CN107895245A - 一种基于用户画像的电费回收风险评估方法 - Google Patents

Abstract

本发明提供一种基于用户画像的电费回收风险评估方法，属于电力领域，解决目前方法的评估结果准确性较低的问题。包括：抽取用电信息采集系统、营销系统和气象系统中的原始数据，对原始数据进行融合和清洗后，对融合和清洗后的数据进行分类得到样本数据；对样本数据进行分析形成电力用户标签体系；从样本数据和电力用户标签体系中筛选或计算用于进行电费回收风险评估的数据，形成电费回收风险评估标签；根据电费回收风险评估标签对电力用户进行画像形成电力用户的电费回收风险画像；根据电费回收风险评估标签和电费回收风险画像训练C4.5决策树模型，得到用于进行电费回收风险评估的C4.5决策树模型，并使用C4.5决策树模型对电力用户进行电费回收风险评估。

Description

一种基于用户画像的电费回收风险评估方法

技术领域

本发明涉及电力营销技术领域，尤其涉及一种基于用户画像的电费回收风险评估方法。

背景技术

在电费回收风险评估中，电力用户尤其是大工业电力用户未按时缴费会给电力公司带来较大的经济损失，因此，对电力用户的用电行为进行分析以确定其是否为容易欠费的风险用户显得非常重要。通过对电力用户的电费回收风险进行评估，可以确定某个电力用户是否为可能会发生欠费行为的风险用户。

目前在对电力用户进行电费回收风险评估时，往往是使用电力用户的历史用电数据训练一定的分类模型，如随机树模型、支持向量机模型等，后续再通过这些分类模型来确定电力用户是否为风险用户，然而，只基于电力用户的历史用电数据进行训练得到的分类模型准确性不高，使得基于该分类模型的评估结果不够准确。另外，基于随机树模型、支持向量机模型进行评估的评估结果准确性比较低。

发明内容

本发明的目的是解决目前的电费回收风险评估方法的评估结果准确性比较低的技术问题，提供一种基于用户画像的电费回收风险评估方法。

为解决上述技术问题，本发明采用的技术方案是：

一种基于用户画像的电费回收风险评估方法，包括如下步骤：

步骤1，获取样本数据：抽取用电信息采集系统、营销系统和气象系统中的原始数据，通过数据清洗对原始数据进行融合和清洗后，按照业务属性对融合和清洗后的数据进行分类，得到样本数据，所述样本数据包括用户档案数据、电量负荷数据、气象信息数据、缴费欠费数据和违约违章数据；

步骤2，建立电力用户标签体系：对样本数据进行分析，形成电力用户标签体系，所述标签体系包括电费指标、电量指标、违约违章指标和负荷指标；

步骤3，形成电费回收风险评估画像：从样本数据和电力用户标签体系中筛选或计算用于进行电费回收风险评估的数据，形成电费回收风险评估标签，所述电费回收风险评估标签包括基本标签、安全标签、违约违章标签和合作标签；根据电费回收风险评估标签对电力用户进行画像，形成电力用户的电费回收风险画像，电费回收风险画像结果用于表征电力用户是否为发生欠费的电力用户；

步骤4，进行电费回收风险评估：根据电费回收风险评估标签和电费回收风险画像训练C4.5决策树模型，得到用于进行电费回收风险评估的C4.5决策树模型，并使用C4.5决策树模型对电力用户进行电费回收风险评估。

可选地，所述训练C4.5决策树模型包括如下步骤：

步骤41，选择电费回收风险画像中的70％-90％的电力用户作为训练集，将训练集中的每个电力用户对应的电费回收风险评估标签作为C4.5决策树模型的输入，将每个电力用户的电费回收风险画像结果作为C4.5决策树模型的输出，训练C4.5决策树模型的模型参数；

步骤42，将电费回收风险画像中的其余电力用户作为测试集，将测试集中的每个电力用户对应的电费回收风险评估标签作为C4.5决策树模型的输入，通过步骤41训练得到的C4.5决策树模型计算测试集中的每个电力用户是否为发生欠费的电力用户；

步骤43，根据测试集中的每个电力用户的电费回收风险画像结果和步骤42的输出结果确定步骤41训练得到的C4.5决策树模型的分类准确率、欠费用户覆盖率P和欠费用户命中率R是否分别达到设定值；如果分类准确率、欠费用户覆盖率P和欠费用户命中率R均达到对应的设定值，则流程结束；如果分类准确率、欠费用户覆盖率P和欠费用户命中率R的任一个未达到其对应的设定值，则从电费回收风险画像中重新选择一部分电力用户作为训练集，其余部分作为测试集并重复步骤41至步骤43，直至训练得到的C4.5决策树模型的分类准确率、欠费用户覆盖率P和欠费用户命中率R均达到设定值。

进一步地，所述欠费用户覆盖率P和欠费用户命中率R的计算公式如下：

P＝N_{cal_cor}/N_real (1)

R＝N_{cal_cor}/N_cal (2)

其中：N_real为测试集中实际发生欠费的电力用户的数量；N_cal为通过C4.5决策树模型计算得到的测试集中发生欠费的电力用户的数量；N_{cal_cor}为N_real与N_cal的交集，即计算得到发生欠费的电力用户中实际发生欠费的电力用户的数量。

本发明的有益效果是：

通过对用电信息采集系统、营销系统和气象系统中的原始数据进行数据清洗及分类后得到样本数据，以及基于样本数据训练用于进行电费回收风险评估的C4.5决策树模型，使得训练分类模型时数据资源比较丰富，进而使得通过训练好的C4.5决策树模型进行电费回收风险评估的准确性比较高。因此，与背景技术相比，本发明具有能够提高电费回收风险评估的准确性等优点。

具体实施方式

下面将结合实施例对本发明作进一步地详细描述。

本实施例中的一种基于用户画像的电费回收风险评估方法包括如下步骤1至步骤4：

步骤1，获取样本数据：抽取用电信息采集系统、营销系统和气象系统中的原始数据，通过数据清洗对原始数据进行融合和清洗后，按照业务属性对融合和清洗后的数据进行分类，得到样本数据，所述样本数据包括用户档案数据、电量负荷数据、气象信息数据、缴费欠费数据和违约违章数据。

步骤2，建立电力用户标签体系：对样本数据进行分析，形成电力用户标签体系，所述标签体系包括电费指标、电量指标、违约违章指标和负荷指标。

步骤3，形成电费回收风险评估画像：从样本数据和电力用户标签体系中筛选或计算用于进行电费回收风险评估的数据，形成电费回收风险评估标签，所述电费回收风险评估标签包括基本标签、安全标签、违约违章标签和合作标签；根据电费回收风险评估标签对电力用户进行画像，形成电力用户的电费回收风险画像，电费回收风险画像结果用于表征电力用户是否为发生欠费的电力用户。

步骤4，进行电费回收风险评估：根据电费回收风险评估标签和电费回收风险画像训练C4.5决策树模型，得到用于进行电费回收风险评估的C4.5决策树模型，并使用C4.5决策树模型对电力用户进行电费回收风险评估。

可选地，所述步骤4中的训练C4.5决策树模型包括如下步骤41至步骤43：

步骤41，选择电费回收风险画像中的70％-90％的电力用户作为训练集，将训练集中的每个电力用户对应的电费回收风险评估标签作为C4.5决策树模型的输入，将每个电力用户的电费回收风险画像结果作为C4.5决策树模型的输出，训练C4.5决策树模型的模型参数。优选地，电费回收风险画像中作为训练集的电力用户的数量占电费回收风险画像中总电力用户数量的80％。

步骤42，将电费回收风险画像中的其余电力用户作为测试集，将测试集中的每个电力用户对应的电费回收风险评估标签作为C4.5决策树模型的输入，通过步骤41训练得到的C4.5决策树模型计算测试集中的每个电力用户是否为发生欠费的电力用户。

步骤43，根据测试集中的每个电力用户的电费回收风险画像结果和步骤42的输出结果确定步骤41训练得到的C4.5决策树模型的分类准确率、欠费用户覆盖率P和欠费用户命中率R是否分别达到设定值；如果分类准确率、欠费用户覆盖率P和欠费用户命中率R均达到对应的设定值，则流程结束；如果分类准确率、欠费用户覆盖率P和欠费用户命中率R的任一个未达到其对应的设定值，则从电费回收风险画像中重新选择其中的70％-90％的电力用户作为训练集，其余电力用户作为测试集并重复步骤41至步骤43，直至训练得到的C4.5决策树模型的分类准确率、欠费用户覆盖率P和欠费用户命中率R均达到设定值。

其中，所述欠费用户覆盖率P和欠费用户命中率R的计算公式如下：

P＝N_{cal_cor}/N_real (1)

R＝N_{cal_cor}/N_cal (2)

公式(1)和公式(2)中：N_real为测试集中实际发生欠费的电力用户的数量；N_cal为通过C4.5决策树模型计算得到的测试集中发生欠费的电力用户的数量；N_{cal_cor}为N_real与N_cal的交集，即计算得到发生欠费的电力用户中实际发生欠费的电力用户的数量。

步骤1中，用电信息采集系统中的原始数据包括用户电量、负荷等数据，营销系统中的原始数据包括用户档案数据、缴费欠费数据等，气象系统中的原始数据包括地区气象信息数据等。营销系统、用电信息采集系统中的原始数据通过数据文件或数据接口的形式进行抽取，气象系统中的原始数据通过网络爬虫的方式进行抽取。在通过数据清洗对原始数据进行清洗时，需要首先辨识原始数据中存在的缺失、错误和不同步的脏数据，然后采用数据替代、数据平滑、数据拟合、数据同步等方法实现脏数据的清洗。

使用替代法清洗脏数据的方式举例如下：例如，负荷数据缺点时，可以用当日前一点或后一点数据替代，也可以用相似日(工作日选取上一周工作日，周末选取上一周周末)同一时刻负荷数据替代；电量数据缺点时，可以用前一日数据替代，或者上周相似日电量数据替代。使用平滑法清洗脏数据的方式举例如下：：例如，负荷数据缺点或异常时，可以基于当日负荷曲线，采用数据平滑算法(如五点平滑、七点平滑等)实现负荷曲线的补全和修正；电量数据缺点时，可以基于当月电量曲线，采用数据平滑算法实现电量数据补全。使用拟合法清洗脏数据的方式举例如下：例如，负荷数据(多个时刻)、电量数据(多天)异常时，可以采用线性回归、多项式拟合等数学算法来进行数据的多点拟合补全。

步骤2的目的是建立包含电力用户的用电行为、电费回收风险、违约用电风险等多个业务场景的综合标签库。通过步骤2建立的电力用户标签体系中，电费指标包括电费体量、缴费渠道偏好、缴费时间偏好、平均电费缴纳率、欠费金额和欠费次数；电量指标包括电量走势、峰谷偏好、阶梯属性、季节影响、温度影响和节假日影响；违约违章指标包括窃电次数、窃电金额、功率因数、超容情况、电气事故次数和设备损坏程度；负荷指标包括合同容量、峰谷比、分时特性、波动特性、温度影响和节假日影响。其中，步骤2各指标中各项目的计算方法如表一所示。

表一

步骤3中的基本标签包括用电增长率、合同容量、平均月电量和业扩报装；安全标签包括安全事故次数、事故严重程度和设施破坏程度；违约违章标签包括违章用电次数、通知整改次数、窃电次数、窃电度数、累计欠费次数、累计欠费金额、累计欠费天数和年电费缴纳率；合作标签包括投诉建议次数和保修符实性；步骤3中各标签中的各项目的计算方法如表二所示。

表二

步骤3在根据电费回收风险评估标签对电力用户进行画像，形成的某一电力用户的电费回收风险画像的结果可以表征该电力用户是否为发生欠费的电力用户。

上述步骤1至步骤3为对电力用户的用电相关数据的分析和汇总，以为下述步骤4作准备。由于C4.5决策树算法具有分类速度快、精度高、生成模式简单等优势，非常适合于大数据挖掘场景，因此本发明采用C4.5决策树模型进行电力用户的电费回收风险评估。下面通过一个具体实施例详细说明本发明的步骤4。

例如，选取某地区200个电力用户的原始数据为数据集，以160个电力用户为训练集，剩下的40个电力用户为测试集；40个电力用户中，实际有8个电力用户为发生欠费的电力用户(按时缴费的电力用户的分类标志为1，发生欠费的电力用户的分类标志为0)。在训练用于进行电费回收风险评估的C4.5决策树模型时，首先将160个电力用户对应的电费回收风险评估标签作为C4.5决策树模型的输入，将160个电力用户的电费回收风险画像作为C4.5决策树模型的输出，训练C4.5决策树模型的模型参数。然后，将40个电力用户对应的电费回收风险评估标签作为训练得到的C4.5决策树模型的输入，通过训练得到的C4.5决策树模型计算测试集中的每个电力用户是否为发生欠费的电力用户，输出结果为0或者1。接下来，需要确定训练得到的C4.5的决策树模型是否可以用于进行电费回收风险评估。由于电费回收风险评估中，电力用户尤其是大工业电力用户未按时缴费会给电力公司带来较大的经济损失，因此对发生欠费用户的分类准确性显得更加重要。在这样的前提下，分类结果不能仅仅以分类准确率为判定算法优劣的依据，所以本发明步骤4中除包括分类准确率外，还引入欠费用户覆盖率和欠费用户命中率指标用于验证训练好的C4.5决策树的可用性和有效性。

欠费用户覆盖率P用于表征欠费用户是否全部识别，其数值越高，代表识别出的欠费用户越多，也越能降低电力企业的电费回收风险；欠费用户命中率R用于表征通过训练好的C4.5决策树模型计算出的欠费用户是否全部为真实的欠费用户，其数值越高，电力企业越能精确开展用电稽查，打击欠费用户，而其数值越低，电力企业的稽查准确性也越低。

通过上述计算，如果分类准确率、欠费用户覆盖率和欠费用户命中率均达到对应的设定值，则流程结束；如果分类准确率、欠费用户覆盖率和欠费用户命中率的任一个未达到其对应的设定值，则从电费回收风险画像中重新选择160个电力用户作为训练集，其余40个电力用户作为测试集并重新训练C4.5决策树模型，直至训练得到的C4.5决策树模型通过测试集中的数据测试后，其分类准确率、欠费用户覆盖率和欠费用户命中率均达到对应的设定值时，将此时得到的C4.5决策树模型作为后续进行电费回收风险评估的模型。

为验证本发明训练得到的C4.5决策树模型在进行电费回收风险评估时的有效性，从分类准确率、欠费用户覆盖率和欠费用户命中率三个角度将其与基于其它分类算法的电费回收风险评估的方式进行了比较，比较结果如表三所示。

表三

由表三可得：(1)在分类准确率方面，C4.5决策树模型在六种算法中最高，与贝叶斯算法相同；(2)在欠费用户覆盖率方面，C4.5决策树模型命中了8个欠费电力用户中的4个，在所有算法中覆盖率最高。(3)在欠费用户命中率方面，C4.5决策树模型也最高。可见，与BP神经网络、随机树、支持向量机、逻辑回归等算法相比，本发明采用的C4.5决策树模型的分类准确率更高。另外，通过上述分类结果表明，本发明设计的电力用户标签体系和电费回收风险评估场景能够准确、真实地反映电费回收风险的实际情况，可以有效地实现电力用户电费回收风险的评估。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (3)

1.一种基于用户画像的电费回收风险评估方法，其特征在于，包括如下步骤：

步骤1，获取样本数据：抽取用电信息采集系统、营销系统和气象系统中的原始数据，通过数据清洗对原始数据进行融合和清洗后，按照业务属性对融合和清洗后的数据进行分类，得到样本数据，所述样本数据包括用户档案数据、电量负荷数据、气象信息数据、缴费欠费数据和违约违章数据；

步骤2，建立电力用户标签体系：对样本数据进行分析，形成电力用户标签体系，所述标签体系包括电费指标、电量指标、违约违章指标和负荷指标；

步骤3，形成电费回收风险评估画像：从样本数据和电力用户标签体系中筛选或计算用于进行电费回收风险评估的数据，形成电费回收风险评估标签，所述电费回收风险评估标签包括基本标签、安全标签、违约违章标签和合作标签；根据电费回收风险评估标签对电力用户进行画像，形成电力用户的电费回收风险画像，电费回收风险画像结果用于表征电力用户是否为发生欠费的电力用户；

步骤4，进行电费回收风险评估：根据电费回收风险评估标签和电费回收风险画像训练C4.5决策树模型，得到用于进行电费回收风险评估的C4.5决策树模型，并使用C4.5决策树模型对电力用户进行电费回收风险评估。

2.根据权利要求1所述的电费回收风险评估方法，其特征在于，所述训练C4.5决策树模型包括如下步骤：

步骤41，选择电费回收风险画像中的70％-90％的电力用户作为训练集，将训练集中的每个电力用户对应的电费回收风险评估标签作为C4.5决策树模型的输入，将每个电力用户的电费回收风险画像结果作为C4.5决策树模型的输出，训练C4.5决策树模型的模型参数；

步骤42，将电费回收风险画像中的其余电力用户作为测试集，将测试集中的每个电力用户对应的电费回收风险评估标签作为C4.5决策树模型的输入，通过步骤41训练得到的C4.5决策树模型计算测试集中的每个电力用户是否为发生欠费的电力用户；

步骤43，根据测试集中的每个电力用户的电费回收风险画像结果和步骤42的输出结果确定步骤41训练得到的C4.5决策树模型的分类准确率、欠费用户覆盖率P和欠费用户命中率R是否分别达到设定值；如果分类准确率、欠费用户覆盖率P和欠费用户命中率R均达到对应的设定值，则流程结束；如果分类准确率、欠费用户覆盖率P和欠费用户命中率R的任一个未达到其对应的设定值，则从电费回收风险画像中重新选择其中的70％-90％的电力用户作为训练集，其余部分作为测试集并重复步骤41至步骤43，直至训练得到的C4.5决策树模型的分类准确率、欠费用户覆盖率P和欠费用户命中率R均达到设定值。

3.根据权利要求2所述的电费回收风险评估方法，其特征在于，所述欠费用户覆盖率P和欠费用户命中率R的计算公式如下：

P＝N_{cal_cor}/N_real (1)

R＝N_{cal_cor}/N_cal (2)

其中：N_real为测试集中实际发生欠费的电力用户的数量；N_cal为通过C4.5决策树模型计算得到的测试集中发生欠费的电力用户的数量；N_{cal_cor}为N_real与N_cal的交集，即计算得到发生欠费的电力用户中实际发生欠费的电力用户的数量。