CN108009224A - 电力客户的分类方法和装置 - Google Patents

Abstract

本发明公开了一种电力客户的分类方法和装置。其中，该方法包括：获取多个电力客户的数据；对多个电力客户的数据进行数据重构处理，得到重构数据；基于重构数据构建分类模型；根据分类模型对多个电力客户进行分类，得到分类结果。本发明解决了现有技术中无法快速准确的对电力客户进行分类的技术问题。

Description

电力客户的分类方法和装置

技术领域

本发明涉及电力电网领域，具体而言，涉及一种电力客户的分类方法和装置。

背景技术

国务院于2015年启动了新一轮电力体制改革，鼓励社会力量参与电力服务行业，形成电力服务市场化格局。电力服务市场化改革对传统电力公司提出了新的要求，传统电力公司必须从传统的被动客户服务模式向市场化的主动客户服务模式转变。转变基础之一即为以客户为中心提供供电、维修、售电、节能等多种服务。

传统的客户分类通常按照行业、用电类型、用电量大小对客户进行分类，然而，目前电力营销***和用电信息采集***支持对用电客户按周期进行计量收费，用户所属的分类从之前按年进行考核改变为目前按月、旬、周，甚至对关键客户按天进行分类更新，今后随着需求侧响应、电力现货、期货等市场的成熟，对客户类型更新频率要求将达到小时、15分钟一次的级别。由于客户行为是一个动态的过程，使用现有的分类方法所得到的客户分类结果的细分程度，分类结果更新周期较长，不能准确反映客户所属的类型。

针对上述现有技术中无法快速准确的对电力客户进行分类的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种电力客户的分类方法和装置，以至少解决现有技术中无法快速准确的对电力客户进行分类的技术问题。

根据本发明实施例的一个方面，提供了一种电力客户的分类方法，包括：获取多个电力客户的数据；对多个电力客户的数据进行数据重构处理，得到重构数据；基于重构数据构建分类模型；根据分类模型对多个电力客户进行分类，得到分类结果。

根据本发明实施例的另一方面，还提供了一种电力客户的分类装置，包括：获取模块，用于获取多个电力客户的数据；重构模块，用于对多个电力客户的数据进行数据重构处理，得到重构数据；构建模块，用于基于重构数据构建分类模型；分类模块，用于根据分类模型对多个电力客户进行分类，得到分类结果。

根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，其中，程序执行电力客户的分类方法。

根据本发明实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行电力客户的分类方法。

在本发明实施例中，采用大数据重构的方式，通过获取多个电力客户的数据，对多个电力客户的数据进行数据重构处理，得到重构数据，然后基于重构数据构建分类模型，最后根据分类模型对多个电力客户进行分类，得到分类结果，达到了对电力客户进行准确、快速分类的目的，进而解决了现有技术中无法快速准确的对电力客户进行分类的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种电力客户的分类方法流程图；

图2是根据本发明实施例的一种可选的基于三个维度的分类模型的示意图；

图3是根据本发明实施例的一种优选的电力客户的分类方法的框架示意图；以及

图4是根据本发明实施例的一种优选的电力客户的分类方法的框架示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种电力客户的分类方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的电力客户的分类方法流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取多个电力客户的数据。

需要说明的是，电力客户的分类装置可执行本申请所提供的电力客户的分类方法。其中，根据细分业务的需求，电力客户的分类装置从电力业务***的关系型数据库中抽取电力客户的数据，并对抽取到的数据进行数据质量的分析、数据转换、清理等操作，进而生成符合条件的电力客户的数据。

此外，还需要说明的是，电力客户的分类装置可通过ETL(Extract-Transform-Load，数据仓库技术)抽取、数据库复制以及Web Service接口等技术来抽取数据。其中，关系型数据库之间的数据抽取可采用Kettle工具实现，安装在电力客户的分类装置上的Hadoop***与关系型数据库之间的数据抽取Sqoop工具实现，大量的日志数据采用Flume***进行抽取。此外，电力客户的分类装置可通过Web Service接口从电力业务***中抽取数据。

步骤S104，对多个电力客户的数据进行数据重构处理，得到重构数据。

需要说明的是，对抽取到的多个电力客户的数据进行重构，可以有效去掉电力客户的数据中的冗余数据，从而形成有效的电力客户的数据，即得到重构数据。容易注意到的是，在对电力客户的数据进行重构的过程中，去除了冗余数据，有效降低了对电力客户进行分类的负担，进而提高了对电力客户进行分类的处理速度。

步骤S106，基于重构数据构建分类模型。

需要说明的是，在得到重构数据之后，根据重构数据来建立分类模型，其中，该分类模型可以构建成如图2所示的具有三个维度的分类模型。

步骤S108，根据分类模型对多个电力客户进行分类，得到分类结果。

需要说明的是，在得到重构数据之后，根据分类模型结合Hadoop技术和Spark技术，对重构数据进行分类。其中，可采用聚类算法对重构数据进行分类，上述聚类算法可以为但不限于k-means聚类算法。

基于上述步骤S102至步骤S108所限定的方案，可以获知，通过获取多个电力客户的数据，对多个电力客户的数据进行数据重构处理，得到重构数据，然后基于重构数据构建分类模型，最后根据分类模型对多个电力客户进行分类，得到分类结果。

容易注意到的是，由于对获取到的多个电力客户的数据进行了数据重构处理，因此，可以有效的过滤掉多个电力客户的数据中的冗余数据，从而降低了对电力客户进行分类处理的负担，进而提高了对电力客户的数据进行计算的准确性和实时性，实现了对电力客户细分快速准确分类的技术效果。

由上述内容可知，本申请所提供的实施例可以达到对电力客户进行准确、快速分类的目的，进而解决了现有技术中无法快速准确的对电力客户进行分类的技术问题。

此外，还需要说明的是，由于原始数据源中的数据，即获取到的多个电力客户的数据，来自多个***或者文件，数据的质量存在不一致的问题，因此，在得到多个电力客户的数据之后，还需要对多个电力客户的数据进行过滤处理，具体方法包括如下步骤：

步骤S102a，获取预设算法库中的预设条件和预设算法；

步骤S102b，确定多个电力客户的数据中不满足预设条件的第一数据；

步骤S102c，基于预设算法对第一数据进行处理，得到第二数据；

步骤S102d，根据第二数据更新多个电力客户的数据中的第一数据，得到更新后的多个电力客户的数据。

需要说明的是，上述预设算法库包含预设条件和预设算法，其中，上述预设条件为对多个电力客户的数据进行过滤的校验规则，上述预设算法为对不满足预设条件的数据进行处理，使其满足预设条件的算法。此外，上述第一数据为不满足预设条件的电力客户的数据，第二数据为使用预设算法对第一数据进行处理后所得到的满足预设条件的电力客户的数据。

在一种可选的实施例中，在得到多个电力客户的数据之后，对多个电力客户的数据进行检验规则的过滤，并从处理结果中得到不满足校验规则的数据。然后采用预设算法对不满足校验规则的数据进行处理，并对处理后的数据继续进行校验规则的过滤，直至所有的电力客户的数据均满足预设条件为止。另外，在完成对多个电力客户的数据的校验的过程之后，可将在校验过程中所使用到的预设算法以及预设条件存储或更新至预设算法库中，以便在下次校验时，可直接调用预设条件和/或预设算法。

需要说明的是，在对多个电力客户的数据进行校验之后，电力客户的分类装置继续对多个电力客户的数据进行数据重构，即数据重构是在获取到的多个电力客户的数据的基础上，根据电力客户需求的多个维度进行重新组织，从而得到重构数据。其中，对多个电力客户的数据进行数据重构处理，得到重构数据的方法包括如下步骤：

步骤S104a，基于第一参数对多个电力客户的数据进行重构处理，得到第一重构数据，其中，第一参数至少包括如下之一：电力客户的年度电量、周期电量以及周期电量环比变化率；

步骤S104b，基于第二参数对多个电力客户的数据进行重构处理，得到第二重构数据，其中，第二参数至少包括如下之一：电力客户的年度故障报修次数、周期故障报修次数以及周期报修环比变化率；

步骤S104c，基于第三参数对多个电力客户的数据进行重构处理，得到第三重构数据，其中，第三参数至少包括如下之一：电力客户使用移动终端的次数、周期访问***次数以及通过移动终端购买电量的次数。

需要说明的是，重构数据包括第一重构数据、第二重构数据以及第三重构数据。其中，第一重构数据为电力客户价值的数据，第二重构数据为电力客户的用电水平数据，第三重构数据为基于电力用户使用移动终端的数据。

具体的，通过如下方法对多个电力客户的数据进行重构，得到第一重构数据：

从多个电力客户中筛选出年度电量大于年度电量阈值X1的第一电力客户；然后，从第一电力客户中筛选出周期电量大于周期电量阈值Y1的第二电力客户；最后，从第二电力客户中筛选出周期电量环比变化率大于变化率阈值W1的第三电力客户。其中。第三电力客户的数据即为第一重构数据。在得到第一重构数据之后，将第一重构数据存储至关系型数据库中。

需要说明的是，对多个电力客户的数据进行重构，得到第二重构数据的过程主要是基于电力用户的报修次数以及故障性质两个方面来进行数据重构。具体的，电力客户的分类装置从多个电力客户的数据中确定同时满足如下三个条件的电力客户的数据作为第二重构数据：

条件一：电力客户的年度故障报修次数大于年度报修阈值X2；

条件二：电力客户的周期故障报修次数大于周期报修阈值Y2；

条件三：电力客户的周期报修环比变化率大于环比变化率阈值W2。

其中，同时满足上述三个条件的电力客户的数据即为第二重构数据，并将第二重构数据存储至关系型数据库中。

此外，对多个电力客户的数据进行重构，得到第三重构数据的过程主要是对电力客户使用移动终端的次数、周期访问***的此时以及通过移动终端购买电量的次数三个方面来进行数据重构。其中，多个电力客户的数据如果同时满足如下三个条件，则确定满足以下三个条件的电力客户的数据为第三重构数据：

条件一：电力客户使用移动终端的次数大于预设次数阈值X3；

条件二：电力客户的周期访问***次数大于预设访问次数W3；

条件三：电力客户通过移动终端购买电量的次数大于预设购电次数Y3。

其中，在得到第三重构数据之后，将第三重构数据存储至关系型数据库中。

需要说明的是，在得到重构数据之后，电力客户的分类装置根据第一重构数据、第二重构数据以及第三重构数据构建分类模型，并根据分类模型对多个电力客户进行分类，得到分类结果，具体步骤如下：

步骤S108a，根据分类模型对多个电力客户的数据进行聚类处理，得到聚类结果；

步骤S108b，根据聚类结果对多个电力客户进行分类，得到分类结果。

在一种可选的实施例中，电力客户的分类装置可构建单一维度的分类模型，也可构建多维度的分类模型，其中，图2示出了一种可选的基于三个维度的分类模型，在该分类模型中，第一重构数据、第二重构数据以及第三重构数据分别为分类模型的三个维度，每个维度上的不同位置代表不同的参数，其中，在第一重构数据所在的维度上的参数为电力客户的年度电量、周期电量以及周期电量环比变化率，在第二重构数据所在的维度上的参数为电力客户的年度故障报修次数、周期故障报修次数以及周期报修环比变化率，在第三重构数据所在的维度上的参数为电力客户移动终端的使用次数、周期访问***次数以及通过移动终端购买电量的次数。

在另一种可选的实施例中，在构建好分类模型之后，采用聚类算法对电力客户的数据进行聚类处理，其中，聚类算法可以为但不限于k-means聚类算法。对电力用户的数据进行k-means聚类算法的过程如下：

(1)从m个数据中任意选择n个数据作为初始聚类中心，其中，m≥n；

(2)(m-n)个数据与初始聚类中心的距离；

(3)根据上述距离确定(m-n)个数据中的每个数据的聚类，得到更新后的聚类(4)确定更新后的聚类的聚类中心，并根据更新后的聚类的聚类中心确定该聚类中所有数据的标准测度函数；

(5)在上述标准测度函数收敛的情况下，得到聚类结果。

需要说明的是，可采用数据的均方差函数来确定数据的标准测度函数。

此外，还需要说明的是，根据电力客户需求的不同，可以采用不同的指标、维度以及设置不同的阈值来对电力客户进行分类，并将分类后的结构保存到电力业务***的分类结果集中。电力业务***可动态收集、分析外部***采用分类后的电力客户的数据，动态的对应用效果进行分析和机器学习，将应用效果好的分类结果存储到知识库，而对应用效果较差的分类结果进行挖掘、分析、比较，发现差异点，并对分类结果进行动态调整，将调整后的结构更新到分类结果集中。具体步骤如下：

步骤S110，判断分类结果是否满足分类条件；

步骤S112，在分类结果不满足分类条件的情况下，对分类结果调整，得到调整结果；

步骤S114，基于调整结果对分类结果进行更新处理，得到更新结果。

在一种可选的实施例中，月均电量分别为1000和900的两个电力客户A和B,电力客户A每月电量数值平稳，电力客户B用电量值波动较大。在按照电量值的波动进行分类时，电力客户A被分为用电规范用户，而电力客户B被分为用电不规范用户。但在营销***、95598等***中运行一段时间后，发现电力客户A的检修故障次数较多，而电力客户B检修故障次数较少，营销***业务人员对分类结果有异议。同时，电力客户的分类装置通过对电力客户的数据和分类结果进行不断学习，确定电力客户A和B的用户电量值的波动存在差异，但电力客户A和B的故障率结果却相反。由此，电力客户的分类装置通过分析，确定电力客户A和B存在的故障率还受其他因素的影响，因此，将分类结果调整为电力客户A是不规范用电用户，而电力客户B为规范用电客户。

需要说明的是，电力业务***可更新分类结果，在更新后的分类结果在营销***、客服***等中应用后，由电力工作人员确定分类结果是否正确，并在分类结果不正确的情况下，动态调整分类结果，将分类结果存储至分类结果集中，并记录到知识库，以作为机器学习学习数据使用。

在一种优选的实施例中，图3示出了一种优选的电力客户的分类方法的框架示意图。由图3可知，电力客户的分类装置可通过ETL技术分别从营销***数据库、客服***数据库、采集***数据库以及其他***数据库中分别抽取出营销数据、客服数据、采集数据以及其他数据，并对抽取到的数据进行数据重构，得到多个维度的重构数据，例如，分类数据以及客户数据，其中，客户数据可以为但不限于电力客户价值的数据、电电力客户的用数据以及电力客户的互联网数据。然后，在对得到的重构数据进行分类，即将电力客户划分为价值客户、需求响应客户以及信用客户。在电力工作人员确定电力客户的分类结果不合理的情况下，电力客户的分类装置可其进行调整，并将调整后的结果存储在电力业务***的分类结果集中，例如，将调整后的分类结果按照一般客户、重点客户以及现货客户的方式进行存储。

实施例2

根据本发明实施例，还提供了一种电力客户的分类装置实施例，其中，图4是根据本发明实施例的电力客户的分类装置结构示意图，如图4所示，该装置包括：获取模块401、重构模块403、构建模块405以及分类模块407。

其中，获取模块401，用于获取多个电力客户的数据；重构模块403，用于对多个电力客户的数据进行数据重构处理，得到重构数据；构建模块405，用于基于重构数据构建分类模型；分类模块407，用于根据分类模型对多个电力客户进行分类，得到分类结果。

需要说明的是，上述获取模块401、重构模块403、构建模块405以及分类模块407对应于实施例1中的步骤S102至步骤S108，四个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

在一种可选的实施例中，电力客户的分类装置还包括：第一获取模块、第一确定模块、处理模块以及第二确定模块。其中，第一获取模块，用于获取预设算法库中的预设条件和预设算法；第一确定模块，用于确定多个电力客户的数据中不满足预设条件的第一数据；处理模块，用于基于预设算法对第一数据进行处理，得到第二数据；第二确定模块，用于根据第二数据更新多个电力客户的数据中的第一数据，得到更新后的多个电力客户的数据。

需要说明的是，上述第一获取模块、第一确定模块、处理模块以及第二确定模块对应于实施例1中的步骤S102a至步骤S102d，四个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

在一种可选的实施例中，重构数据包括第一重构数据、第二重构数据以及第三重构数据，其中，重构模块包括：第一重构模块、第二重构模块以及第三重构模块。其中，第一重构模块，用于基于第一参数对多个电力客户的数据进行重构处理，得到第一重构数据，其中，第一参数至少包括如下之一：电力客户的年度电量、周期电量以及周期电量环比变化率；第二重构模块，用于基于第二参数对多个电力客户的数据进行重构处理，得到第二重构数据，其中，第二参数至少包括如下之一：电力客户的年度故障报修次数、周期故障报修次数以及周期报修环比变化率；第三重构模块，用于基于第三参数对多个电力客户的数据进行重构处理，得到第三重构数据，其中，第三参数至少包括如下之一：电力客户使用移动终端的次数、周期访问***次数以及通过移动终端购买电量的次数。

需要说明的是，上述第一重构模块、第二重构模块以及第三重构模块对应于实施例1中的步骤S104a至步骤S104c，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

在一种可选的实施例中，分类模块包括：聚类模块以及第一分类模块。其中，聚类模块，用于根据分类模型对多个电力客户的数据进行聚类处理，得到聚类结果；第一分类模块，用于根据聚类结果对多个电力客户进行分类，得到分类结果。

需要说明的是，上述聚类模块以及第一分类模块对应于实施例1中的步骤S108a至步骤S108b，两个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

在一种可选的实施例中，电力客户的分类装置还包括：判断模块、调整模块以及更新模块。其中，判断模块，用于判断分类结果是否满足分类条件；调整模块，用于在分类结果不满足分类条件的情况下，对分类结果调整，得到调整结果；更新模块，用于基于调整结果对分类结果进行更新处理，得到更新结果。

需要说明的是，上述判断模块、调整模块以及更新模块对应于实施例1中的步骤S110至步骤S114，三个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

实施例3

根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，其中，程序执行实施例1中的电力客户的分类方法。

实施例4

根据本发明实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行实施例1中电力客户的分类方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种电力客户的分类方法，其特征在于，包括：

获取多个电力客户的数据；

对所述多个电力客户的数据进行数据重构处理，得到重构数据；

基于所述重构数据构建分类模型；

根据所述分类模型对所述多个电力客户进行分类，得到分类结果。

2.根据权利要求1所述的方法，其特征在于，在获取多个电力客户的数据之后，所述方法还包括：

获取预设算法库中的预设条件和预设算法；

确定所述多个电力客户的数据中不满足预设条件的第一数据；

基于所述预设算法对所述第一数据进行处理，得到第二数据；

根据所述第二数据更新所述多个电力客户的数据中的第一数据，得到更新后的多个电力客户的数据。

3.根据权利要求1所述的方法，其特征在于，所述重构数据包括第一重构数据、第二重构数据以及第三重构数据，其中，对所述多个电力客户的数据进行数据重构处理，得到所述重构数据包括：

基于第一参数对所述多个电力客户的数据进行重构处理，得到所述第一重构数据，其中，所述第一参数至少包括如下之一：电力客户的年度电量、周期电量以及周期电量环比变化率；

基于第二参数对所述多个电力客户的数据进行重构处理，得到所述第二重构数据，其中，所述第二参数至少包括如下之一：电力客户的年度故障报修次数、周期故障报修次数以及周期报修环比变化率；

基于第三参数对所述多个电力客户的数据进行重构处理，得到所述第三重构数据，其中，所述第三参数至少包括如下之一：电力客户使用移动终端的次数、周期访问***次数以及通过移动终端购买电量的次数。

4.根据权利要求1所述的方法，其特征在于，根据所述分类模型对所述多个电力客户进行分类，得到分类结果包括：

根据所述分类模型对所述多个电力客户的数据进行聚类处理，得到聚类结果；

根据所述聚类结果对所述多个电力客户进行分类，得到所述分类结果。

5.根据权利要求4所述的方法，其特征在于，在根据所述分类模型对所述多个电力客户进行分类，得到分类结果之后，所述方法还包括：

判断所述分类结果是否满足分类条件；

在所述分类结果不满足所述分类条件的情况下，对所述分类结果调整，得到调整结果；

基于所述调整结果对所述分类结果进行更新处理，得到更新结果。

6.一种电力客户的分类装置，其特征在于，包括：

获取模块，用于获取多个电力客户的数据；

重构模块，用于对所述多个电力客户的数据进行数据重构处理，得到重构数据；

构建模块，用于基于所述重构数据构建分类模型；

分类模块，用于根据所述分类模型对所述多个电力客户进行分类，得到分类结果。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第一获取模块，用于获取预设算法库中的预设条件和预设算法；

第一确定模块，用于确定所述多个电力客户的数据中不满足预设条件的第一数据；

处理模块，用于基于所述预设算法对所述第一数据进行处理，得到第二数据；

第二确定模块，用于根据所述第二数据更新所述多个电力客户的数据中的第一数据，得到更新后的多个电力客户的数据。

8.根据权利要求6所述的装置，其特征在于，所述重构数据包括第一重构数据、第二重构数据以及第三重构数据，其中，重构模块包括：

第一重构模块，用于基于第一参数对所述多个电力客户的数据进行重构处理，得到所述第一重构数据，其中，所述第一参数至少包括如下之一：电力客户的年度电量、周期电量以及周期电量环比变化率；

第二重构模块，用于基于第二参数对所述多个电力客户的数据进行重构处理，得到所述第二重构数据，其中，所述第二参数至少包括如下之一：电力客户的年度故障报修次数、周期故障报修次数以及周期报修环比变化率；

第三重构模块，用于基于第三参数对所述多个电力客户的数据进行重构处理，得到所述第三重构数据，其中，所述第三参数至少包括如下之一：电力客户使用移动终端的次数、周期访问***次数以及通过移动终端购买电量的次数。

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至5中任意一项所述的电力客户的分类方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的电力客户的分类方法。