关于电费回收的电力大数据分析技术探讨
来源:用户上传
作者:姚盈吉
【摘 要】受国内外复杂经济形势对电网企业冲击的影响，电费回收指标压力越来越大，且电力营销系统缺乏智能分析欠费客户的功能，传统催费方式工作量大、回收效果差，具有较大的盲目性。论文运用层次分析法建立客户电费风险预测模型，以“欠费客户催费顺序”为切入点，通过分析客户各类信息得到客户信用分数，对其电费回收风险进行分析预测，从而及时发现存在的电费回收风险点，通过营销策略调整降低风险，有效提高电费回收率，提升电力企业经营效益。
【Abstract】Affected by the impact of the complex economic situation at home and abroad on power grid enterprises， the pressure of electricity tariff recovery index is increasing， and the power marketing system lacks the function of intelligent analysis of customers in arrears， and the traditional charging method has heavy workload and poor recovery effect， which has great blindness. This paper uses analytic hierarchy process to establish the prediction model of customers' electricity tariff risk. This paper takes the "charging order of customers in arrears" as the breakthrough point， obtains the credit score of customers by analyzing all kinds of information of customers， analyzes and predicts the risk of electricity charge recovery， so as to find out the existing risk points of electricity tariff recovery in time. Through the adjustment of marketing strategies， reduce the risk， effectively improve the rate of electricity tariff recovery， and improve the operation benefits of power enterprises.
【关键词】电费回收风险预测;层次分析法;客户行为分析
【Keywords】prediction of electricity tariff recovery risk; analytic hierarchy process; customer behavior analysis
【中圖分类号】TP311;F426 【文献标志码】A 【文章编号】1673-1069（2020）10-0180-02
1 基于大数据分析的电费回收背景
1.1 现状
电费作为电网企业最重要的经营指标之一，反映了电网企业的经营管理的成果。目前，先用电后缴费仍是广东省主要的用电方式，能否及时有效对欠费客户开展电费催收工作直接影响了电力公司的经济运行状况。而电网企业虽掌握着大量的客户用电数据，却缺乏对海量信息进行挖掘分析，现行的电力营销系统主流功能仍停留于对用电数据的记录，员工也仍停留在仅根据客户数据的记录本进行电费催收的阶段，无法实现对现存数据的智能化分析，并且通过人工筛选对客户进行分类催收，存在工作量较大且电费回收效率低的问题。
1.2 用大数据研究分析电费回收风险的机遇
近年来科技高速发展，5G时代的到来使得万物互联成为可能，对未来的预测也成为大数据云时代最大的特征。对于电网企业来说，客户每一个行为动态都会产生大量的数据，将所有数据中趋同的部分进行汇总，挖掘发现其中的规律特征，就能实现对客户行为的预测。在电费回收方面，运用大数据能有效预测客户电费回收风险并且有利于电网企业真正了解客户需求，为客户提供更加个性化、专业化服务。
2 用电客户电费回收风险预测的大数据应用
2.1 层次分析法
层次分析法是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础上进行定性与定量分析。主要是将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多准则的若干层次，通过定性指标模糊量化方法算出总排序，以作为多指标、多方案优化决策的系统方法。
具体运算方法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后应用加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即最优方案。 2.2 建立模型
基于欠费客户催费顺序的因素既有定量指标（如欠费期数、欠费金额、缴费时间等），又有定性指标（如缴费方式、用电类别、电压等级等），本文采用层次分析法建立用电客户电费风险预测模型。运用层次分析法，以“欠费客户催费顺序”为目标层，缴费时间、缴费方式、欠费期数、欠费金额、用电类别等要素为准则层，欠费客户为方案层，根据方案层中各个欠费客户在准则层的各个要素得到各个欠费客户信用分数，从而得到目标层的欠费客户催费顺序。模型示意图如图1所示。
准则层中的缴费时间可以分为三类：第一类为虽超过缴费期限但是仍在当月缴清电费;第二类为次月电费发行前才缴清电费;第三类为次月电费发行后仍未缴清电费。针对缴费方式，可以分为线上缴费如支付宝、微信、银行划扣等，以及线下缴费如终端机、营业厅等。第一类缴费时间到第三类缴费时间对应的分数可以是递减的，线上缴费方式对应的分数高于线下缴费方式对应的分数。对准则层的其他准则，根据准则变化对电费回收风险影响的大小来设置权重大小，如欠费期数越多，电费回收风险越大，则权重相应地随着期数增加而增加。
2.3 模型计算步骤
步骤一：输入评价标准。其中，评价标准可以包含缴费时间、欠费期数和欠费金额分别对应的不同范围的权重和分数以及各种缴费方式对应的权重和分数，评价标准中的缴费时间的权重、欠费期数的权重、欠费金额的权重和缴费方式的权重可依次递减。如缴费时间在当月的分数大于缴费时间在次月的分數。
步骤二：判断客户是否欠费。如果是，执行步骤三;如果否，执行步骤六。具体可根据客户的缴费时间判断客户是否欠费，如客户的缴费时间中并无当月的缴费时间记录，则表示客户已欠费。
步骤三：第1个评价标准计算分数。其中，第1个评价标准可包括缴费方式以及缴费时间对应的权重和分数，根据第1个评价标准计算欠费客户的缴费方式和其对应的权重和分数的乘积，得到欠费客户在第1个评价标准的分数。
步骤四：第i+1个评价标准计算分数。其中，第i+1个评价标准可包括欠费期数和其对应的权重和分数，根据第i+1个评价标准计算欠费客户的欠费期数和对应的权重和分数的乘积，得到欠费客户在第i+1个评价标准的分数。
步骤五：输出每个客户的总分。具体的，将每个评价标准计算得到的分数之和作为对应客户的总分，即信用分数。
步骤六：判断是否全部客户均计算出总分。如果是，执行步骤七;如果否，执行步骤二。具体的，若还存在未计算出总分的客户，则返回步骤二，判断未计算出总分的客户是否欠费，直至全部客户均计算出总分。
步骤七：对全部客户分数进行排序。其中，全部客户分数可按照由低到高的顺序进行排序，信用分数越低则说明催收电费顺序越前。
步骤八：得出客户催费顺序。
总而言之，全部客户分数由低到高的顺序即由先到后的客户催费顺序，对分数较低的欠费客户，工作人员可优先对其进行电费催收，以提高电费催收效率。
3 应用前景
通过建立用电客户电费回收风险预测模型，免去了人工筛选的工作量，每个欠费客户都有相应的信用分数，工作人员可优先对信用分数较低的欠费客户进行电费催收，电费催收效率得到了大大提高。
该模型可以建立对用电客户电费回收风险的长效观察机制，从被动催收电费转变为提前做好高风险客户的管控工作，采取针对性措施，如关注客户的日用电量，对确有需要的客户可缩短电费结算周期，以缓解其结算压力;对于信用等级过低、恶意欠费客户，可根据中国人民银行征信级别分类标准，将客户的电费回收信用等级与个人征信相关联，报中国人民银行备案。
【参考文献】
【1】刘莎娜.浅析大数据挖掘对电费回收风险预测优化[J].电子世界，2020（12）：77-78.
【2】钱正浩，吴广财.一种基于大数据挖掘的电费回收风险预测技术研究[J].电子世界，2017（19）：149-150.
【3】赵海宝，周盛成，安旭东，等.基于电费大数据客户欠费风险分级管理探索研究[J].电工技术，2020（12）：141-143+149.
转载注明来源:https://www.xzbu.com/4/view-15345848.htm
