基于集成学习和卷积神经网络的电网客服短期话务量预测

作者：覃浩; 苏立伟; 伍广斌; 蒋崇颖; 徐智鹏; 康峰; 谭火超; 张勇军

来源：上海交通大学学报, 2023, 1-16.

DOI：10.16183/j.cnki.jsjtu.2023.383

• 现代供电服务体系
• 话务量预测
• Adaboost算法
• 卷积神经网络
• 孤立森林算法
• 增值服务

现代供电服务体系的提出对用电客户服务的服务质量提出了更高的要求。精准的供电服务话务量预测不仅可以提高用电客户服务质量，还能有效降低客服人员成本，为此本文基于集成学习和卷积神经网络提出了一种电网短期话务量预测方法。首先，采用孤立森林算法进行异常数据识别，建立拉格朗日插值函数对异常数据/缺失数据进行修补；其次，利用层次分析法量化用户信息、气象信息和停电信息，采用灰色关联法分析话务量的影响因子，将影响因子作为话务量预测模型输入；然后构建Adaboost算法集成多个卷积神经网络（Convolutional Neural Networks， CNN）模型，提出一种Adaboost-CNN的话务量预测模型；最后，考虑供电服务系统增值服务，对预测结果进行修正，得到最终的话务量预测值。算例分析表明，本文所提预测模型比单一预测模型平均减少11.05%的误差、比组合预测模型平均减少5.32%的误差，具有更好的预测精度。

• 单位
  广东电网有限责任公司; 华南理工大学