基于DBN深度学习算法的一站式诉求响应预测方法

为了提高诉求响应的速度,提出了基于机器学习的一站式诉求响应技术。在物理架构中采用事故数据记录器(ADR)服务器和数字化X线摄影术(DR)运行管理,实现一站式诉求响应;利用建模工具来构建例图进行描述诉求响应的运行细节,通过逻辑架构的感知层、网络层和应用层,实现了对一站式诉求响应的逻辑分析;利用机器学习预测方式和深度置信网络(DBN),实现一站式诉求响应的预测。实验表明,在进行对响应的速度进行测试时,所提出的系统响应所需时间最少为1.1 s,在进行对响应预测的准确性测试时,响应预测的准确性最高为97%。

新供电服务指挥系统诉求响应数据自动挖掘方法

传统的供电服务指挥系统诉求响应数据挖掘方法挖掘耗时过长,且挖掘数据量较少。为解决上述问题,本研究提出了一种新的响应数据自动挖掘方法。首先分析不同的响应数据特性,并明确响应数据位置,完成信息分析。然后通过主动检测与被动检测两种方式建立诉求响应数据自动挖掘模型,选用小波变换技术得到数据源,并获取相应的数据特征,经数据信号处理后,利用供电服务系统内部的回升状态网络实现模型信息挖掘。实验结果表明,本方法能够有效缩短挖掘时间、提高数据挖掘量。

“两精两优”背景下提升南方电网客户诉求处理时效的专项建议

从客户诉求响应效率出发,分析“两精两优”背景下南方电网客户服务中存在的主要问题,在该基础上调整资源配置、优化管理机制、开发专项平台、开展周期培训。