基于隐含狄利克雷分布主题模型和特征级异构数据融合的电力故障主动性预警研究

作者：林少娃; 陈奕汝; 顾洁; 伍蓓蓓; 雍旭龙

来源：电子器件, 2022, 45(02): 432-438.

• 电力大数据
• 主题分类模型
• 异构数据挖掘
• 卷积神经网络

智能化客服系统是国家电网在传统人工客服上转型的重要方向。相对于传统客服，智能客服可以并发处理电力用户的诉求事件，掌握覆盖辖区内配电网准确、可靠、全面、及时的状态信息，并通过分析历史诉求文本数据和电力用户相关的多源异构大数据来积极应付突发事件，对诉求热点进行预测并进行主动性预警。文中首先通过隐含狄利克雷分布概率(LDA)主题模型对电力用户的交互式诉求文本进行主题挖掘，获得诉求用户的诉求主题标签。根据电力公司所收集到的多源异构大数据，文中设计多种特征提取算法，搭建基于卷积神经网络(CNN)和特征级数据融合的分类模型，来实现对未来时间内诉求热点的预测。实验证明LDA模型可以很好地提取出诉求文本中的主题，多源异构数据分类模型最终得到高达94%的分类准确率，相对于传统分类器平均提升12.6%,最终可以实现电力公司对电力故障和用户诉求的主动性预警功能。