CN109325799A - 基于云模型的电力客户资源价值评价方法 - Google Patents
基于云模型的电力客户资源价值评价方法 Download PDFInfo
- Publication number
- CN109325799A CN109325799A CN201810970103.9A CN201810970103A CN109325799A CN 109325799 A CN109325799 A CN 109325799A CN 201810970103 A CN201810970103 A CN 201810970103A CN 109325799 A CN109325799 A CN 109325799A
- Authority
- CN
- China
- Prior art keywords
- index
- value
- level index
- level
- customer
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000011156 evaluation Methods 0.000 claims abstract description 65
- 230000005611 electricity Effects 0.000 claims abstract description 37
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000010606 normalization Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000004134 energy conservation Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000007667 floating Methods 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 2
- 239000004744 fabric Substances 0.000 claims 1
- 238000012552 review Methods 0.000 claims 1
- 230000004069 differentiation Effects 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000007637 random forest analysis Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009897 systematic effect Effects 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于云模型的电力客户资源价值评价方法，首先，建立电力客户价值评价指标体系，包括一级指标、与一级指标相对应的二级指标以及与二级指标相对应的三级指标；之后，对电力客户价值评价指标体系中的指标进行归一化处理，以统一各项指标的计量单位；之后，利用模糊层次分析法分别计算一级指标、二级指标和三级指标的权重；之后，利用熵值法计算三级指标的权重，并利用综合赋权法计算三级指标的综合权重；最后采用基于云模型评价法对客户进行综合评价。本发明既从企业角度评价客户价值，又从客户角度分析客户满意度，更具体的反映客户的特征，为售电公司差异化经营提供较为全面的信息，能更好地为售电公司差异化服务提供决策支持。
Description
技术领域
本发明涉及电力客户资源价值评价方法技术领域，尤其是涉及一种基于云模型的电力客户资源价值评价方法。
背景技术
传统的电力客户资源价值评价方法的主要思路为：首先，建立电力客户价值评价的指标体系；其次，对各个指标赋权重；最后，对客户价值分类。关于电力客户价值评价的指标体系，国际上有一些零散的研究，理论上并未明确给出完整的指标体系，也缺乏讨论确定客户价值评价指标体系的方法。现有分析获取的电力客户的数据限于客户的一些基础信息，并且并非所有的客户联络记录都被完整记录，因此所产生的分析结果并不精确，其所能反应的问题也十分有限。现有的对电力客户的评价主要是基于售电量、售电收入、欠费记录等的直观的数据，无法根据一定的筛选标准确定目标客户群，评价指标不系统科学。分析方法比较简单，缺少对客户的深度分析，难以挖掘大客户的价值，为客户提供差异化、个性化服务。
新一轮电力体制改革后，售电市场放开，电力市场无论是售电侧还是用户侧均呈现多元化的格局。客户所需求的服务不仅仅局限于以往的差异化小的供电服务，不同客户对电网企业的服务需求也不一样。在新的售电市场格局下，电力客户的价值随着售电市场不断成熟而逐渐变化，电网企业需要构建新型的评价指标体系、采用适合的评价方法，站在“客户”角度对电力客户价值进行评估已经成为了新的发展的趋势，传统的客户资源价值评估方法已经不适用。
申请公布号为CN107481038A的发明专利申请公开了一种电力客户价值评价方法，将电力客户价值评价指标体系中的原始数据标准化处理后设为矩阵X∈Rn×d，计算出矩阵B的特征值和特征向量，得出最大特征值对应的特征向量V，令C＝X·V，则C∈Rn×1，对1维列向量C进行聚类，再对应到原始数据，得出原始数据的聚类结果，原始数据对象Xi被划分到第j类中，当且仅当向量C的第i行被划分到第j类，从而实现对客户的分类，该方法计算指标的权重，提出一种改进的PCA聚类算法对电力客户价值进行分类，为供电企业制定差异化服务策略提供辅助支撑。然而，该发明申请适用于传统电市场下对电力客户价值进行评价，不适用于新电改下的客户价值评价。
申请公布号为CN107451718A的发明专利申请公开了一种基于随机森林分析法的电力大客户价值评价方法，包括，从电力营销系统中选取影响大客户价值评价的评价指标；根据价值维度对选取的评价指标进行分类；对评价指标进行清洗；从电力营销系统中抽取若干大客户价值评价样本，部分作为训练样本，剩余部分作为测试样本；以清洗后的评价指标作为特征，根据训练样本训练随机森林模型；将测试样本输入随机森林模型，当输出值的准确率大于阈值A时，该随机森林模型即为最终的大客户价值评价模型；利用大客户价值评价模型评价电力大客户价值。该发明基于公认的评价结果作为样本，运用随机森林分析法进行自主学习，构建和训练大客户价值评价模型，最后用大客户价值评价模型评价电力大客户价值。然而，该发明申请适用于传统电市场下对电力客户价值进行评价，不适用于新电改下的客户价值评价。
发明内容
有鉴于此，本发明的目的是针对现有技术的不足，提供一种基于云模型的电力客户资源价值评价方法，不仅融合了新电改后电力客户的新兴价值，而且采用模糊层次分析法和与熵权法主客观结合的指标权重设计方式，评价方法采用云模型评价法对客户价值进行综合评价，这样既从企业角度评价客户价值，又从客户角度分析客户满意度，更具体的反映客户的特征，为售电公司差异化经营提供较为全面的信息，能更好地为售电公司差异化服务提供决策支持。
为达到上述目的，本发明采用以下技术方案：
基于云模型的电力客户资源价值评价方法，包括如下步骤：
步骤S1：建立电力客户价值评价指标体系，电力客户价值评价指标体系包括一级指标、与一级指标相对应的二级指标以及与二级指标相对应的三级指标；
步骤S2、对电力客户价值评价指标体系中的指标进行归一化处理，以统一各项指标的计量单位；
步骤S3、利用模糊层次分析法分别计算一级指标、二级指标和三级指标的权重；
步骤S4、利用熵值法计算三级指标的权重，并利用综合赋权法计算三级指标的综合权重；
步骤S5、采用基于云模型评价法对客户进行综合评价。
进一步地，在所述步骤S1中，所述一级指标包括传统价值和新兴价值；
所述传统价值相对应的二级指标包括客户利润、客户成本、客户信用、客户能力、客户管理和客户忠诚；
所述新兴价值相对应的二级指标包括需求侧响应、综合能源服务和社会节能环保。
进一步地，所述客户利润相对应的三级指标包括年售电量和年均售电电价；
客户成本相对应的三级指标包括电压等级、用电负荷率和管理成本；
所述客户信用相对应的三级指标包括违约用电次数、年合同偏差电量和合同履约率；
所述客户能力相对应的三级指标包括资产负债率、销售利润率、流动资产周转率和总资产增长率；
所述客户管理相对应的三级指标包括设备可靠性和用电安全水平；
所述客户忠诚相对应的三级指标包括客户满意度和用电转换服务商频率；
所述需求侧响应相对应的三级指标包括可中断负荷容量、储能装置容量、充电桩数量和峰时用电率；
所述综合能源服务相对应的三级指标包括电务工程委托情况、节能解决方案需求、分布式电能委托运维意愿和购用电咨询意愿；
所述社会节能环保相对应的三级指标包括功率因素和节能设备比率。
进一步地，在所述步骤S2中，对电力客户价值评价指标体系中的指标进行归一化处理的方法如下：
a.对于效益型指标计算公式如下：
其中，χ`ij为第j项指标下第i个客户归一化之后的指标，χij为第j项指标下第i个客户归一化之前的指标；
b.对于成本型指标计算公式如下：
其中，χ`ij为第j项指标下第i个客户归一化之后的指标，χij为第j项指标下第i个客户归一化之前的指标。
进一步地，在所述步骤S3中，利用模糊层次分析法计算指标的权重的方法如下：
步骤S3-1、建立模糊一致性判断矩阵R，U是指标元素Ai的集合，U＝{A1,A2,…,An}，i＝1～n，n为指标元素总数，模糊关系矩阵如下：
其中，rij表示指标元素Ai相对于Aj的重要程度，若rij>0.5，则指标Ai比Aj重要；若rij<0.5，则指标Aj比Ai重要；若在确定某指标比另一个指标重要的隶属度过程中具有一致性，则当rij>0.5时，rik>rjk此时rij＝rik-rjk+0.5；
步骤S3-2、计算指标的权重wi，计算公式如下：
其中，wi为利用模糊层次分析法得到的第i个指标的权重，n为指标的总数量，rjk代表指标元素Aj相对于指标元素Ak的重要程度。
进一步地，在所述步骤S4中，利用熵值法计算三级指标的权重的方法如下：
步骤S4-1、计算第j项三级指标下第i个客户占该指标的比重，计算公式如下：
其中pij为第j项三级指标下第i个客户占该指标的比重，x`ij为归一化之后的指标，n为客户总数量，m为三级指标总数；
步骤S4-2、计算第j项三级指标的熵值，计算公式如下：
其中，ej为第j项三级指标的熵值，pij为第j项三级指标下第i个客户占该指标的比重，k＝1/ln(n)>0ej≥0；
步骤S4-3、计算第j项三级指标的信息熵冗余度，计算公式如下：
dj＝1-ej (7)
其中，dj为第j项三级指标的信息熵冗余度，ej为第j项三级指标的熵值，其中0≤dj≤1；
步骤S4-4、计算各项三级指标的权重wj，计算公式如下：
其中，dj为第j项三级指标的信息熵冗余度，m为同一二级指标下的三级指标的总数量，wj为利用熵值法得到的第j项三级指标的权重；
步骤S4-5、利用综合赋权法计算三级指标的综合权重的公式如下：
wt＝piqi/∑piqi
其中，wt为最后得到的综合权重，qi为利用所述步骤S3中的模糊层次分析法计算得出的权重，pi为利用所述步骤S4中的熵值法计算得到的权重。
进一步地，在所述步骤S5中，基于云模型评价法对客户进行综合评价的方法如下：
步骤S5-1、选取指标体系中的定性指标，采用多位专家给出定性指标情况的自然语言描述，每一种语言描述对应着一个云模型C(Exi，Eni，Hei)，最后结合n位专家的评语得到定性指标的云评语C(Ex，En，He)，其中，i表示第i位专家，i取值为1至n，Exi、Eni和Hei分别表示第i位专家进行评价的云评语中的期望值、熵值和超熵值，Ex、En和He分别表示结合n位专家的评语得到定性指标的云评语中的期望值、熵值和超熵值；
步骤S5-2、结合浮动云模型的概念，对n位专家的云评语进行整合，通过赋予各个专家评价值的权重，对其云评语进行集结，得到的云模型如下：
其中，i表示第i位专家，i取值为1至n，ui表示第i位专家的评价权重，ui的取值由决策者根据具体情况自行设定，且Exi、Eni和Hei分别表示第i位专家进行评价的云评语中的期望值、熵值和超熵值，Ex、En和He分别表示结合n位专家的评语得到定性指标的云评语中的期望值、熵值和超熵值；
步骤S5-3、设计定量指标评价等级的云模型。根据需求将电力客户价值资源分为若干个等级{V1,V2,V3,…,Vn}，根据等级数目确定各个等级的边界[Xmin,Xmax]。利用云模型计算公式(12)，(13)，(14)分别计算出对应等级{V1,V2,V3,…,Vn}的云模型C(Ex，En，He)，得到客户资源价值评语集云模型和隶属度云模型，
Ex＝(Xmin+Xmax)/2 (12)
He＝0.005 (14)
其中，Xmin，Xmax分别表示客户价值资源各等级划分的左界值和右界值；
步骤S5-4、再根据逆向云发生器实现定量值定性的转换，在采集到的三级指标及其对应数值数据的基础上，对等级界限云模型进行定性概念的转换；
步骤S5-5、根据处理完成的三级指标的数据计算三级指标的期望Ex：
其中，xi为第i位专家对各三级指标数据值在定性云评语中的评价值；
步骤S5-6、根据处理完成的三级指标的数据计算三级指标的熵En：
其中，xi为第i位专家对各三级指标数据值在定性云评语中的评价值；
步骤S5-7、根据处理完成的三级指标的数据计算三级指标的超熵He：
其中，xi为第i位专家对各三级指标数据值在定性云评语中的评价值。
进一步地，在所述步骤S5中，基于云模型评价法对客户进行综合评价的方法还包括步骤S5-8：
步骤S5-8、将各三级指标所属级别与对应的综合权重进行乘积后求和得到客户评级分值，并以客户评级分值小数点后一位数值为判断依据进行四舍五入运算得到客户最终评级。
本发明的有益效果是：
本发明针对在新的售电市场格局下，电力客户的价值随着售电市场不断成熟而逐渐变化，电网企业需要构建新型的评价指标体系、采用适合的评价方法，站在“客户”角度对电力客户价值进行评估已经成为了新的发展的趋势，传统的客户资源价值评估方法已经不适用的问题，提供一种基于云模型的电力客户资源价值评价方法，首先，建立电力客户价值评价指标体系，电力客户价值评价指标体系包括一级指标、与一级指标相对应的二级指标以及与二级指标相对应的三级指标；之后，对电力客户价值评价指标体系中的指标进行归一化处理，以统一各项指标的计量单位；之后，利用模糊层次分析法分别计算一级指标、二级指标和三级指标的权重；之后，利用熵值法计算三级指标的权重，并利用综合赋权法计算三级指标的综合权重；最后采用基于云模型评价法对客户进行综合评价。
建立电力客户价值评价指标体系，分析评价客户的增值价值，包括客户的需求侧响应价值、综合能源服务价值，及社会节能环保价值。主要分析评价大用户和工业用户的客户价值。
对客户价值指标权重的设计采用的是模糊层次分析法和熵权法结合的方式，从主客观两个方面设计指标权重，并运用组合赋权法确定最终的权重。
利用云模型对电力客户资源价值进行综合评价，既可以考虑其评价系统中的模糊性，同时，也较好地处理系统中的随机性和离散性，从而在不确定性条件下，对电力客户价值资源进行综合评价。
本发明主要构建了适应当下售电市场放开环境的电力客户价值评价方法，既从企业角度评价客户价值，又从客户角度分析客户满意度，更具体的反映客户的特征，为售电公司差异化经营提供较为全面的信息。在市场更进一步成熟后，售电公司为实现客户的精准定位与营销，可从客户价值评价、客户需求识别、客户粘性鉴定、客户异动监控等更多维全方位观察客户，实现以客户为中心，最终达到售电公司与客户双赢的目的。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本发明的流程图；
图2为本发明中电力客户价值评价指标体系的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图1和2，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
参阅附图1和2，基于云模型的电力客户资源价值评价方法，包括如下步骤：
步骤S1：建立电力客户价值评价指标体系，电力客户价值评价指标体系包括一级指标、与一级指标相对应的二级指标以及与二级指标相对应的三级指标；
步骤S2、对电力客户价值评价指标体系中的指标进行归一化处理，以统一各项指标的计量单位；
步骤S3、利用模糊层次分析法分别计算一级指标、二级指标和三级指标的权重；
步骤S4、利用熵值法计算三级指标的权重，并利用综合赋权法计算三级指标的综合权重；
步骤S5、采用基于云模型评价法对客户进行综合评价。
在所述步骤S1中，所述一级指标包括传统价值和新兴价值；
所述传统价值相对应的二级指标包括客户利润、客户成本、客户信用、客户能力、客户管理和客户忠诚；
所述新兴价值相对应的二级指标包括需求侧响应、综合能源服务和社会节能环保。
所述客户利润相对应的三级指标包括年售电量和年均售电电价；
客户成本相对应的三级指标包括电压等级、用电负荷率和管理成本；
所述客户信用相对应的三级指标包括违约用电次数、年合同偏差电量和合同履约率；
所述客户能力相对应的三级指标包括资产负债率、销售利润率、流动资产周转率和总资产增长率；
所述客户管理相对应的三级指标包括设备可靠性和用电安全水平；
所述客户忠诚相对应的三级指标包括客户满意度和用电转换服务商频率；
所述需求侧响应相对应的三级指标包括可中断负荷容量、储能装置容量、充电桩数量和峰时用电率；
所述综合能源服务相对应的三级指标包括电务工程委托情况、节能解决方案需求、分布式电能委托运维意愿和购用电咨询意愿；
所述社会节能环保相对应的三级指标包括功率因素和节能设备比率。
在所述步骤S2中，对电力客户价值评价指标体系中的指标进行归一化处理的方法如下：
a.对于效益型指标计算公式如下：
其中，χ`ij为第j项指标下第i个客户归一化之后的指标，χij为第j项指标下第i个客户归一化之前的指标；
b.对于成本型指标计算公式如下：
其中，χ`ij为第j项指标下第i个客户归一化之后的指标，χij为第j项指标下第i个客户归一化之前的指标。
在所述步骤S3中，利用模糊层次分析法计算指标的权重的方法如下：
步骤S3-1、建立模糊一致性判断矩阵R，U是指标元素Ai的集合，U＝{A1,A2,…,An}，i＝1～n，n为指标元素总数，模糊关系矩阵如下：
其中，rij表示指标元素Ai相对于Aj的重要程度，若rij>0.5，则指标Ai比Aj重要；若rij<0.5，则指标Aj比Ai重要；若在确定某指标比另一个指标重要的隶属度过程中具有一致性，则当rij>0.5时，rik>rjk此时rij＝rik-rjk+0.5；
步骤S3-2、计算指标的权重wi，计算公式如下：
其中，wi为利用模糊层次分析法得到的第i个指标的权重，n为指标的总数量，rjk代表指标元素Aj相对于指标元素Ak的重要程度。
在所述步骤S4中，利用熵值法计算三级指标的权重的方法如下：
步骤S4-1、计算第j项三级指标下第i个客户占该指标的比重，计算公式如下：
其中pij为第j项三级指标下第i个客户占该指标的比重，x`ij为归一化之后的指标，n为客户总数量，m为三级指标总数；
步骤S4-2、计算第j项三级指标的熵值，计算公式如下：
其中，ej为第j项三级指标的熵值，pij为第j项三级指标下第i个客户占该指标的比重，k＝1/ln(n)>0ej≥0；
步骤S4-3、计算第j项三级指标的信息熵冗余度，计算公式如下：
dj＝1-ej (7)
其中，dj为第j项三级指标的信息熵冗余度，ej为第j项三级指标的熵值，其中0≤dj≤1；
步骤S4-4、计算各项三级指标的权重wj，计算公式如下：
其中，dj为第j项三级指标的信息熵冗余度，m为同一二级指标下的三级指标的总数量，wj为利用熵值法得到的第j项三级指标的权重；
步骤S4-5、利用综合赋权法计算三级指标的综合权重的公式如下：
wt＝piqi/∑piqi
其中，wt为最后得到的综合权重，qi为利用所述步骤S3中的模糊层次分析法计算得出的权重，pi为利用所述步骤S4中的熵值法计算得到的权重。
在所述步骤S5中，基于云模型评价法对客户进行综合评价的方法如下：
步骤S5-1、选取指标体系中的定性指标，采用多位专家给出定性指标情况的自然语言描述，每一种语言描述对应着一个云模型C(Exi，Eni，Hei)，最后结合n位专家的评语得到定性指标的云评语C(Ex，En，He)，其中，i表示第i位专家，i取值为1至n，Exi、Eni和Hei分别表示第i位专家进行评价的云评语中的期望值、熵值和超熵值，Ex、En和He分别表示结合n位专家的评语得到定性指标的云评语中的期望值、熵值和超熵值；
步骤S5-2、结合浮动云模型的概念，对n位专家的云评语进行整合，通过赋予各个专家评价值的权重，对其云评语进行集结，得到的云模型如下：
其中，i表示第i位专家，i取值为1至n，ui表示第i位专家的评价权重，ui的取值由决策者根据具体情况自行设定，且Exi、Eni和Hei分别表示第i位专家进行评价的云评语中的期望值、熵值和超熵值，Ex、En和He分别表示结合n位专家的评语得到定性指标的云评语中的期望值、熵值和超熵值；
步骤S5-3、设计定量指标评价等级的云模型。根据需求将电力客户价值资源分为若干个等级{V1,V2,V3,…,Vn}，根据等级数目确定各个等级的边界[Xmin,Xmax]。利用云模型计算公式(12)，(13)，(14)分别计算出对应等级{V1,V2,V3,…,Vn}的云模型C(Ex，En，He)，得到客户资源价值评语集云模型和隶属度云模型，
Ex＝(Xmin+Xmax)/2 (12)
He＝0.005 (14)
其中，Xmin，Xmax分别表示客户价值资源各等级划分的左界值和右界值；
如下表1所示，为各个指标等级判定的云模型界限值：
步骤S5-4、再根据逆向云发生器实现定量值定性的转换，在采集到的三级指标及其对应数值数据的基础上，对等级界限云模型进行定性概念的转换；
步骤S5-5、根据处理完成的三级指标的数据计算三级指标的期望Ex：
其中，xi为第i位专家对各三级指标数据值在定性云评语中的评价值；
步骤S5-6、根据处理完成的三级指标的数据计算三级指标的熵En：
其中，xi为第i位专家对各三级指标数据值在定性云评语中的评价值；
步骤S5-7、根据处理完成的三级指标的数据计算三级指标的超熵He：
其中，xi为第i位专家对各三级指标数据值在定性云评语中的评价值。
在所述步骤S5中，基于云模型评价法对客户进行综合评价的方法还包括步骤S5-8：
步骤S5-8、将各三级指标所属级别与对应的综合权重进行乘积后求和得到客户评级分值，并以客户评级分值小数点后一位数值为判断依据进行四舍五入运算得到客户最终评级。
下面结合具体实施例，进一步说明本发明：
1)对于定性指标，选取5位专家对电力客户资源综合评价指标体系中定性指标根据专家客观合理的赋值打分。
2)对于定量指标，根据资料收集到的数据信息，利用熵值法和模糊层次分析法计算其指标权重，基于模糊层次分析法得到计算权重qi，基于熵值法得到权重pi，最后利用公式wi＝piqi/∑piqi计算出综合权重wi，最后指标权重如表2所示：
3)选取电力企业有权威性的5位专家对评价指标中的定性指标进行自然语言描述，以0-100分划分5个打分区间等级，归为5类评语{差，较差，一般，较好，好}，分别为(0-20)、(20-40)、(40-60)、(60-80)和(80-100)，然后由各位专家利用自然语言对8个定性指标进行评价，为计算方便，专家权重相同，即w1＝w2＝w3＝w4＝w5＝1/5，然后再计算定性指标的期望、熵和超熵，每位得到各定性评价指标的综合量化数值及其对应的云模型，如表3所示：
4)根据2015-2017年的各省市披露的电力企业运营情况的数据，计算其定量评价指标，利用逆向云生成器，实际采取定量指标数据，结合其逆向云发生器的计算步骤，经过计算得到各个定量评价指标相应的云模型。
然后结合上述得到的权重、定性指标的云模型等数据结果，与定量指标云模型汇合，得到如表4所示的结果，其中层次分析法主要依靠专家多年的经验和实践知识，主观性偏重，而熵赋权法主要是由客观数据计算权重，故结合此两种方法在此计算出相对客观科学的指标综合权重。
5)根据表1等级界限云模型的判断标准，得出各个指标等级判定如下表5所示，表4计算的综合权重也列于表5中，进行最后客户评定级别的计算。
将表5中各三级指标所属级别与对应的综合权重进行成绩求和，即客户评级分值＝1*0.082+2*0.039+……+3*0.055＝2.341≈2，客户评级分值小数点后第一位的数值为3，应舍去，该客户的最终评级为2级。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.基于云模型的电力客户资源价值评价方法，其特征在于，包括如下步骤：
步骤S1：建立电力客户价值评价指标体系，电力客户价值评价指标体系包括一级指标、与一级指标相对应的二级指标以及与二级指标相对应的三级指标；
步骤S2、对电力客户价值评价指标体系中的指标进行归一化处理，以统一各项指标的计量单位；
步骤S3、利用模糊层次分析法分别计算一级指标、二级指标和三级指标的权重；
步骤S4、利用熵值法计算三级指标的权重，并利用综合赋权法计算三级指标的综合权重；
步骤S5、采用基于云模型评价法对客户进行综合评价。
2.根据权利要求1所述的基于云模型的电力客户资源价值评价方法，其特征在于：在所述步骤S1中，所述一级指标包括传统价值和新兴价值；
所述传统价值相对应的二级指标包括客户利润、客户成本、客户信用、客户能力、客户管理和客户忠诚；
所述新兴价值相对应的二级指标包括需求侧响应、综合能源服务和社会节能环保。
3.根据权利要求2所述的基于云模型的电力客户资源价值评价方法，其特征在于：所述客户利润相对应的三级指标包括年售电量和年均售电电价；
客户成本相对应的三级指标包括电压等级、用电负荷率和管理成本；
所述客户信用相对应的三级指标包括违约用电次数、年合同偏差电量和合同履约率；
所述客户能力相对应的三级指标包括资产负债率、销售利润率、流动资产周转率和总资产增长率；
所述客户管理相对应的三级指标包括设备可靠性和用电安全水平；
所述客户忠诚相对应的三级指标包括客户满意度和用电转换服务商频率；
所述需求侧响应相对应的三级指标包括可中断负荷容量、储能装置容量、充电桩数量和峰时用电率；
所述综合能源服务相对应的三级指标包括电务工程委托情况、节能解决方案需求、分布式电能委托运维意愿和购用电咨询意愿；
所述社会节能环保相对应的三级指标包括功率因素和节能设备比率。
4.根据权利要求3所述的基于云模型的电力客户资源价值评价方法，其特征在于：在所述步骤S2中，对电力客户价值评价指标体系中的指标进行归一化处理的方法如下：
a.对于效益型指标计算公式如下：
其中，χ`ij为第j项指标下第i个客户归一化之后的指标，χij为第j项指标下第i个客户归一化之前的指标；
b.对于成本型指标计算公式如下：
其中，χ`ij为第j项指标下第i个客户归一化之后的指标，χij为第j项指标下第i个客户归一化之前的指标。
5.根据权利要求4所述的基于云模型的电力客户资源价值评价方法，其特征在于：在所述步骤S3中，利用模糊层次分析法计算指标的权重的方法如下：
步骤S3-1、建立模糊一致性判断矩阵R，U是指标元素Ai的集合，U＝{A1,A2,…,An}，i＝1～n，n为指标元素总数，模糊关系矩阵如下：
其中，rij表示指标元素Ai相对于Aj的重要程度，若rij>0.5，则指标Ai比Aj重要；若rij<0.5，则指标Aj比Ai重要；若在确定某指标比另一个指标重要的隶属度过程中具有一致性，则当rij>0.5时，rik>rjk此时rij＝rik-rjk+0.5；
步骤S3-2、计算指标的权重wi，计算公式如下：
其中，wi为利用模糊层次分析法得到的第i个指标的权重，n为指标的总数量，rjk代表指标元素Aj相对于指标元素Ak的重要程度。
6.根据权利要求5所述的基于云模型的电力客户资源价值评价方法，其特征在于：在所述步骤S4中，利用熵值法计算三级指标的权重的方法如下：
步骤S4-1、计算第j项三级指标下第i个客户占该指标的比重，计算公式如下：
其中pij为第j项三级指标下第i个客户占该指标的比重，x`ij为归一化之后的指标，n为客户总数量，m为三级指标总数；
步骤S4-2、计算第j项三级指标的熵值，计算公式如下：
其中，ej为第j项三级指标的熵值，pij为第j项三级指标下第i个客户占该指标的比重，k＝1/ln(n)>0ej≥0；
步骤S4-3、计算第j项三级指标的信息熵冗余度，计算公式如下：
dj＝1-ej (7)
其中，dj为第j项三级指标的信息熵冗余度，ej为第j项三级指标的熵值，其中0≤dj≤1；
步骤S4-4、计算各项三级指标的权重wj，计算公式如下：
其中，dj为第j项三级指标的信息熵冗余度，m为同一二级指标下的三级指标的总数量，wj为利用熵值法得到的第j项三级指标的权重；
步骤S4-5、利用综合赋权法计算三级指标的综合权重的公式如下：
wt＝piqi/∑piqi
其中，wt为最后得到的综合权重，qi为利用所述步骤S3中的模糊层次分析法计算得出的权重，pi为利用所述步骤S4中的熵值法计算得到的权重。
7.根据权利要求6所述的基于云模型的电力客户资源价值评价方法，其特征在于：在所述步骤S5中，基于云模型评价法对客户进行综合评价的方法如下：
步骤S5-1、选取指标体系中的定性指标，采用多位专家给出定性指标情况的自然语言描述，每一种语言描述对应着一个云模型C(Exi，Eni，Hei)，最后结合n位专家的评语得到定性指标的云评语C(Ex，En，He)，其中，i表示第i位专家，i取值为1至n，Exi、Eni和Hei分别表示第i位专家进行评价的云评语中的期望值、熵值和超熵值，Ex、En和He分别表示结合n位专家的评语得到定性指标的云评语中的期望值、熵值和超熵值；
步骤S5-2、结合浮动云模型的概念，对n位专家的云评语进行整合，通过赋予各个专家评价值的权重，对其云评语进行集结，得到的云模型如下：
其中，i表示第i位专家，i取值为1至n，ui表示第i位专家的评价权重，ui的取值由决策者根据具体情况自行设定，且Exi、Eni和Hei分别表示第i位专家进行评价的云评语中的期望值、熵值和超熵值，Ex、En和He分别表示结合n位专家的评语得到定性指标的云评语中的期望值、熵值和超熵值；
步骤S5-3、设计定量指标评价等级的云模型。根据需求将电力客户价值资源分为若干个等级{V1,V2,V3,…,Vn}，根据等级数目确定各个等级的边界[Xmin,Xmax]。利用云模型计算公式(12)，(13)，(14)分别计算出对应等级{V1,V2,V3,…,Vn}的云模型C(Ex，En，He)，得到客户资源价值评语集云模型和隶属度云模型，
Ex＝(Xmin+Xmax)/2 (12)
He＝0.005 (14)
其中，Xmin，Xmax分别表示客户价值资源各等级划分的左界值和右界值；
步骤S5-4、再根据逆向云发生器实现定量值定性的转换，在采集到的三级指标及其对应数值数据的基础上，对等级界限云模型进行定性概念的转换；
步骤S5-5、根据处理完成的三级指标的数据计算三级指标的期望Ex：
其中，xi为第i位专家对各三级指标数据值在定性云评语中的评价值；
步骤S5-6、根据处理完成的三级指标的数据计算三级指标的熵En：
其中，xi为第i位专家对各三级指标数据值在定性云评语中的评价值；
步骤S5-7、根据处理完成的三级指标的数据计算三级指标的超熵He：
其中，xi为第i位专家对各三级指标数据值在定性云评语中的评价值。
8.根据权利要求7所述的基于云模型的电力客户资源价值评价方法，其特征在于：在所述步骤S5中，基于云模型评价法对客户进行综合评价的方法还包括步骤S5-8：
步骤S5-8、将各三级指标所属级别与对应的综合权重进行乘积后求和得到客户评级分值，并以客户评级分值小数点后一位数值为判断依据进行四舍五入运算得到客户最终评级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810970103.9A CN109325799A (zh) | 2018-08-24 | 2018-08-24 | 基于云模型的电力客户资源价值评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810970103.9A CN109325799A (zh) | 2018-08-24 | 2018-08-24 | 基于云模型的电力客户资源价值评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109325799A true CN109325799A (zh) | 2019-02-12 |
Family
ID=65263608
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810970103.9A Pending CN109325799A (zh) | 2018-08-24 | 2018-08-24 | 基于云模型的电力客户资源价值评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109325799A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110070211A (zh) * | 2019-03-21 | 2019-07-30 | 中国石油化工股份有限公司 | 基于云的油田开发规划方案优化评价方法 |
| CN111080456A (zh) * | 2019-11-25 | 2020-04-28 | 上海理工大学 | 一种基于环境效应反馈的erp项目辅助决策支持系统及方法 |
| CN111461524A (zh) * | 2020-03-30 | 2020-07-28 | 上海交通大学 | 司法辅助机构信誉评价方法、系统、设备及存储介质 |
| CN111489085A (zh) * | 2020-04-13 | 2020-08-04 | 北方工业大学 | 一种基于模糊云理论的储能电站风险评估方法及系统 |
| CN112101737A (zh) * | 2020-08-20 | 2020-12-18 | 四川大学 | 基于云模型的堰塞湖开发可行性评价方法 |
| CN112101807A (zh) * | 2020-09-22 | 2020-12-18 | 北京思特奇信息技术股份有限公司 | 一种电信行业集团客户价值综合评估的方法及相关装置 |
| CN113191807A (zh) * | 2021-04-30 | 2021-07-30 | 中国石油天然气股份有限公司 | 一种天然气客户评级系统及方法 |
| CN113657816A (zh) * | 2021-03-05 | 2021-11-16 | 重庆首讯科技股份有限公司 | 一种高速公路服务区饱和度分析方法 |
| CN117010060A (zh) * | 2023-07-19 | 2023-11-07 | 重庆交通大学 | 一种基于改进d-s证据理论的混凝土坝健康诊断方法及系统 |
-
2018
- 2018-08-24 CN CN201810970103.9A patent/CN109325799A/zh active Pending
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110070211A (zh) * | 2019-03-21 | 2019-07-30 | 中国石油化工股份有限公司 | 基于云的油田开发规划方案优化评价方法 |
| CN111080456A (zh) * | 2019-11-25 | 2020-04-28 | 上海理工大学 | 一种基于环境效应反馈的erp项目辅助决策支持系统及方法 |
| CN111080456B (zh) * | 2019-11-25 | 2023-09-01 | 上海理工大学 | 一种基于环境效应反馈的erp项目辅助决策支持系统及方法 |
| CN111461524A (zh) * | 2020-03-30 | 2020-07-28 | 上海交通大学 | 司法辅助机构信誉评价方法、系统、设备及存储介质 |
| CN111489085A (zh) * | 2020-04-13 | 2020-08-04 | 北方工业大学 | 一种基于模糊云理论的储能电站风险评估方法及系统 |
| CN111489085B (zh) * | 2020-04-13 | 2023-04-25 | 北方工业大学 | 一种基于模糊云理论的储能电站风险评估方法及系统 |
| CN112101737A (zh) * | 2020-08-20 | 2020-12-18 | 四川大学 | 基于云模型的堰塞湖开发可行性评价方法 |
| CN112101807A (zh) * | 2020-09-22 | 2020-12-18 | 北京思特奇信息技术股份有限公司 | 一种电信行业集团客户价值综合评估的方法及相关装置 |
| CN113657816A (zh) * | 2021-03-05 | 2021-11-16 | 重庆首讯科技股份有限公司 | 一种高速公路服务区饱和度分析方法 |
| CN113191807A (zh) * | 2021-04-30 | 2021-07-30 | 中国石油天然气股份有限公司 | 一种天然气客户评级系统及方法 |
| CN113191807B (zh) * | 2021-04-30 | 2024-02-09 | 中国石油天然气股份有限公司 | 一种天然气客户评级系统及方法 |
| CN117010060A (zh) * | 2023-07-19 | 2023-11-07 | 重庆交通大学 | 一种基于改进d-s证据理论的混凝土坝健康诊断方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109325799A (zh) | 基于云模型的电力客户资源价值评价方法 | |
| CN109191189A (zh) | 售电市场放开下电力客户价值评价方法 | |
| Jongwanich | The determinants of household and private savings in Thailand | |
| Garcia-Melon et al. | Farmland appraisal based on the analytic network process | |
| Cheng et al. | A fuzzy multiple criteria comparison of technology forecasting methods for predicting the new materials development | |
| CN108388955A (zh) | 基于随机森林和逻辑回归的客户服务策略制定方法、装置 | |
| Knight | Explaining income distribution in less developed countries: a framework and an agenda. | |
| Jiang et al. | Investment risks assessment on high-tech projects based on analytic hierarchy process and BP neural network | |
| Wu et al. | Optimal site selection of straw biomass power plant under 2-dimension uncertain linguistic environment | |
| CN108629500A (zh) | 一种适用于新电改背景下电力客户综合价值评估方法 | |
| CN108389069A (zh) | 基于随机森林和逻辑回归的优质客户识别方法及装置 | |
| CN109345050A (zh) | 一种量化交易预测方法、装置及设备 | |
| Molla | The reach and richness of green it: a principal component analysis | |
| Li et al. | Green supplier selection based on improved intuitionistic fuzzy TOPSIS model. | |
| Vrat et al. | Productivity management: a systems approach | |
| CN101916424A (zh) | 家庭理财体检服务模式和系统 | |
| Wang et al. | Identifying the factors of China's seasonal retail sales of consumer goods using a data grouping approach–based GRA method | |
| Abd Manap et al. | Investigation of poverty indicators for designing case representation to determine urban poverty | |
| Demir et al. | Analysis of Experts' Psychological Behaviors Under Risk with Pythagorean Fuzzy Sets and Todim Method in Terms of Balanced Scorecard: An Example of Factoring and Financial Leasing Companies. | |
| Bonelli et al. | Robo-Advisors in the financial services industry: recommendations for full-scale optimization, digital twin integration, and leveraging natural language processing trends | |
| CN114219225A (zh) | 基于多源数据的电网投资效益评估系统及评估方法 | |
| Dominic et al. | A new hybrid model for the supplier selection decision | |
| Bobinaitė et al. | Theoretical model for electricity market price forecasting | |
| Zhao | Research on prediction of enterprise economic growth based on monetary policy regulation | |
| Ma et al. | Electricity sale package recommendation method based on unbalanced evaluation and incomplete weight multi-granularity fuzzy language set |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for 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: 20190212 |