行优化是行之有效的方法，因此有必要进行相关研究，这也是本文课题的意义所在。

1 市场客户偏好与需求分析

市场客户偏好与需求是现代电力单位智能化服务系统发展的主要方向，那么要保障方向正确，电力单位必须先了解市场客户偏好与需求，对此下文将对市场客户偏好与需求特征进行分析。

(1) 动态性

在理论上，任何市场客户的偏好、需求随时都可能产生变化，因此证实其存在动态性特征，同时面对所有市场客户，既然所有客户都可能随时出现偏好与需求的变化，说明整个市场的动态性变化十分强烈，通过人工方法根本不可能有效获取。但在智能技术条件下，利用市场客户偏好与需求动态变化与社会潮流之间的关系，可以对这种变化进行预测，完成相应信息获取，但要实现这一点，在实际工作当中还要进行深入研究[1-3]。

(2) 个性化

每个市场客户的偏好与需求，在本质目标上虽然一致，但其他部分则或多或少的存在差异，即任何市场客户的偏好、需求，都是围绕“让自身电力使用体验更好”的目的来产生的，但是这一目的在不同客户心理角度上，其对“好”的指标不同，同时实现这一目的的方式也有很多，所以会产生不同的偏好与需求，而这一表现产生的结果，是完全与客户个人心理相符的，所以被称为个性化偏好与需求[4-6]。

(3) 被动性

虽然电力市场客户偏好与需求动态性表现繁多，且多种多样，但大部分客户在正常情况下，是不会将自身需求表露出来的，说明其具备被动性特征。根据某相关调查结果得知，100名调查对象，在正常用电的条件下，只有2名客户提出了自身需求，其他客户在后续调查当中有82名存在新需求，但是没有提出，证实被动性特征是当前电力市场客户偏好与需求的普遍特征[7-8]。

2 智能服务系统设计面临的问题

结合上述市场客户偏好与需求分析内容，在智能服务系统设计当中，设计人员会面临很多问题，例如需求获取困难、难以对需求进行分类等，这些问题无疑需要在系统设计当中得到解决，否则此项工作的意义将荡然无存。下文将具体分析智能服务系统设计面临的问题。

(1) 需求获取困难

在被动性特征条件下，电力单位如果要获得所有客户的个性化偏好与需求，显然是一项耗时耗力，且难度较大的工作，因为大多数客户不会主动将需求提出，而电力单位为了获取信息，就不得不与客户沟通，而每次沟通的客户数量是极其有限的，且需要引导客户说出真实的需求，这一切不但考验工作人员的沟通技巧，同时也需要漫长的时间来做过度，而就算最终收集了所有客户的偏好与需求，也可能因为动态性特征而导致部分收集信息无效，所以此项工作的难度极大，几乎是不可能完成的。那么在智能化服务系统设计当中，设计人员必须发挥智能化技术的能效，消除此类问题，否则系统运作依旧受制于问题范畴，实际效果十不存一[9-10]。

(2) 难以对需求进行分类

在个性化特征条件下，电力单位收集到的所有客户偏好与需求之间都难免存在差异，而即使再细小的差异，都可能导致信息内涵方向不同，对此如果要优化服务水平，针对不同偏好与需求进行服务，就必须对需求进行细化分类，再制定针对性的服务体制，但在传统人工模式下，市场客户偏好与需求分类条件十分粗糙，只能根据客户一些外露特征来进行分类，例如针对客户行业，将其分为工业客户、个体客户等，根据其用电量进行电能配送，这种方法可以起到节省能源、降低经济损失率的目的，但无法实现针对性服务。

3 智能服务系统设计

2.1 系统结构及开发平台

首先为了实现与所有市场客户的连接，在系统设计当中，必须先建立专门的互联网框架，在此框架环境当中，将其作为开发平台才能完成系统结构设计工作。其次本文系统结构总共分为业务应用层、支持平台服务层、数据源层、网络层4个部分，系统体系结构如图1所示。

图1 系统体系结构

(1) 业务应用层

业务应用层位于整个系统的最表层，其中包括业务功能组件与UI组件，两个组件可以实现信息获取以及数据可视化功能，即信息获取功能是由供电监测硬件组成的，根据监测器的反馈可以收集到每个客户的用电情况，在经过一段时间采集之后，即可形成客户用电走势图，根据图中数据展示，可以判断出客户用电量的峰值、最低值以及两值出现的时间区域，而根据这些数据，可以推断出对应客户的用电偏好以及需求；UI组件与所有业务功能组件连接，每个业务功能组件得到的数据，均会被UI组件接收，并转化成数字化形式展示给工作人员查看，帮助工作人员获取具体需求[11-13]。

(2) 支持平台服务层

支持平台服务层由工作流引擎、智能决策支持引擎、MapX组件组成，其中工作流引擎主要是考虑到工作效率问题，依照相应指标，对所有获取到的信息进行等量分配，并发送给每个工作人员，此举可以合理控制工作人员的工作负担，有效提高工作效率；智能决策支持引擎主要实现了客户细化分类功能，即根据以往客户分类规则，在智能决策支持引擎条件下，通过数据特征分析功能，判断每个用户的偏好与需求差异，相应进行细化分类之后，将其传输到业务应用层当中，为其提供数据支撑；MapX组件是一种地理定位功能，可以获取客户地理信息，在整个工作流程当中起到辅助作用，即当工作人员了解到某个客户的偏好与需求发生变化之后，可以根据MapX组件了解其具体位置，相应将信息一一对应之后，通过操作使电力供给满足客户当前偏好与需求[14]。

(3) 数据源层

数据源层是系统数据储存层，主要由Oracle9i数据库、Oracle9i Spatialko空间数据库组成，其中Oracle9i数据库数据常规数据库，用于储存工作人员导入数据、系统收集数据等其他所有数据，而Oracle9i Spatialko空间数据库与Oracle9i数据库连接，所有存放于Oracle9i数据库当中的数据，都会被备份到Oracle9i Spatialko空间数据库当中，相应当工作人员需要对数据进行调度之后，可以根据Oracle9i Spatialko空间数据库的空间数据字段、空间索引功能对数据进行检索，随之即可完成调度操作。

(4) 网络层

网络层即为互联网环境，本文系统设计为了实现系统与所有客户的连接，开发了专门的网站，在网站基础上采用开发工具完成本次系统开发设计工作。

3.2 客户细分算法设计

针对上述客户细化分类功能，其必须在数学算法的基础上才能实现，对此本文为了保障分类准确性，进行了客户细分算法设计。具体来说，本文在BP神经网络基础上，构建了多层神经网络结构，其主要由输入层、隐含层和输出层组成，三者均可以依照函数传递与权值，对最终结果进行控制，具体结构如图2所示。

图2 神经网络结构

在此基础上，客户细分流程：神经网络初始化，即围绕采集得到的带有客户偏好与需求的电力数据信息，生成针对性的神经网络结构；生成最匹配的个体作为初始权值；围绕权值生成分类组，相应进行迭代计算，如果计算结果达到最大迭代值，则启用遗传算法来得到最优解，如果没有达到最大迭代值，则结束计算，将当前分类结果作为最终结果。

3.3 决策树学习功能设计

介于市场客户偏好与需求的动态性，为了使系统需求分析不落后于动态变化速度，本文认为需要设计决策树学习功能，预先判断客户偏好与需求的走势，相应消除上述问题。设计当中，先以某实例为目标，将其作为决策树的“根基”，相应在获取其需求之后，生成“根系”与网络平台连接，实现数据导入，最终采用C4.5算法作为决策树“躯干”，此时所有数据被导入至决策树当中，就会激发C4.5算法进行计算，相应生成“枝干”，每条枝干都代表用户需求走向，而其中最长“枝干”则代表最优解，是用户需求最可能出现的走势。

4 总结

综上，本文主要对基于客户偏好与需求的智能服务系统进行了研究与设计工作，相应得到结论：围绕电力市场客户偏好与需求进行了分析，了解其特征表现，为之后分析工作提供了方向；结合传统人工模式，在电力市场客户偏好与需求结果上，介绍了其中问题表现，即需求获取困难、难以对需求进行分类2个大方向问题，相应在智能服务系统当中，需要解决此类问题，否则系统将失去存在意义；进行了智能服务系统设计工作，设计分为三个部分：系统结构及开发平台、客户细分算法设计、决策树学习功能设计，介绍了每个设计部分的设计方法，并对其功能表现进行了阐述。