CN105427196A - 一种电力客户信用风险管控系统 - Google Patents
一种电力客户信用风险管控系统 Download PDFInfo
- Publication number
- CN105427196A CN105427196A CN201510975560.3A CN201510975560A CN105427196A CN 105427196 A CN105427196 A CN 105427196A CN 201510975560 A CN201510975560 A CN 201510975560A CN 105427196 A CN105427196 A CN 105427196A
- Authority
- CN
- China
- Prior art keywords
- index
- model
- current period
- arrearage
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011084 recovery Methods 0.000 claims abstract description 81
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 238000012423 maintenance Methods 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 claims description 127
- 238000000034 method Methods 0.000 claims description 49
- 238000013178 mathematical model Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000011161 development Methods 0.000 claims description 8
- 230000000737 periodic effect Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 238000007667 floating Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 2
- 230000003319 supportive effect Effects 0.000 claims description 2
- 238000007726 management method Methods 0.000 abstract description 24
- 238000012502 risk assessment Methods 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 18
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种电力客户信用风险管控系统,其特征是,包括数据中心模块、信用等级评价模块、电费风险预警模块、电费风险分析模块和系统管理模块;数据中心模块用于采集来自电力营销系统的客户数据,并对数据进行分类处理;信用等级评价模块用于对数据处理结果进行分析,并划分等级;电费风险分析模块用于建立电费回收风险模型,得到风险等级,形成客户的电费风险整体趋势,并给出相应的风险执行措施;电费风险预警模块用于形成预警等级;系统管理模块用于对系统进行设置、基础数据维护以及用户权限管理。本发明根据不同等级的客户采取不同的管理方法,解决了供电公司电费回收困难的问题,帮助供电公司及时发现风险项,提供解决措施。
Description
技术领域
本发明涉及电力用户管理技术领域,具体地说是一种电力客户信用风险管控系统。
背景技术
近年来,由于电力客户拖欠电费、窃电以及各种违章用电行为,导致供电企业不得不付出大量的人力物力来解决这些问题,从而造成了资源和经济上的浪费。因此电力客户信用风险管理在很大程度上影响着电力公司的正常经营活动。为了改变目前的状况,对电力客户的信用等级进行评估并对其信用风险进行管理就成为供电企业规避风险、提高经营水平所面临的一个重要而迫切的问题。
发明内容
本发明提供了一种电力客户信用风险管控系统,用于解决供电公司电费回收困难的问题,帮助供电公司及时发现风险项,提供解决措施。
本发明解决其技术问题所采取的技术方案是:一种电力客户信用风险管控系统,用于结合电力营销系统中客户的数据,对客户的信用进行等级评价,结合客户的信用等级分析电费风险,并对电费风险进行管理,其特征是,包括数据中心模块、信用等级评价模块、电费风险预警模块、电费风险分析模块和系统管理模块;所述的数据中心模块用于采集来自电力营销系统的客户数据,并对数据进行分类处理;
所述的信用等级评价模块用于对数据中心模块的数据处理结果进行分析,并划分等级;
所述的电费风险分析模块用于根据信用等级评价模块划分的等级建立电费回收风险模型,得到的风险等级,形成客户的电费风险整体趋势,并给出相应的风险执措施;
所述的电费风险预警模块用于根据客户当前的电费回收风险模型形成预警等级;
所述的系统管理模块用于对系统进行设置、基础数据维护以及用户权限管理。
进一步地,所述的数据中心模块包括数据处理模块和数据采集模块;
所述的数据处理模块用于建立数学模型,并处理数据;
所述的数据采集模块用于采集电力营销系统中客户的客户资料、电费账单、电量电费、缴费情况和用电合同,并将采集到的数据导入数据处理模块建立的数学模型中。
进一步地,所述的数学模型包括缴费模型、品质模型、配合模型、行业环境模型、资本模型和能力模型;
所述的缴费模型包括累计电费欠费指标模型、本期电费欠费指标模型、累计欠费次数指标模型、本期欠费次数指标模型、历史欠费指标模型、本期欠费指标模型、累计电费回收准时指标模型和本期电费回收准时指标模型;
所述的品质模型包括窃电指标模型和违约用电指标模型;
所述的配合模型包括用电检查不配合指标模型、本期负控不配合指标模型、本期抄表不配合指标模型、需求侧管理不配合指标模型和安全事故指标模型;
所述的行业环境模型包括行业整体前景模型、行业竞争程度模型、行业政策模型和企业发展周期模型;
所述的资本模型包括销售利润指标模型和总资产报酬指标模型;
所述的能力模型包括资产负债指标模型、现金流动负债指标模型、速动指标模型和现金流量指标模型。
进一步地,所述的累计电费欠费指标模型为:累计电费欠费指标=前三年累计欠费额/前三年应收电费额,累计电费欠费指标与信用风险成正比;
本期电费欠费指标模型为:本期电费欠费指标=本期欠费额/本期应收电费额,本期电费欠费指标与信用风险成正比;
累计欠费次数指标模型为:累计欠费次数指标=前三年欠费总次数/前三年应缴电费总次数,累计欠费次数指标与信用风险成正比;
本期欠费次数指标模型为:本期欠费次数指标=本期欠费总次数/本期应缴电费总次数,本期欠费次数指标与信用风险成正比;
历史欠费指标模型为:历史欠费指标=该用户前三年累计欠费额/所有用户前三年累计欠费额,历史欠费指标与信用风险成正比;
本期欠费指标模型为:本期欠费指标=本期欠费额/所有用户本期欠费总额,本期欠费指标与信用风险成正比;
累计电费回收准时指标模型为:累计电费回收准时指标=前三年应收违约金累计/前三年应收电费累计,累计电费回收准时指标与信用风险成正比;
本期电费回收准时指标模型为:本期电费回收准时指标=本期应收违约金累计/本期应收电费累计,本期电费回收准时指标与信用风险成正比;
窃电指标模型为:窃电指标=本期窃电次数/10,窃电指标与信用风险成正比;
违约用电指标模型为:违章用电指标=考核期违章用电总次数/10,违章用电指标与信用风险成正比;
用电检查不配合指标模型为:用电检查不配合指标=本期用电检查不合作次数/本期用电检查总次数,用电检查不配合指标与信用风险成正比;
本期负控不配合指标模型为:本期负控不配合指标=本期负控管理不合作次数/本期负控管理总次数,本期负控不配合指标与信用风险成正比;
本期抄表不配合指标模型为:本期抄表不配合指标=本期抄表不合作次数/本期抄表总次数,本期抄表不配合指标与信用风险成正比;
需求侧管理不配合指标模型为:需求侧管理不配合指标=需求侧管理工作的不合作次数/需求侧管理工作总次数,需求侧管理不配合指标与信用风险成正比;
安全事故指标模型为:安全事故指标=∑考核期每次客户自身原因造成的安全事故×严重程度,安全事故指标与信用风险成正比;
销售利润指标模型为:销售利润指标=利润总额/销售收入净额;
总资产报酬指标模型为:总资产报酬指标=利润总额/总资产总额;
资产负债指标模型为:资产负债指标=负债总额/资产总额,资产负债指标与信用风险成正比;
现金流动负债指标模型为:现金流动负债指标=经营活动净现金流动/流动负债;
速动指标模型为:速动指标=(流动资产-存货)/流动负债;
现金流量指标模型为:现金流量指标=(现金+有价证券)/流动负债;
行业整体前景模型包括前景暗淡、前景一般、前景光明,行业整体前景模型指标依次减小;
行业竞争程度模型包括程度激烈、程度一般、程度宽松,行业竞争程度模型指标依次减小;
行业政策模型包括限制性政策、无明确导向性政策、支持性政策,指标依次减小;
企业发展周期模型包括衰退期、成长期、稳定发展期,指标依次减小。
进一步地,所述的前三年累计欠费额为客户只要出现欠费情况,都需要计入累计欠费额之中。
进一步地,所述的信用等级评价模块包括等级划分模块、信用判定模块;
所述的等级划分模块用于进行等级划分;
所述的信用判定模块用于对数据处理模块处理得到的指标对客户的信用等级进行判断,指标越大,得分越低,信用等级越低,信用风险越高。
进一步地,所述的电费回收风险模型包括电费回收需装预付费的户数、电费回收需资保的户数、电费回收需柜台预交的户数、电费回收需按周结算的户数、电费回收需按半月结算的户数和电费回收需按周期结算的户数;所述的风险执行措施包括装预付电费、资保、柜台预交电费、按周结算电费、按半月结算电费和按周期结算电费。
进一步地,所述的电费风险预警模块包括高等预警、中等预警和低等预警,用于对电费回收风险模型得到的指标进行预警管理;
所述的高等预警预警电费回收需装预付费的户数、电费回收需资保的户数和电费回收需柜台预交的户数;所述的中等预警预警电费回收需按周结算的户数和电费回收需按半月结算的户数;所述的低等预警预警电费回收需按周期结算的户数。
本发明的有益效果是:本发明提供的一种电力客户信用风险管控系统,通过设置数据中心模块来为系统采集数据,并对数据进行分类整理,建立数学模型,对数据进行处理;本发明设置的信用等级评价模块对客户进行等级划分,并通过数据处理模块处理的数据结果进行等级识别;电费风险预警模块建立电费回收风险模型,并形成高、中、低三种预警;电费风险分析模块分析客户的风险指标,形成客户的电费风险整体趋势,并给出相应的风险解决措施;本发明通过系统管理模块要求用户可以自动设定各个方案所需指标和权重,设定信用等级及预警状态分类等。
本发明可以根据客户的信息,比如缴费情况、违章用电、违约用电、行业分类、用电规模、用电产权、使用性质、用电性质、自然因素、公司信息、电量异常等,形成每个客户自己的指标,对应相应的电费风险和风险执措施。而且要素、指标可以灵活设置成多种组合,并对应相应的电费回收措施;针对不同电费回收措施,不同等级的客户采取不同的管理方法。解决了供电公司电费回收困难的问题,帮助供电公司及时发现风险项,提供解决措施。
附图说明
图1为本发明的模块结构图;
图2为本发明的数学模型结构图;
图3为本发明的累计电费欠费指标模型流程图;
图4为本发明的本期电费欠费指标模型流程图;
图5为本发明的累计欠费次数指标模型流程图;
图6为本发明的本期欠费次数指标模型流程图;
图7为本发明的历史欠费指标模型流程图;
图8为本发明的本期欠费指标模型流程图;
图9为本发明的累计电费回收准时指标模型流程图;
图10为本发明的本期电费回收准时指标模型流程图;
图11为本发明的窃电指标模型流程图;
图12为本发明的违约用电指标模型流程图;
图13为本发明的用电检查不配合指标模型流程图;
图14为本发明的本期负控不配合指标模型流程图;
图15为本发明的本期抄表不配合指标模型流程图;
图16为本发明的需求侧管理不配合指标模型流程图;
图17为本发明的安全事故指标模型流程图;
图18为本发明的销售利润指标模型流程图;
图19为本发明的总资产报酬指标模型流程图;
图20为本发明的资产负债指标模型流程图;
图21为本发明的现金流动负债指标模型流程图;
图22为本发明的速动指标模型流程图;
图23为本发明的现金流量指标模型流程图;
图24为本发明的电费回收风险模型的结构示意图;
图25为本发明的高等预警模块图;
图26为本发明的中等预警模块图;
图27为本发明的低等预警模块图。
具体实施方式
如图1-26所示,本发明包括数据中心模块、信用等级评价模块、电费风险预警模块、电费风险分析模块和系统管理模块。该系统首先通过数据中心模块采集电力营销系统中的客户数据,并进行处理后,其次通过信用等级评价模块对数据处理结果进行分析划分等级,再次该系统的电费风险分析模块根据所划分的等级进行建立电费回收风险模型,形成客户的电费风险整体趋势,并给出相应的风险执措施,最后该系统的电费风险预警模块形成预警等级,并进行预警。
如图1所示,数据中心模块用于采集来自电力营销系统的客户数据,并对数据进行分类处理;客户数据包括:缴费情况、违章用电、违约用电、行业分类、用电规模、用电产权、使用性质、用电性质、自然因素、公司信息和电量异常。数据中心模块包括数据处理模块和数据采集模块;数据处理模块建立多种数学模型,并对采集到的数据进行处理,对客户进行评分,客户的指标越高,得分越低,等级越低,相对应的信用风险越高;数据采集模块采集电力营销系统中客户的客户资料、电费账单、电量电费、缴费情况和用电合同,并将采集到的数据导入数据处理模块建立的数学模型中。
如图2所示,数据处理模块建立的数学模型包括缴费模型、品质模型、配合模型、行业环境模型、资本模型和能力模型。
缴费模型包括累计电费欠费指标模型、本期电费欠费指标模型、累计欠费次数指标模型、本期欠费次数指标模型、历史欠费指标模型、本期欠费指标模型、累计电费回收准时指标模型和本期电费回收准时指标模型。
品质模型包括窃电指标模型和违约用电指标模型。
配合模型包括用电检查不配合指标模型、本期负控不配合指标模型、本期抄表不配合指标模型、需求侧管理不配合指标模型和安全事故指标模型。
行业环境模型包括行业整体前景模型、行业竞争程度模型、行业政策模型和企业发展周期模型。
资本模型包括销售利润指标模型和总资产报酬指标模型。
能力模型包括资产负债指标模型、现金流动负债指标模型、速动指标模型和现金流量指标模型。
如图3所示,累计电费欠费指标模型的建模过程为:把前三年累计欠费额赋值给a,把前三年应收电费额赋值给b,定义c表示累计电费欠费指标,另c=a/b,输出c。前三年累计欠费额为只要曾经出现过欠费情况,不论何时把欠费缴清,都包括在前三年累计欠费额里。
如图4所示,本期电费欠费指标模型的建模过程为:把本次欠费额赋值给a,把本期应收电费额赋值给b,定义c表示本期电费欠费指标,另c=a/b,输出c。
如图5所示,累计欠费次数指标模型的建模过程为:把前三年欠费总次数赋值给a,把前三年应缴电费总次数赋值给b,定义c表示累计欠费次数指标,另c=a/b,输出c。
如图6所示,本期欠费次数指标模型的建模过程为:把本期欠费总次数赋值给a,把本期应缴电费总次数赋值给b,定义c表示本期欠费次数指标,另c=a/b,输出c。
如图7所示,历史欠费指标模型的建模过程为:把该用户前三年累计欠费额赋值给a,把所有用户前三年累计欠费额赋值给b,定义c表示历史欠费指标,另c=a/b,输出c。
如图8所示,本期欠费指标模型的建模过程为:把本期欠费额赋值给a,把所有用户本期欠费总额赋值给b,定义c表示本期欠费指标,另c=a/b,输出c。
如图9所示,累计电费回收准时指标模型的建模过程为:把前三年应收违约金累计赋值给a,把前三年应收电费累计赋值给b,定义c表示累计电费回收准时指标,另c=a/b,输出c。
如图10所示,本期电费回收准时指标模型的建模过程为:把本期应收违约金累计赋值给a,把本期应收电费累计赋值给b,定义c表示本期电费回收准时指标,另c=a/b,输出c。
如图11所示,窃电指标模型的建模过程为:把本期窃电次数赋值给a,把10赋值给b,定义c表示窃电指标,另c=a/b,输出c。
如图12所示,违约用电指标模型的建模过程为:把考核期违章用电总次数赋值给a,把10赋值给b,定义c表示违章用电指标,另c=a/b,输出c。
如图13所示,用电检查不配合指标模型的建模过程为:把本期用电检查不合作次数赋值给a,把本期用电检查总次数赋值给b,定义c表示用电检查不配合指标,另c=a/b,输出c。
如图14所示,本期负控不配合指标模型的建模过程为:把本期负控管理不合作次数赋值给a,把本期负控管理总次数赋值给b,定义c表示本期负控不配合指标,另c=a/b,输出c。
如图15所示,本期抄表不配合指标模型的建模过程为:把本期抄表不合作次数赋值给a,把本期抄表总次数赋值给b,定义c表示本期抄表不配合指标,另c=a/b,输出c。
如图16所示,需求侧管理不配合指标模型的建模过程为:把需求侧管理工作的不合作次数赋值给a,把需求侧管理工作总次数赋值给b,定义c表示需求侧管理不配合指标,另c=a/b,输出c。
如图17所示,安全事故指标模型的建模过程为:把考核期客户自身原因造成的安全事故次数赋值给a,把严重程度赋值给b,定义c表示安全事故指标,另c=a*b,输出c。
如图18所示,销售利润指标模型的建模过程为:把利润总额赋值给a,把销售收入净额赋值给b,定义c表示销售利润指标,另c=a/b,输出c。
如图19所示,总资产报酬指标模型的建模过程为:把利润总额赋值给a,把总资产总额赋值给b,定义c表示总资产报酬指标,另c=a/b,输出c。
如图20所示,资产负债指标模型的建模过程为:把负债总额赋值给a,把资产总额赋值给b,定义c表示资产负债指标,另c=a/b,输出c。
如图21所示,现金流动负债指标模型的建模过程为:把经营活动净现金流动赋值给a,把流动负债赋值给b,定义c表示现金流动负债指标,另c=a/b,输出c。
如图22所示,速动指标模型的建模过程为:把流动资产赋值给a,把存货赋值给b,令c=a-b,把流动负债赋值给d,定义e表示速动指标,另e=c/d,输出e。
如图23所示,现金流量指标模型的建模过程为:把现金赋值给a,把有价证券赋值给b,令c=a+b,把流动负债赋值给d,定义e表示现金流量指标,另e=c/d,输出e。
如图1所示,信用等级评价模块用于对数据中心模块的数据处理结果进行分析,并划分等级;包括等级划分模块和信用判定模块。等级划分模块用于对客户进行等级划分,分为一级客户、二级客户和三级客户,一级客户对应的得分范围为0-30分,二级用户对应的得分范围为30-60分,三级客户对应的得分范围为60-100分。信用判定模块用于对数据处理模块处理得到的得分对客户的信用等级进行判断,信用等级越低,信用风险越高。
如图1所示,电费风险分析模块用于根据客户当前电费回收风险模型得到的风险等级,形成客户的电费风险整体趋势,并给出相应的风险执行措施;如图24所示,电费回收风险模型包括电费回收需装预付费的户数、电费回收需资保的户数、电费回收需柜台预交的户数、电费回收需按周结算的户数、电费回收需按半月结算的户数和电费回收需按周期结算的户数,其风险等级依次降低。按照电费回收的风险等级形成高等预警、中等预警和低等预警,风险等级越高,预警等级越高。风险执行措施包括装预付电费、资保、柜台预交电费、按周结算电费、按半月结算电费和按周期结算电费。
如图1所示,电费风险预警模块包括高等预警、中等预警和低等预警,用于对电费回收风险模型得到的指标进行预警管理;如图25所示,高等预警预警电费回收需装预付费的户数、电费回收需资保的户数和电费回收需柜台预交的户数;如图26所示,中等预警预警电费回收需按周结算的户数和电费回收需按半月结算的户数;如图27所示,低等预警预警电费回收需按周期结算的户数。
系统管理模块用于对系统进行设置、基础数据维护以及用户权限管理。系统管理模块主要提供设置系统正常使用所需的组织架构信息,管理系统用户,维护和控制用户访问系统资源的权限,管理系统所需的基础数据,以及从其他系统同步共享数据的功能;其主要功能包括:用户管理、权限管理、系统日志、安全管理、基础数据管理。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种电力客户信用风险管控系统,用于结合电力营销系统中客户的数据,对客户的信用进行等级评价,结合客户的信用等级分析电费风险,并对电费风险进行管理,其特征是,包括数据中心模块、信用等级评价模块、电费风险预警模块、电费风险分析模块和系统管理模块;
所述的数据中心模块用于采集来自电力营销系统的客户数据,并对数据进行分类处理;
所述的信用等级评价模块用于对数据中心模块的数据处理结果进行分析,并划分等级;
所述的电费风险分析模块用于根据信用等级评价模块划分的等级建立电费回收风险模型,得到的风险等级,形成客户的电费风险整体趋势,并给出相应的风险执行措施;
所述的电费风险预警模块用于根据客户当前的电费回收风险模型形成预警等级;
所述的系统管理模块用于对系统进行设置、基础数据维护以及用户权限管理。
2.根据权利要求1所述的一种电力客户信用风险管控系统,其特征是,所述的数据中心模块包括数据处理模块和数据采集模块;
所述的数据处理模块用于建立数学模型,并处理数据,对客户进行评分;
所述的数据采集模块用于采集电力营销系统中客户的客户资料、电费账单、电量电费、缴费情况和用电合同,并将采集到的数据导入数据处理模块建立的数学模型中。
3.根据权利要求2所述的一种电力客户信用风险管控系统,其特征是,所述的数学模型包括缴费模型、品质模型、配合模型、行业环境模型、资本模型和能力模型;
所述的缴费模型包括累计电费欠费指标模型、本期电费欠费指标模型、累计欠费次数指标模型、本期欠费次数指标模型、历史欠费指标模型、本期欠费指标模型、累计电费回收准时指标模型和本期电费回收准时指标模型;
所述的品质模型包括窃电指标模型和违约用电指标模型;
所述的配合模型包括用电检查不配合指标模型、本期负控不配合指标模型、本期抄表不配合指标模型、需求侧管理不配合指标模型和安全事故指标模型;
所述的行业环境模型包括行业整体前景模型、行业竞争程度模型、行业政策模型和企业发展周期模型;
所述的资本模型包括销售利润指标模型和总资产报酬指标模型;
所述的能力模型包括资产负债指标模型、现金流动负债指标模型、速动指标模型和现金流量指标模型。
4.根据权利要求3所述的一种电力客户信用风险管控系统,其特征是,所述的累计电费欠费指标模型为:累计电费欠费指标=前三年累计欠费额/前三年应收电费额,累计电费欠费指标与信用风险成正比;
本期电费欠费指标模型为:本期电费欠费指标=本期欠费额/本期应收电费额,本期电费欠费指标与信用风险成正比;
累计欠费次数指标模型为:累计欠费次数指标=前三年欠费总次数/前三年应缴电费总次数,累计欠费次数指标与信用风险成正比;
本期欠费次数指标模型为:本期欠费次数指标=本期欠费总次数/本期应缴电费总次数,本期欠费次数指标与信用风险成正比;
历史欠费指标模型为:历史欠费指标=该用户前三年累计欠费额/所有用户前三年累计欠费额,历史欠费指标与信用风险成正比;
本期欠费指标模型为:本期欠费指标=本期欠费额/所有用户本期欠费总额,本期欠费指标与信用风险成正比;
累计电费回收准时指标模型为:累计电费回收准时指标=前三年应收违约金累计/前三年应收电费累计,累计电费回收准时指标与信用风险成正比;
本期电费回收准时指标模型为:本期电费回收准时指标=本期应收违约金累计/本期应收电费累计,本期电费回收准时指标与信用风险成正比;
窃电指标模型为:窃电指标=本期窃电次数/10,窃电指标与信用风险成正比;
违约用电指标模型为:违章用电指标=考核期违章用电总次数/10,违章用电指标与信用风险成正比;
用电检查不配合指标模型为:用电检查不配合指标=本期用电检查不合作次数/本期用电检查总次数,用电检查不配合指标与信用风险成正比;
本期负控不配合指标模型为:本期负控不配合指标=本期负控管理不合作次数/本期负控管理总次数,本期负控不配合指标与信用风险成正比;
本期抄表不配合指标模型为:本期抄表不配合指标=本期抄表不合作次数/本期抄表总次数,本期抄表不配合指标与信用风险成正比;
需求侧管理不配合指标模型为:需求侧管理不配合指标=需求侧管理工作的不合作次数/需求侧管理工作总次数,需求侧管理不配合指标与信用风险成正比;
安全事故指标模型为:安全事故指标=∑考核期每次客户自身原因造成的安全事故×严重程度,安全事故指标与信用风险成正比;
销售利润指标模型为:销售利润指标=利润总额/销售收入净额;
总资产报酬指标模型为:总资产报酬指标=利润总额/总资产总额;
资产负债指标模型为:资产负债指标=负债总额/资产总额,资产负债指标与信用风险成正比;
现金流动负债指标模型为:现金流动负债指标=经营活动净现金流动/流动负债;
速动指标模型为:速动指标=(流动资产-存货)/流动负债;
现金流量指标模型为:现金流量指标=(现金+有价证券)/流动负债;
行业整体前景模型包括前景暗淡、前景一般、前景光明,行业整体前景模型指标依次减小;
行业竞争程度模型包括竞争激烈、竞争一般、竞争宽松,行业竞争程度模型指标依次减小;
行业政策模型包括限制性政策、无明确导向性政策、支持性政策,行业政策模型指标依次减小;
企业发展周期模型包括衰退期、成长期、稳定发展期,企业发展周期模型指标依次减小。
5.根据权利要求4所述的一种电力客户信用风险管控系统,其特征是,所述的前三年累计欠费额为客户只要出现欠费情况,都需要计入累计欠费额之中。
6.根据权利要求1所述的一种电力客户信用风险管控系统,其特征是,所述的信用等级评价模块包括等级划分模块、信用判定模块;
所述的等级划分模块用于进行等级划分;
所述的信用判定模块用于对数据处理模块处理得到的指标对客户的信用等级进行判断,指标越大,得分越低,信用等级越低,信用风险越高。
7.根据权利要求1所述的一种电力客户信用风险管控系统,其特征是,所述的电费回收风险模型包括电费回收需装预付费的户数、电费回收需资保的户数、电费回收需柜台预交的户数、电费回收需按周结算的户数、电费回收需按半月结算的户数和电费回收需按周期结算的户数;所述的风险执行措施包括装预付电费、资保、柜台预交电费、按周结算电费、按半月结算电费和按周期结算电费。
8.根据权利要求1所述的一种电力客户信用风险管控系统,其特征是,所述的电费风险预警模块包括高等预警、中等预警和低等预警,用于对电费回收风险模型得到的指标进行预警管理;
所述的高等预警预警电费回收需装预付费的户数、电费回收需资保的户数和电费回收需柜台预交的户数;所述的中等预警预警电费回收需按周结算的户数和电费回收需按半月结算的户数;所述的低等预警预警电费回收需按周期结算的户数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510975560.3A CN105427196A (zh) | 2015-12-23 | 2015-12-23 | 一种电力客户信用风险管控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510975560.3A CN105427196A (zh) | 2015-12-23 | 2015-12-23 | 一种电力客户信用风险管控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105427196A true CN105427196A (zh) | 2016-03-23 |
Family
ID=55505378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510975560.3A Pending CN105427196A (zh) | 2015-12-23 | 2015-12-23 | 一种电力客户信用风险管控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105427196A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976097A (zh) * | 2016-04-28 | 2016-09-28 | 国网山东省电力公司济南市长清区供电公司 | 电费风险管控提示系统及方法 |
CN106204931A (zh) * | 2016-06-28 | 2016-12-07 | 国网山东省电力公司济南市历城区供电公司 | 一种远程实时费控管理系统和方法 |
CN106780140A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司 | 基于大数据的电力信用评价方法 |
CN107085769A (zh) * | 2017-04-28 | 2017-08-22 | 国网山东省电力公司泰安供电公司 | 电费风险预警方法和装置 |
CN107180070A (zh) * | 2017-03-29 | 2017-09-19 | 暨南大学 | 一种风险信息自动分类、识别与预警方法及系统 |
CN107895245A (zh) * | 2017-12-26 | 2018-04-10 | 国网宁夏电力有限公司银川供电公司 | 一种基于用户画像的电费回收风险评估方法 |
CN109003127A (zh) * | 2018-07-06 | 2018-12-14 | 国网福建省电力有限公司 | 一种基于用电客户数据的信用评级方法 |
CN110504755A (zh) * | 2019-09-02 | 2019-11-26 | 国网河北省电力有限公司沧州供电分公司 | 基于电力用户信用等级评价的抄表系统及方法 |
CN110599237A (zh) * | 2019-08-15 | 2019-12-20 | 国网山东省电力公司临清市供电公司 | 一种基于智能监控的电力营销管理信息采集模块 |
CN110705899A (zh) * | 2019-10-13 | 2020-01-17 | 国网福建省电力有限公司 | 一种面向电力用户的信用评价管理方法、系统 |
CN110717678A (zh) * | 2019-10-13 | 2020-01-21 | 国网福建省电力有限公司 | 一种电费风险评估与预警方法、系统 |
CN110910009A (zh) * | 2019-11-20 | 2020-03-24 | 南方电网数字电网研究院有限公司 | 电力用户管理方法、装置、计算机设备和存储介质 |
CN111199493A (zh) * | 2018-11-19 | 2020-05-26 | 国家电网有限公司客户服务中心 | 一种基于客户缴费信息及征信信息的欠费风险识别方法 |
CN112116215A (zh) * | 2020-08-28 | 2020-12-22 | 国网福建省电力有限公司 | 一种多维度电费回收指标监控方法 |
CN112150267A (zh) * | 2020-09-14 | 2020-12-29 | 深圳供电局有限公司 | 一种计算机设备和企业用电分析系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202795445U (zh) * | 2012-04-25 | 2013-03-13 | 上海市电力公司 | 适用于电力系统的资产管理决策分析信息处理装置 |
CN103530806A (zh) * | 2013-09-04 | 2014-01-22 | 深圳供电局有限公司 | 一种用电客户信用与电费回收风险预警预测方法及系统 |
CN104915895A (zh) * | 2015-06-16 | 2015-09-16 | 国网天津市电力公司 | 一种远程实时用电费控方法 |
CN105139150A (zh) * | 2015-09-25 | 2015-12-09 | 国网山东省电力公司枣庄供电公司 | 一种交费大数据的用户电费风险评估系统 |
-
2015
- 2015-12-23 CN CN201510975560.3A patent/CN105427196A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202795445U (zh) * | 2012-04-25 | 2013-03-13 | 上海市电力公司 | 适用于电力系统的资产管理决策分析信息处理装置 |
CN103530806A (zh) * | 2013-09-04 | 2014-01-22 | 深圳供电局有限公司 | 一种用电客户信用与电费回收风险预警预测方法及系统 |
CN104915895A (zh) * | 2015-06-16 | 2015-09-16 | 国网天津市电力公司 | 一种远程实时用电费控方法 |
CN105139150A (zh) * | 2015-09-25 | 2015-12-09 | 国网山东省电力公司枣庄供电公司 | 一种交费大数据的用户电费风险评估系统 |
Non-Patent Citations (1)
Title |
---|
谷林峰: "交纳电费信用等级评定与风险预警管理系统的研究与开发", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976097A (zh) * | 2016-04-28 | 2016-09-28 | 国网山东省电力公司济南市长清区供电公司 | 电费风险管控提示系统及方法 |
CN106204931A (zh) * | 2016-06-28 | 2016-12-07 | 国网山东省电力公司济南市历城区供电公司 | 一种远程实时费控管理系统和方法 |
CN106780140A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司 | 基于大数据的电力信用评价方法 |
CN106780140B (zh) * | 2016-12-15 | 2021-07-09 | 国网浙江省电力公司 | 基于大数据的电力信用评价方法 |
CN107180070A (zh) * | 2017-03-29 | 2017-09-19 | 暨南大学 | 一种风险信息自动分类、识别与预警方法及系统 |
CN107085769A (zh) * | 2017-04-28 | 2017-08-22 | 国网山东省电力公司泰安供电公司 | 电费风险预警方法和装置 |
CN107895245A (zh) * | 2017-12-26 | 2018-04-10 | 国网宁夏电力有限公司银川供电公司 | 一种基于用户画像的电费回收风险评估方法 |
CN109003127A (zh) * | 2018-07-06 | 2018-12-14 | 国网福建省电力有限公司 | 一种基于用电客户数据的信用评级方法 |
CN111199493A (zh) * | 2018-11-19 | 2020-05-26 | 国家电网有限公司客户服务中心 | 一种基于客户缴费信息及征信信息的欠费风险识别方法 |
CN110599237A (zh) * | 2019-08-15 | 2019-12-20 | 国网山东省电力公司临清市供电公司 | 一种基于智能监控的电力营销管理信息采集模块 |
CN110504755A (zh) * | 2019-09-02 | 2019-11-26 | 国网河北省电力有限公司沧州供电分公司 | 基于电力用户信用等级评价的抄表系统及方法 |
CN110705899A (zh) * | 2019-10-13 | 2020-01-17 | 国网福建省电力有限公司 | 一种面向电力用户的信用评价管理方法、系统 |
CN110717678A (zh) * | 2019-10-13 | 2020-01-21 | 国网福建省电力有限公司 | 一种电费风险评估与预警方法、系统 |
CN110910009A (zh) * | 2019-11-20 | 2020-03-24 | 南方电网数字电网研究院有限公司 | 电力用户管理方法、装置、计算机设备和存储介质 |
CN110910009B (zh) * | 2019-11-20 | 2023-02-24 | 南方电网数字电网研究院有限公司 | 电力用户管理方法、装置、计算机设备和存储介质 |
CN112116215A (zh) * | 2020-08-28 | 2020-12-22 | 国网福建省电力有限公司 | 一种多维度电费回收指标监控方法 |
CN112150267A (zh) * | 2020-09-14 | 2020-12-29 | 深圳供电局有限公司 | 一种计算机设备和企业用电分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105427196A (zh) | 一种电力客户信用风险管控系统 | |
Holdermann et al. | Distributed photovoltaic generation in Brazil: An economic viability analysis of small-scale photovoltaic systems in the residential and commercial sectors | |
Mohammad et al. | Rent seeking in India: its costs and policy significance | |
Zhao et al. | Multi-fractal fluctuation features of thermal power coal price in China | |
CN104021456A (zh) | 用于集团企业资金数据全方位监控的方法及系统 | |
US20140288993A1 (en) | Method and system for analysis of infrastructure | |
CN109712020A (zh) | 一种考虑微网和多元负荷的投入产出效益评估方法 | |
Strang | Applied financial non-linear programming models for decision making | |
Magni et al. | Impact of financing and payout policy on the economic profitability of solar photovoltaic plants | |
Tallapragada VSN et al. | Monitoring performance of electric utilities: indicators and benchmarking in sub-Saharan Africa | |
CN114548650A (zh) | 一种电网资产全生命周期成本分析方法及系统 | |
Ibrahim | Management of loss reduction projects for power distribution systems | |
Lacey | Default service pricing–the flaw and the fix: current pricing practices allow utilities to maintain market dominance in deregulated markets | |
US20140279314A1 (en) | System and Method for Reducing and Monitoring Energy Utility Bills | |
Bird et al. | Impact of Rate Design Alternatives on Residential Solar Customer Bills. Increased Fixed Charges, Minimum Bills and Demand-based Rates | |
Sobeslav et al. | Security consideration of BIA utilization in smart electricity metering systems | |
Alt | Energy utility rate setting | |
Amuji et al. | Correlation Analysis of Enugu Electricity Distribution Company’s Electricity Bill | |
Zhu et al. | Internal control, cloud accounting platform and administrative management: A case study ofchina's quzhou investment bureau | |
Huppes et al. | Modeling for life cycle costing | |
Schnittger et al. | Economic implications of the proposed demand response mechanism | |
Zainudin et al. | Conceptual framework of Tenaga Nasional Berhad (TNB) cost of service (COS) model | |
Molzahn et al. | An empirical investigation of speculation in the MISO financial transmission rights auction market | |
Thenga | A responsive business model for municipal power utilities in a changing electricity market for South Africa: A case study of the City of Ekurhuleni | |
Wang et al. | Evaluation of electric power sales company's credit under new power market reformation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160323 |