一種針對低壓用戶群電費回收風險評估模型的構建方法與流程

本發明涉及電力系統
技術領域：
，特別是指一種針對低壓用戶群電費回收風險評估模型的構建方法。
背景技術：
：近年來，隨著社會的快速發展，電力企業在關注高壓用戶的同時開始慢慢關注低壓用戶的用電風險，而用電風險中主要關注電費回收風險，而如何對低壓用戶或低壓用戶群構建評估指標體系并對低壓用戶群電費回收風險進行評估是當前電力企業面臨的一大考驗。技術實現要素：本發明要解決的技術問題是提供一種針對低壓用戶群電費回收風險評估模型的構建方法，以解決現有技術所存在的低壓用戶群電費回收風險評估困難的問題。為解決上述技術問題，本發明實施例提供一種針對低壓用戶群電費回收風險評估模型的構建方法，包括：根據低壓用戶群的用電行為，構建低壓用戶群電費回收風險指標體系；根據構建的所述低壓用戶群電費回收風險指標體系中的風險度指標與用電風險度之間的相關性，確定風險度指標權重值；根據確定的風險度指標權重值，預測低壓用戶群的電費回收風險。進一步地，所述構建的所述低壓用戶群電費回收風險指標體系中的風險度指標包括：預收金額、預收沖抵金額、費控用戶數、停電用戶數據、代扣用戶數據占比、代扣金額占比、費控用戶占比、欠費停電用戶占比。進一步地，所述代扣用戶數據占比表示為：進一步地，所述代扣金額占比表示為：進一步地，所述費控用戶占比表示為：進一步地，所述欠費停電用戶占比表示為：進一步地，在根據構建的所述低壓用戶群電費回收風險指標體系中的風險度指標與用電風險度之間的相關性，確定風險度指標權重值之前，所述方法還包括：對構建的所述低壓用戶群電費回收風險指標體系中的風險度指標進行數據描述；根據數據描述結果，，確定所述低壓用戶群電費回收風險指標體系中每個風險度指標的故須盒圖，所述故須盒圖包括：離群點和非離群點；將離群點的數值修正到非離群點的最大值。進一步地，所述根據構建的所述低壓用戶群電費回收風險指標體系中的風險度指標與用電風險度之間的相關性，確定風險度指標權重值包括：s1，確定專家；s2，將構建的所述低壓用戶群電費回收風險指標體系中的風險度指標作為影響電費回收風險的因素確定對象征詢意見表；s3，獲取風險度指標的數據描述，并向專家提供獲取的風險度指標的數據描述供專家分析，以匿名方式征詢專家確定的風險度指標權重值；s4，對專家確定的風險度指標權重值進行統計，將統計結果反饋給專家；s5，專家根據反饋結果修正各自對各個風險度指標的權重值；s6，重復s1-s5，經過多輪匿名征詢和反饋，得到各個風險度指標最終權重值。進一步地，所述s4包括：利用topsis算法，對專家確定的風險度指標權重值進行統計，將統計結果反饋給專家。進一步地，所述根據確定的風險度指標權重值，預測低壓用戶群的電費回收風險包括：根據確定的風險度指標權重值，利用topsis算法，預測低壓用戶群的電費回收風險。本發明的上述技術方案的有益效果如下：上述方案中，根據低壓用戶群的用電行為，構建低壓用戶群電費回收風險指標體系；根據構建的所述低壓用戶群電費回收風險指標體系中的風險度指標與用電風險度之間的相關性，確定風險度指標權重值；根據確定的風險度指標權重值，能夠預測低壓用戶群的電費回收風險。附圖說明圖1為本發明實施例提供的針對低壓用戶群電費回收風險評估模型的構建方法的流程示意圖；圖2為本發明實施例提供的低壓用戶群電費回收風險指標體系示意圖；圖3為本發明實施例提供的預收沖抵金額的故須盒圖；圖4為本發明實施例提供的預收沖抵金額概率密度圖；圖5為本發明實施例提供的用戶群topsis風險度分布結果。具體實施方式為使本發明要解決的技術問題、技術方案和優點更加清楚，下面將結合附圖及具體實施例進行詳細描述。本發明針對現有的低壓用戶群電費回收風險評估困難的問題，提供一種針對低壓用戶群電費回收風險評估模型的構建方法。如圖1所示，本發明實施例提供的針對低壓用戶群電費回收風險評估模型的構建方法，包括：步驟101，根據低壓用戶群的用電行為，構建低壓用戶群電費回收風險指標體系；步驟102，根據構建的所述低壓用戶群電費回收風險指標體系中的風險度指標與用電風險度之間的相關性，確定風險度指標權重值；步驟103，根據確定的風險度指標權重值，預測低壓用戶群的電費回收風險。本發明實施例所述的針對低壓用戶群電費回收風險評估模型的構建方法，根據低壓用戶群的用電行為，構建低壓用戶群電費回收風險指標體系；根據構建的所述低壓用戶群電費回收風險指標體系中的風險度指標與用電風險度之間的相關性，確定風險度指標權重值；根據確定的風險度指標權重值，能夠預測低壓用戶群的電費回收風險。本實施例主要是針對低壓用戶，所述低壓用戶主要是指用電電壓為220v的用戶，也可以指用電電壓小于220v的用戶；由于低壓用戶人數較多，可以根據供電單位進行劃分，形成697個低壓用戶群，圍繞其用電行為數據構建低壓用戶群電費回收風險指標體系。本實施例所述的針對低壓用戶群電費回收風險評估模型的構建方法，考慮客戶欠費停電數據和預收電費數據，客戶群體欠費電費和預收電費對風險度一般成正負比關系。根據風險劃分理論，可以將低壓用戶群的風險度指標劃為:預收金額、預收沖抵金額、費控用戶數、停電用戶數據、代扣用戶數據占比、代扣金額占比、費控用戶占比、欠費停電用戶占比，細分指標，如圖2所示。在前述針對低壓用戶群電費回收風險評估模型的構建方法的具體實施方式中，進一步地，所述構建的所述低壓用戶群電費回收風險指標體系中的風險度指標包括：預收金額、預收沖抵金額、費控用戶數、停電用戶數據、代扣用戶數據占比、代扣金額占比、費控用戶占比、欠費停電用戶占比。在前述針對低壓用戶群電費回收風險評估模型的構建方法的具體實施方式中，進一步地，所述代扣用戶數據占比表示為：在前述針對低壓用戶群電費回收風險評估模型的構建方法的具體實施方式中，進一步地，所述代扣金額占比表示為：在前述針對低壓用戶群電費回收風險評估模型的構建方法的具體實施方式中，進一步地，所述費控用戶占比表示為：在前述針對低壓用戶群電費回收風險評估模型的構建方法的具體實施方式中，進一步地，所述欠費停電用戶占比表示為：本實施例中，預收金額是用戶群的預收總金額，一般認為與風險度成反比；停電用戶數據是用戶群的停電用戶數量，一般認為與風險度成正比；費控用戶數是用戶群的總用戶數數目，一般認為與風險度成反比；預收沖抵金額是用戶群的預收沖抵總金額，一般認為與風險度成反比；代扣用戶數據占比一般認為與風險度成反比；代扣金額占比一般認為與風險度成反比；費控用戶占比一般認為與風險度成反比；欠費停電用戶占比一般認為與風險度成正比。本實施例抽取最近一年(2015年1月到2016年12月)的數據做實驗，如表1所示，表1給出697個低壓用戶群各項風險度指標的數據描述：表1風險度指標的數據描述本實施例中，作為一可選實施例，在根據構建的所述低壓用戶群電費回收風險指標體系中的風險度指標與用電風險度之間的相關性，確定風險度指標權重值之前，所述方法還包括：對構建的所述低壓用戶群電費回收風險指標體系中的風險度指標進行數據描述；根據數據描述結果，確定所述低壓用戶群電費回收風險指標體系中每個風險度指標的故須盒圖，所述故須盒圖包括：離群點和非離群點；將離群點的數值修正到非離群點的最大值。本實施例中，針對各風險度指標，可以通過故須盒圖以及概率密度圖來查看數據的分布，以預收沖抵金額為列，其故須盒圖和概率密度圖分別如圖3，圖4所示。本實施例中，還需對離群點進行預處理，將離群點的數值修正到非離群點的最大值，具體的，例如，本實施例中規定當數值超過1.5倍的iqr(四分位數極差)時，即超過故須盒圖的胡須即為離群點，上下胡須內即為非離群點。如圖3中所示，可以看到有幾個用戶群預收沖抵金額遠遠超出其余用戶群，已在上胡須之外，可將該批用戶群的預收沖抵金額按照上胡須處的值進行計算，將離群點的數值修正到非離群點的最大值。本實施例中，可以利用改進的德爾菲法確定各風險度指標的權重值，為了更好地理解改進后的德爾菲法，先對改進前的德爾菲法進行說明：德爾非法是一種專家評分法，首先根據評價對象的具體要求選定若干個評價項目，再根據評價項目制訂出評價標準。通過匿名方式征詢有關專家的意見，對專家意見進行統計、處理、分析和歸納，客觀地綜合多數專家經驗與主觀判斷，對大量難以采用技術方法進行定量分析的因素做出合理估算，經過多輪意見征詢、反饋和調整后，對債權價值和價值可實現程度進行分析的方法。改進前的德爾非法的執行步驟可以包括：1)選擇專家；2)確定影響債權價值的因素，設計價值分析對象征詢意見表；3)向專家提供債權背景資料，以匿名方式征詢專家意見；4)對專家意見進行分析匯總，將統計結果反饋給專家；5)專家根據反饋結果修正自己的意見；6)經過多輪匿名征詢和意見反饋，形成最終分析結論。本實施例中，對原有的德爾菲方法進行改進，不用德爾菲對指標進行評分，而是利用這套流程進行權重確定。改進后的德爾菲在本實施例中的應用步驟可以包括：1)選定電網市級營業廳的業務人員為專家；2)以本實施例確定的8項風險度指標為影響電費回收風險的因素設計對象征詢意見表；3)向專家提供預處理后的風險度指標的數據描述，讓專家對各個風險度指標進行分析，以匿名方式征詢專家確定的風險度指標權重值；4)可以用topsis算法對專家確定的各項風險度指標權重值進行統計，將統計結果反饋給專家；5)專家根據反饋結果修正自己對各個風險度指標的權重值；6)經過多輪匿名征詢和意見反饋，得到各個風險度指標最終權重值。專家在每輪迭代定權重中可以根據統計結果來修正各個風險度指標的權重值。統計結果并不是各個風險度指標權重值的簡單疊加，而是可以通過topsis算法求出各用戶群最佳方案和最差方案之間的距離來，對低壓用戶群的電費回收風險進行綜合評價。經過德爾菲法后得到的各項指標權重值如下表所示：風險度指標最終權重預收金額/元-4預收沖抵金額/元-8費控用戶數/個-3停電用戶數據/個5代扣金額占比-4代扣用戶數據占比/％-4費控用戶占比/％-2欠費停電用戶占比/％9本實施例中，優選地，作為一可選實施例，所述根據構建的所述低壓用戶群電費回收風險指標體系中的風險度指標與用電風險度之間的相關性，確定風險度指標權重值包括：s1，確定專家；s2，將構建的所述低壓用戶群電費回收風險指標體系中的風險度指標作為影響電費回收風險的因素確定對象征詢意見表；s3，獲取風險度指標的數據描述，并向專家提供獲取的風險度指標的數據描述供專家分析，以匿名方式征詢專家確定的風險度指標權重值；s4，對專家確定的風險度指標權重值進行統計，將統計結果反饋給專家；s5，專家根據反饋結果修正各自對各個風險度指標的權重值；s6，重復s1-s5，經過多輪匿名征詢和反饋，得到各個風險度指標最終權重值。本實施例中，作為又一可選實施例，所述對專家確定的風險度指標權重值進行統計，將統計結果反饋給專家(s4)包括：利用topsis算法，對專家確定的風險度指標權重值進行統計，將統計結果反饋給專家。在前述針對低壓用戶群電費回收風險評估模型的構建方法的具體實施方式中，進一步地，所述根據確定的風險度指標權重值，預測低壓用戶群的電費回收風險包括：根據確定的風險度指標權重值，利用topsis算法，預測低壓用戶群的電費回收風險。本實施例中，針對低壓用戶，由于所定義的風險度指標數據有的是越大風險度越高，有的是越小風險度越高，比較適合采用逼近于理想解的排序算法(techniquefororderpreferencebysimilaritytoidealsolution，topsis)，根據確定的風險度指標權重值，給低壓用戶的電費回收風險度進行打分，從而預測低壓用戶群的電費回收風險。本實施例中，topsis算法的基本思想是：對歸一化后的原始數據矩陣，確定出理想中的最佳方案和最差方案，然后通過求出各被評方案與最佳方案和最差方案之間的距離，得出該方案與最佳方案的接近程度，并以此作為評價各被評對象優劣的依據。本實施例中，利用topsis算法以及確定的風險度指標權重值對697個用戶群的topsi風險度進行劃分，最終得出結果如圖5所示。結果顯示用戶群的風險度在高值區域分布較少，在中低部分分布較多。這種分布結果側面符合了二八定理，即小部分的群體為貢獻了大部分風險值，而大部分用戶群屬于低風險甚至無風險狀態，同時將該模型應用于某電網公司，能較好地找出高風險低壓用戶群，說明其評分結果的合理性。以上所述是本發明的優選實施方式，應當指出，對于本
技術領域：
的普通技術人員來說，在不脫離本發明所述原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發明的保護范圍。當前第1頁12