CN105760937A - 一种基于大数据的电网用户电费回收模型构建方法 - Google Patents
一种基于大数据的电网用户电费回收模型构建方法 Download PDFInfo
- Publication number
- CN105760937A CN105760937A CN201610156009.0A CN201610156009A CN105760937A CN 105760937 A CN105760937 A CN 105760937A CN 201610156009 A CN201610156009 A CN 201610156009A CN 105760937 A CN105760937 A CN 105760937A
- Authority
- CN
- China
- Prior art keywords
- electricity charge
- client
- power grid
- tariff recovery
- method based
- 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 title claims abstract description 24
- 230000005611 electricity Effects 0.000 title claims abstract description 22
- 238000010276 construction Methods 0.000 title claims abstract 3
- 238000000034 method Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 claims description 2
- 238000013459 approach Methods 0.000 claims 2
- 238000011835 investigation Methods 0.000 claims 1
- 230000006399 behavior Effects 0.000 abstract 1
- 230000002349 favourable effect Effects 0.000 abstract 1
- 230000002265 prevention Effects 0.000 abstract 1
- 230000008901 benefit Effects 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009941 weaving Methods 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/30—Administration of product recycling or disposal
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于大数据的电网用户电费回收模型构建方法，通过分析不同客户的缴交电费行为以及客户基本属性特征，进行客户的电费回收风险预测，有利于对不同客户提前采取差异化的电费回收策略和预防措施，保障企业的电费收入，有效控制企业经营风险。
Description
技术领域
本发明涉及一种基于大数据的电网用户电费回收模型构建方法，运用算法模型，分析不同客户的缴交电费行为以及客户基本属性特征，进行客户的电费回收风险预测，并在系统中为客户进行标识，有利于对不同客户提前采取差异化的电费回收策略和预防措施，保障企业的电费收入，有效控制企业经营风险。
背景技术
现在，我国大部分地区电力部门收缴电费采用的是先用电后缴费的制度，这为欠缴、不缴电费提供了可能性。此外法律规定也存在着不足之处，如《电力供应与使用条例》第三十条：逾期未交付电费的，供电企业可以从逾期之日起加收违约金，自逾期之日起超过30日，经催交仍未交付电费的，供电企业可以按照国家规定的程序停止供电。实际上如果逾期3O日停电，用户使用电能量已经是2个月的了，造成供电企业承担的欠费风险进一步加大。
电费回收工作涉及千家万户，点多、面广、量大，回收工作面临诸多风险。尤其是十八大后，中央反“四风”专项治理的不断推进，餐饮、旅业、会所等行业经营不善；产业转型升级、淘汰落后产能，传统的造纸、纺织、印刷、化工、建材、煤炭、养殖等行业面临关停，造成电费回收工作形势更加严峻。
因电费的回收直接影响到企业的经济效益，关系到企业的生存和发展。供电企业必须从多方面采取行之有效的措施，以防止陈欠电费特别是防止电费呆帐、坏帐的形成，使企业的自身效益得到保障。
发明内容
本发明提供一种基于大数据的电网用户电费回收模型构建方法，通过该模型分析不同客户的缴交电费的行为以及客户基本属性特征，明确每个客户的电费回收风险等级，找到高风险客户，有针对性地采取差异化的策略和具体措施，确保电费及时回收，降低企业经营风险。
为了实现上述目的，本发明采用的技术方案如下：
基于大数据的电网用户电费回收模型构建方法，包括以下步骤：
（1）导入建模样本数据；
（2）数据区分为训练、验证和测试集；
（3）统计各个变量的区分度和分段区间；
（4）运用回归算法建模；
（5）全体客户进行打分；
(6)分群标准与业务验证
与现有技术相比，本发明具有以下有益效果：
（1）将细分结果嵌入营销系统，逐步实现回收高风险客户的缴费提醒和差异化账单提醒，将催费环节前移到缴费期截止前，从而促进电费回收。
附图说明：
图1为本发明的流程图。
具体实施方式：
下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。
实施例
图1为本发明的流程图，选取汕头供电局2011年11月—2012年10月的用户数据，实施流程如下：
1、导入建模样本数据，汕头局非居民客户25万户中2011年11月-2012年11月之间的欠费人数为1.8万户，占比7.2%，选取“坏客户”标准：非居民客户，一年之内有过2次及以上欠费的，并且累计欠费金额>5000元；汕头局非居民客户174万户中2011年11月-2012年11月之间的欠费人数为15.9万户，占比9.1%，选取“坏客户”标准：居民客户，一年之内有过3次及以上欠费的，并且累计欠费金额>200元。
按用户号将预测变量（基本属性及历史行为属性）和目标变量（是否为坏客户）进行拼接，用于最终建模，其中历史行为属性变量取在表现期内，按3、6、12、24月分别加工：用电量、缴费金额、电量增长比例、用电量等级、短信催收次数、违约用电次数、扣款次数等；
2、数据区分为训练、验证和测试集，25万非居民中，随机抽取40%样本用于建立模型，174万居民中，随机抽取10%样本用于建立模型，样本数据根据建模需要，通过分区，按40%,30%,30%拆分成训练集、验证集和测试集，训练集用于建立回归模型和计算回归系数，验证集对训练集所建立的模型结果进行验证和细微调整，测试集用于模型测试；
3、统计各个变量的区分度和分段区间，运用R软件，直接计算出各字段与是否拨打咨询、投诉、建议停电之间的相关性，通过基尼统计量进行标识，并将最相关的几个变量选择为建模变量，将数据用EXCEL展示相关性，发现与样本客户有较强相关关系的属性字段有合同容量、城市/农村、缴费时长、缴费金额、缴费次数；
4、运用回归算法建模，电费回收风险模型中，选择居民客户，一年之内有过3次及以上欠费的，并且累计欠费金额>200元的，非居民客户，一年之内有过2次及以上欠费的，并且累计欠费金额>5000元的，这些客户为电费回收高风险客户，将这些客户的目标变量设定为1，其余客户设定为0，用逻辑回归模型按每个预测变量的所有属性值，自动计算各属性的事件率并进行分组；
发现非居民客户数据原始纯度为0.52%（25万非居民客户中，0.52万满足累计欠费金额5000以上且欠费次数2次及以上），采用逻辑回归后，前5%客户的纯度达到8.3%，提升度达到15.8倍，前1%客户的纯度达到27.5%（2491户中有686户满足坏客户条件）；非居民客户数据原始纯度为2.7%（174万非居民客户中，4.7万满足累计欠费金额200以上且欠费次数3次及以上），采用逻辑回归后，前5%客户的纯度达到33.1%，提升度达到12.2倍；
5、全体客户进行打分，应用逻辑回归公式对全量客户打分，之后对每个分群的敏感客户占比进行统计，发现全量客户中坏客户占比与验证集的比例接近，也就是模型具备较好的普适性，不存在“过拟合”的问题（即该模型对样本客户拟合非常好，但对非选定样本客户则拟合效果差）；
6、分群标准与业务验证，将电费风险分数从高到低进行排列，各地市局可以按照自己的服务资源，划分不同等级的客户风险度，高风险客户群主要集中在前5%，将前5%客户进一步细分，可以确定前1%的纯度非常高，因此建议分群方法为：前1%：高风险群，2~5%：次高风险群，后95%：低风险群。
按照上述实施例，便可很好地实现本发明。
Claims (4)
1.一种基于大数据的电网用户电费回收模型构建方法，其特征在于：包括以下步骤：
步骤一、导入建模样本数据；
步骤二、数据区分为训练、验证和测试集；
步骤三、统计各个变量的区分度和分段区间；
步骤四、运用回归算法建模；
步骤五、全体客户进行打分；
步骤六、分群标准与业务验证。
2.如权利要求1所述，在出账后到缴费期截止之间，对潜在电费回收风险高的客户进行温馨提示，并结合服务资源打电话进行通知和提醒，从而促进高风险客户按时缴费。
3.如权利要求1所述，通过步骤六的分群标准及业务验证后，电网企业通过努力营造良好外部氛围，使电费回收更加有效、可靠，只有这样才能使电网服务社会经济的同时又好又快的发展。
4.如权利要求1所述，通过对电费回收风险的分析和深入研究，找到有效解决问题的途径，制定切实可行的电费回收防范措施，是从根本上解决恶意拖欠电费的最好办法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610156009.0A CN105760937A (zh) | 2016-03-18 | 2016-03-18 | 一种基于大数据的电网用户电费回收模型构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610156009.0A CN105760937A (zh) | 2016-03-18 | 2016-03-18 | 一种基于大数据的电网用户电费回收模型构建方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105760937A true CN105760937A (zh) | 2016-07-13 |
Family
ID=56332179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610156009.0A Pending CN105760937A (zh) | 2016-03-18 | 2016-03-18 | 一种基于大数据的电网用户电费回收模型构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105760937A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106557956A (zh) * | 2016-11-29 | 2017-04-05 | 国网山东省电力公司电力科学研究院 | 一种关于配置客户缴费服务信息推送策略的方法 |
| CN106600455A (zh) * | 2016-11-25 | 2017-04-26 | 国网河南省电力公司电力科学研究院 | 一种基于逻辑回归的电费敏感度评估方法 |
| CN106776879A (zh) * | 2016-11-29 | 2017-05-31 | 国网山东省电力公司电力科学研究院 | 一种客户缴费服务信息推送方法 |
| CN109598446A (zh) * | 2018-12-09 | 2019-04-09 | 国网江苏省电力有限公司扬州供电分公司 | 一种基于机器学习算法的电费回收风险预警系统 |
| CN111126776A (zh) * | 2019-11-26 | 2020-05-08 | 国网浙江省电力有限公司 | 一种基于逻辑回归算法的电费风险防控模型构建方法 |
| CN116433403A (zh) * | 2023-06-14 | 2023-07-14 | 国网安徽省电力有限公司营销服务中心 | 一种基于账款跟踪的电企应收款项预警方法及系统 |
-
2016
- 2016-03-18 CN CN201610156009.0A patent/CN105760937A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106600455A (zh) * | 2016-11-25 | 2017-04-26 | 国网河南省电力公司电力科学研究院 | 一种基于逻辑回归的电费敏感度评估方法 |
| CN106557956A (zh) * | 2016-11-29 | 2017-04-05 | 国网山东省电力公司电力科学研究院 | 一种关于配置客户缴费服务信息推送策略的方法 |
| CN106776879A (zh) * | 2016-11-29 | 2017-05-31 | 国网山东省电力公司电力科学研究院 | 一种客户缴费服务信息推送方法 |
| CN109598446A (zh) * | 2018-12-09 | 2019-04-09 | 国网江苏省电力有限公司扬州供电分公司 | 一种基于机器学习算法的电费回收风险预警系统 |
| CN111126776A (zh) * | 2019-11-26 | 2020-05-08 | 国网浙江省电力有限公司 | 一种基于逻辑回归算法的电费风险防控模型构建方法 |
| CN116433403A (zh) * | 2023-06-14 | 2023-07-14 | 国网安徽省电力有限公司营销服务中心 | 一种基于账款跟踪的电企应收款项预警方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105760937A (zh) | 一种基于大数据的电网用户电费回收模型构建方法 | |
| CN106780140B (zh) | 基于大数据的电力信用评价方法 | |
| CN107180272B (zh) | 基于能耗控制的电动汽车停车场充电方法 | |
| US20140310138A1 (en) | Methods and systems for estimating recoverable utility revenue | |
| CN106780001A (zh) | 一种发票虚开企业监控识别方法及系统 | |
| CN106067137A (zh) | 一种基于智能电网监控系统的客户信用等级评价方法 | |
| Mai et al. | Implications of model structure and detail for utility planning. Scenario case studies using the resource planning model | |
| CN103745291B (zh) | 基于用电特性的多目标有序用电排序方法 | |
| CN104021456A (zh) | 用于集团企业资金数据全方位监控的方法及系统 | |
| CN109858749A (zh) | 一种基于客户征信的催费方法及系统 | |
| Mir-Artigues | The Spanish regulation of the photovoltaic demand-side generation | |
| CN105184645A (zh) | 实时小额信贷系统 | |
| CN103699957A (zh) | 用电控制系统及其控制方法 | |
| CN109932585B (zh) | 面向智能电网邻域网恶意用户定位的自适应二分查找算法 | |
| CN105976097A (zh) | 电费风险管控提示系统及方法 | |
| CN110647724B (zh) | 一种加清钞模型构建方法、模型构建设备及存储介质 | |
| CN116029763A (zh) | 一种城市供水客户用水资信等级及积分评价技术 | |
| Novoseltsev et al. | Cross-border cooperation of energy service companies as a factor enhancing energy and economic safety | |
| TW201616423A (zh) | 電費異常偵測系統及方法 | |
| Saini et al. | Determinant of Electricity Theft–A Case Study of Charkhi-Dadri | |
| CN106296384A (zh) | 一种临时接电费处理方法 | |
| Yan et al. | Evaluation and analysis of administrative monopoly in China's oil industry | |
| Brennan | An Expanded Distribution Utility Business Model: Win-Win or Win-Maybe? | |
| Mori | Green growth and low carbon development in East Asia: Achievements and challenges | |
| Shafi | BALANCE OF ELECTRICAL ENERGY IN ELECTRICAL NETWORKS AND COMMERCIAL LOSS ANALYSIS. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160713 |