CN110298573B - 基于多属性群决策的用户异常用电及欠费风险评估方法 - Google Patents
基于多属性群决策的用户异常用电及欠费风险评估方法 Download PDFInfo
- Publication number
- CN110298573B CN110298573B CN201910537955.3A CN201910537955A CN110298573B CN 110298573 B CN110298573 B CN 110298573B CN 201910537955 A CN201910537955 A CN 201910537955A CN 110298573 B CN110298573 B CN 110298573B
- Authority
- CN
- China
- Prior art keywords
- index
- evaluation
- weight
- expert
- priority
- 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.)
- Active
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 51
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012502 risk assessment Methods 0.000 title abstract description 8
- 238000011156 evaluation Methods 0.000 claims abstract description 112
- 239000011159 matrix material Substances 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 8
- 230000008901 benefit Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 2
- 238000013210 evaluation model Methods 0.000 abstract description 2
- 238000011084 recovery Methods 0.000 description 8
- 238000000819 phase cycle Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的基于多属性群决策的用户异常用电及欠费风险评估方法,首先确定最优先级指标,再建立次优先级指标体系,采用熵权法确定指标权重,灰色关联度与极大熵准则确定专家权重,指标权重与专家权重结合再与最优先级指标权重结合得到综合权重,最后采用模糊综合评价模型进行评估,并对评估进行最大隶属度排序,给出用户的评估结果。本发明对用户的异常用电和欠费风险进行评估,使供电企业对高风险客户及早关注,可以减少发生经济损失的可能性。
Description
技术领域
本发明属于电力用电技术领域,涉及基于多属性群决策的用户异常用电及欠费风险评估方法。
背景技术
电是现代社会的重要能源之一,供电企业在为社会提供电力资源的同时,也要保证企业自身进行正常运营。我国先消费后付款的电力营销模式给供电企业带来一定经济收入的风险,如果不能正常回收电费,将会严重影响供电企业的效益,致使供电企业没有足够的资金进行周转,继而影响后续供电,不仅给企业带来损失,也将给社会带来严重损失,影响社会经济的正常发展。
用户异常用电与欠费风险是供电企业回收电费难的两个重要原因。用户的异常用电主要分为违约用电与窃电两个方面,两者均会使实际收回电费不抵供电消耗,造成收费减少,影响供电企业的效益。而欠费风险是指用户不能及时缴纳足够电费带来的风险,若不能按时缴纳足量的电费则会给供电企业带来经济上的损失。针对用户异常用电及欠费风险进行评估,对高等级危险用户进行更严格的警示与监控,在造成严重后果之前及时阻止,是保证电费正常回收的有效手段之一。而目前,尚未有完善的评估方法评价用户异常用电与欠费风险。
发明内容
本发明的目的是提供基于多属性群决策的用户异常用电及欠费风险评估方法,该评估方法针对用户异常用电及欠费风险进行评估,对高危用户进行更严格的警示与监控,增大了电费正常回收的可能性,能有效降低供电企业电费难回收的风险。
本发明提供的基于多属性群决策的用户异常用电及欠费风险评估方法,包括如下步骤:
步骤1:根据客户数据建立客户集,并确定最优先级指标;获取用户异常用电与缴费行为数据,建立次优先级评价指标体系;
步骤2、根据次优先级评价指标体系,确定评语集与专家给出的决策矩阵,对决策矩阵规范化处理,得到规范化决策矩阵;
步骤3、根据规范化决策矩阵用熵权法确定次优先级评价指标体系中各评价指标的指标权重;
步骤4、根据专家意见一致性原则,用指标权重对客户进行集结得到每个客户的综合评价均值,以此作为参考序列,将各专家对各客户的综合评价值作为被比较序列,求灰色关联度,进而求得专家权重;
步骤5、将指标权重与专家权重结合,再考虑最优先级指标的权重求出综合权重;
步骤6、进行模糊综合评价,先求隶属度函数得到模糊评价矩阵,再经模糊变换和归一化处理后获得归一化的综合模糊评价矩阵;
步骤7、按照模糊综合评价的最大隶属度原则进行排序,选取归一化的综合模糊评价矩阵的最大隶属度所对应的等级作为该客户的最终评价等级。
本发明提出基于多属性群决策的用户异常用电及欠费风险评估方法。该方法基于多属性群决策方法对用户异常用电与欠费风险进行评估,首先确定最优先级指标和次优先级指标体系,并确定决策矩阵;其次采用熵权法确定指标权重,灰色关联度与极大熵准则确定专家权重,指标权重与专家赋权结合再与最优先级指标权重结合得到综合权重;再次采用模糊综合评价模型对客户进行评估;最后按最大隶属度进行排序,给出用户的评估结果。该评估方法针对用户异常用电及欠费风险进行评估,对高危用户进行更严格的警示与监控,增大了电费正常回收的可能性,能有效降低供电企业电费难回收的风险。
附图说明
图1是本发明的基于多属性群决策的用户异常用电及欠费风险评估方法的流程图。
具体实施方式
如图1所示,本发明的基于多属性群决策的用户异常用电及欠费风险评估方法,包括如下步骤:
步骤1:根据客户数据建立客户集,并确定最优先级指标;获取用户异常用电与缴费行为数据,建立次优先级评价指标体系U,所述步骤1包括:
步骤1.1、根据客户数据建立客户集X={X1,X2,X3,…,Xn};
步骤1.2、客户的重要程度对于异常用电和欠费风险是最为重要的指标,将客户重要程度U0这一指标定为评估中的最优先级指标,权重为ω0;根据客户用电量和电费的多少,将客户分为大客户、中客户和小客户三类,后续步骤中的所有指标都建立在客户重要程度这一最优先级指标上;
步骤1.3、根据用户异常用电与欠费行为数据提取评估因素,异常用电因素包括:1)事件异常,2)参数异常;用户欠费风险因素包括:1)正常缴费情况,2)欠费情况,3)非法用电情况;
步骤1.4、根据异常用电因素和欠费风险因素细分次优先级评价指标,得到含有m个评价指标的次优先级评价指标体系U。
具体实施时,用户异常用电共有14项指标,各指标的含义和计算方法如下:
(1)电量清零U11
当电能表执行电量清零命令后应记录电表清零事件。
(2)电能表开盖U12
计量表数据中开盖次数发生变化,即判定为计量表开盖事件发生。
(3)电能表掉电U13
三相电能表供电电压均低于电能表临界电压,且三相负荷电流均不大于5%额定电流,称为电能表掉电。
(4)电能表停走U14
电量增量大于设定值而电表电量读数仍不发生变化,即判定为停电事件发生。
(5)恒定磁场干扰U15
三相电能表监测到外部有100mT强度以上的恒定磁场,且持续时间大于5s,记录为恒定磁场干扰事件。
(6)需量清零U16
需量是指规定时间内的平均功率,当电能表执行需量清零命令后记录需量清零事件。
(7)电能表时间超差U17
该电能表时间,如与终端时钟偏差±5分钟,则为电能表时间超差事件。
(8)电能表倒走U18
三相电能表电量读数减少,称为电能表倒走。
(9)电能表失流U19
在三相供电系统中,三相中至少有一相负荷电流大于失流事件电流触发下限,某相电压大于设定的失流事件电压触发下限,同时该相电流小于设定的失流事件电流触发上限,且持续时间大于设定的失流事件判定延时时间,称为该相失流,计量表数据中有新增的失流记录,判定为计量失流事件发生。
(10)电能表失压U110
在三相供电系统中,某相电流大于设定的失压事件电压触发下限,同时该相电压低于设定的失压事件电压触发上限,且持续时间大于设定的失压事件判定延时时间,称为该相失压,计量表数据中有新增的失压记录,判定为计量失压事件发生。
(11)三相电压不平衡U111
当三相电压中的任一项大于电能表的临界电压,电压不平衡率大于设定的电压不平衡率限值,且持续时间大于设定的电压不平衡率判定延时时间,称为电压不平衡,计量表数据中的电压不平衡累计次数或者时间发生变化,判定为有新增的电压不平衡事件发生。
(12)三相电流不平衡U112
当三相电流中的任一项电流大于5%额定电流,电流不平衡率大于设定的电流不平衡率限值,且持续时间大于设定的电流不平衡判定延时时间,称为电流不平衡,计量表数据中的电流不平衡累计次数或者时间发生变化,判定为有新增的电流不平衡事件发生。
(13)有功功率反向U113
在三相供电系统中,当任意一相有功功率方向为反向,同时该相有功功率大于设定的有功功率反向事件有功功率触发下限,且持续时间大于设定的有功功率反向事件判定延时时间,则触发有功功率反向事件。
(14)相序异常U114
在三相供电系统中,三相电压均大于电能表的临界电压(60%参比电压),三相电压逆相序,(三相电流均大于5%额定(基本)电流),且持续时间大于60s,记录为相序异常事件,计量表数据中电压总逆相序时间累计值发生变化,判定为相序异常事件发生。
欠费风险用电共有7项指标,各指标的含义和计算方法如下:
(1)收费类型U21
收费类型包含:1)收取预收,2)收取电费(包括违约金)及预收,3)收取电费(包括违约金),分别从高到低地反映了客户预缴费程度。
(2)电联用户情况U22
电联用户情况指供电企业通过电话或短信等方式联系客户时客户的反馈,根据客户的配合情况可以分为以下四种情况:1)完全配合,2)一般配合,3)不太配合,4)完全不配合,分别从高到低地反映了客户的配合程度,该指标值越高,说明客户的缴费意愿可能会更高。
(3)累计欠费率U23
累计欠费率等于历史欠费总次数与应缴电费总次数的比值,该指标从客户欠费次数考虑,反映客户缴纳电费意愿的强弱,比率越小则缴费意愿越强烈,不欠费则该指标为零。
(4)本月欠费率U24
本月欠费率等于本月所欠电费与本月应收电费的比值,该指标表示本月欠费的情况,指标值越高,其得分越低,若不欠费则该指标为零。
(5)欠款缴纳时间U25
欠款缴纳时间指自欠费当日起,到客户缴纳全部所欠电费总计的天数,若不欠费则该指标为零。
(6)累计非法用电次数U26
该指标度量客户累计非法用电次数,根据有无非法用电行为进行判定,指标主要包括违约用电,窃电等方面,指标值越高,其得分就越低,若无非法用电则该指标为零。
(7)非法用电严重程度U27
该指标度量客户非法用电的情况,通常窃电比违约用电更严重,若无非法用电则该指标为零。
表1 异常用电指标明细表
表2 欠费风险指标明细表
步骤2、根据次优先级评价指标体系,确定评语集与专家给出的决策矩阵,对决策矩阵规范化处理,得到规范化决策矩阵,所述步骤2包括:
步骤2.1、针对客户集X,给定评语集V={V1,V2,V3,V4,V5}={无风险,较小风险,一般风险,较大风险,严重风险},表示对客户异常用电和欠费风险的评估结果;
步骤2.2、由次优先级评价指标体系U得到第t(t∈k)个专家dt对客户的决策矩阵Ct′如下:
其中,c′ij表示专家对第i个客户的第j项次优先级评价指标的评价值,n表示待评价客户的总数,m为次优先级评价指标总数,k为专家群中专家总数;
步骤2.3、根据指标数值越小越好与指标数值越大越好将次优先级评价指标体系中所有指标分为成本型指标和效益型指标;
成本型指标按照如下公式进行规范化处理:
效益型指标按照如下公式进行规范化处理:
经过上述公式处理后得到如下规范化决策矩阵Ct;
其中,cij表示专家对第i个客户的第j项次优先级评价指标的规范化评价值。
步骤3、根据规范化决策矩阵用熵权法确定次优先级评价指标体系中各评价指标的指标权重,所述步骤3包括:
步骤3.1、根据下式计算规范化决策矩阵Ct的次优先级评价指标的熵:
步骤3.2、由下式计算次优先级评价指标对应的指标权重:
进而得到指标权重集Ω={ω1,ω2,ω3,…,ωn}。
步骤4、采用灰色关联度与熵最大化原理确定专家权重,即根据专家意见一致性原则,用指标权重对客户进行集结得到每个客户的综合评价均值,以此作为参考序列,将各专家对各客户的综合评价值作为被比较序列,求灰色关联度,进而求得专家权重,所述步骤4包括:
步骤4.2、根据下式计算专家群体对每个客户的综合评价均值:
其中,k为专家群中专家总数;
其中,ρ为分辨系数0<ρ<1;
步骤4.4、根据下式计算各专家与专家群体的意见的关联度:
步骤5、将指标权重与专家权重结合,再考虑最优先级指标客户重要程度的权重求出综合权重,所述步骤5包括:
步骤5.1、设定求统一权重的函数g=G(ω,λ),得到统一权重G={g1,g2,g3,…,gj},统一权重结合指标权重与专家权重,考虑2种权重在统一权重中的主次问题,反映各项次优先级评价指标在评估中的地位,具体的函数表达式为:
其中,s是专家权重对于指标权重的相对有效性系数,取值范围设定为0.3<s<3;若s=1,表示专家权重与指标权重以相同的程度参与进统一权重之中。
步骤5.2、根据客户重要程度,统一权重G乘以相应的客户重要程度权重ω0,得到每个客户的综合权重A=ω0G={a1,a2,a3,…,aj}。
步骤6、进行模糊综合评价,先求隶属度函数得到模糊评价矩阵R,再经模糊变换和归一化处理后获得归一化的综合模糊评价矩阵,所述步骤6包括:
步骤6.1、选择三角形和半梯形组合构造各次优先级评价指标关于评价等级的隶属度函数rij(vy),y=1,2,3,4,5,计算次优先级评价指标的规范化评价值cij在评语集V={V1,V2,V3,V4,V5}上的模糊评价矩阵,下式为隶属度函数的计算方法;
步骤6.2、对每个客户i求得第j个次优先级评价指标的隶属度rij,最终得到如下模糊评价矩阵;
其中,aj(j∈m)是综合权重,rij(vy),y=1,2,3,4,5是第i个客户的第j个次优先级评价指标的隶属度;
步骤6.4、根据下式对综合模糊评价矩阵Bi进行归一化处理:
步骤7、按照模糊综合评价的最大隶属度原则进行排序,选取归一化的综合模糊评价矩阵的最大隶属度所对应的等级作为该客户的最终评价等级。
本发明评估方法针对用户异常用电及欠费风险进行评估,对高危用户进行更严格的警示与监控,增大了电费正常回收的可能性,能有效降低供电企业电费难回收的风险。
以上所述仅为本发明的较佳实施例,并不用以限制本发明的思想,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.基于多属性群决策的用户异常用电及欠费风险评估方法,其特征在于,包括如下步骤:
步骤1:根据客户数据建立客户集,并确定最优先级指标;获取用户异常用电与缴费行为数据,建立次优先级评价指标体系;
步骤2、根据次优先级评价指标体系,确定评语集与专家给出的决策矩阵,对决策矩阵规范化处理,得到规范化决策矩阵;
步骤3、根据规范化决策矩阵用熵权法确定次优先级评价指标体系中各评价指标的指标权重;
步骤4、根据专家意见一致性原则,用指标权重对客户进行集结得到每个客户的综合评价均值,以此作为参考序列,将各专家对各客户的综合评价值作为被比较序列,求灰色关联度,进而求得专家权重;
步骤5、将指标权重与专家权重结合,再考虑最优先级指标的权重求出综合权重;
步骤6、进行模糊综合评价,先求隶属度函数得到模糊评价矩阵,再经模糊变换和归一化处理后获得归一化的综合模糊评价矩阵;
步骤7、按照模糊综合评价的最大隶属度原则进行排序,选取归一化的综合模糊评价矩阵的最大隶属度所对应的等级作为该客户的最终评价等级;
所述步骤2包括:
步骤2.1、针对客户集X,给定评语集V={V1,V2,V3,V4,V5}={无风险,较小风险,一般风险,较大风险,严重风险},表示对客户异常用电和欠费风险的评估结果;
步骤2.2、由次优先级评价指标体系得到第t,t∈k个专家dt对客户的决策矩阵Ct′如下:
其中,c′ij表示专家对第i个客户的第j项次优先级评价指标的评价值,n表示待评价客户的总数,m为次优先级评价指标总数,k为专家群中专家总数;
步骤2.3、根据指标数值越小越好与指标数值越大越好将次优先级评价指标体系中所有指标分为成本型指标和效益型指标;
成本型指标按照如下公式进行规范化处理:
效益型指标按照如下公式进行规范化处理:
经过上述公式处理后得到如下规范化决策矩阵Ct;
其中,cij表示专家对第i个客户的第j项次优先级评价指标的规范化评价值;
所述步骤3包括:
步骤3.1、根据下式计算规范化决策矩阵Ct的次优先级评价指标的熵:
步骤3.2、由下式计算次优先级评价指标对应的指标权重:
进而得到指标权重集Ω={ω1,ω2,ω3,…,ωn};
所述步骤4包括:
步骤4.2、根据下式计算专家群体对每个客户的综合评价均值:
其中,k为专家群中专家总数;
其中,ρ为分辨系数0<ρ<1;
步骤4.4、根据下式计算各专家与专家群体的意见的关联度:
其中,m为次优先级评价指标总数;
所述步骤5包括:
步骤5.1、设定求统一权重的函数g=G(ω,λ),得到统一权重G={g1,g2,g3,…,gj},统一权重结合指标权重与专家权重,考虑2种权重在统一权重中的主次问题,反映各项次优先级评价指标在评估中的地位,具体的函数表达式为:
其中,s是专家权重对于指标权重的相对有效性系数,取值范围设定为0.3<s<3;若s=1,表示专家权重与指标权重以相同的程度参与进统一权重之中;
步骤5.2、根据客户重要程度,统一权重G乘以相应的客户重要程度权重ω0,得到每个客户的综合权重A=ω0G={a1,a2,a3,…,aj}。
2.如权利要求1所述的基于多属性群决策的用户异常用电及欠费风险评估方法,其特征在于,所述步骤1包括:
步骤1.1、根据客户数据建立客户集X={X1,X2,X3,…,Xn};
步骤1.2、将客户重要程度U0这一指标定为评估中的最优先级指标,根据客户用电量和电费的多少,将客户分为大客户、中客户和小客户三类,权重为ω0;
步骤1.3、根据用户异常用电与欠费行为数据提取评估因素,异常用电因素包括:1)事件异常,2)参数异常;用户欠费风险因素包括:1)正常缴费情况,2)欠费情况,3)非法用电情况;
步骤1.4、根据异常用电因素和欠费风险因素细分次优先级评价指标,得到含有m个评价指标的次优先级评价指标体系U。
3.如权利要求1所述的基于多属性群决策的用户异常用电及欠费风险评估方法,其特征在于,所述步骤6包括:
步骤6.1、选择三角形和半梯形组合构造各次优先级评价指标关于评价等级的隶属度函数rij(vy),y=1,2,3,4,5,计算次优先级评价指标的规范化的评价值cij在评语集V={V1,V2,V3,V4,V5}上的模糊评价矩阵,下式为隶属度函数的计算方法;
步骤6.2、对每个客户i求得第j个次优先级评价指标的隶属度rij,最终得到如下模糊评价矩阵;
其中,aj,j∈m是综合权重,rij(vy),y=1,2,3,4,5是第i个客户的第j个次优先级评价指标的隶属度;
步骤6.4、根据下式对综合模糊评价矩阵Bi进行归一化处理:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910537955.3A CN110298573B (zh) | 2019-06-20 | 2019-06-20 | 基于多属性群决策的用户异常用电及欠费风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910537955.3A CN110298573B (zh) | 2019-06-20 | 2019-06-20 | 基于多属性群决策的用户异常用电及欠费风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110298573A CN110298573A (zh) | 2019-10-01 |
CN110298573B true CN110298573B (zh) | 2023-04-07 |
Family
ID=68028428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910537955.3A Active CN110298573B (zh) | 2019-06-20 | 2019-06-20 | 基于多属性群决策的用户异常用电及欠费风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110298573B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852625A (zh) * | 2019-11-13 | 2020-02-28 | 北京明略软件系统有限公司 | 数据处理方法和装置、电子设备及计算机可读存储介质 |
CN112232555A (zh) * | 2020-09-29 | 2021-01-15 | 华北电力大学 | 一种基于灰色系统理论的电力客户欠费预警方法 |
CN112270452A (zh) * | 2020-11-17 | 2021-01-26 | 北京嘀嘀无限科技发展有限公司 | 危险驾驶区域的预测方法、装置、电子设备及存储介质 |
CN113077121B (zh) * | 2021-03-11 | 2022-10-11 | 中国电子科技集团公司第五十四研究所 | 一种基于多维度属性群决策的信号质量异常原因定位方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968553A (zh) * | 2012-10-26 | 2013-03-13 | 哈尔滨工程大学 | 一种飞行器着陆风险评测方法 |
CN106408436A (zh) * | 2016-09-18 | 2017-02-15 | 国网福建省电力有限公司 | 一种晶圆制造企业电压暂降损失风险模糊综合评价方法 |
CN106846178A (zh) * | 2017-02-13 | 2017-06-13 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种河流型水源地综合安全评价方法 |
CN107239900A (zh) * | 2017-06-01 | 2017-10-10 | 陕西学前师范学院 | 基于可拓云模型的本科毕业论文质量评价方法 |
CN108665184A (zh) * | 2018-05-21 | 2018-10-16 | 国网陕西省电力公司咸阳供电公司 | 一种基于大数据征信的电力客户信誉评估方法 |
CN109242306A (zh) * | 2018-09-04 | 2019-01-18 | 深圳市城市公共安全技术研究院有限公司 | 基于多层次灰色关联分析的安全生产风险评估方法及系统 |
CN109726930A (zh) * | 2019-01-03 | 2019-05-07 | 江苏方天电力技术有限公司 | 一种基于深度学习的电力大客户电费回收风险预警方法 |
-
2019
- 2019-06-20 CN CN201910537955.3A patent/CN110298573B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968553A (zh) * | 2012-10-26 | 2013-03-13 | 哈尔滨工程大学 | 一种飞行器着陆风险评测方法 |
CN106408436A (zh) * | 2016-09-18 | 2017-02-15 | 国网福建省电力有限公司 | 一种晶圆制造企业电压暂降损失风险模糊综合评价方法 |
CN106846178A (zh) * | 2017-02-13 | 2017-06-13 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种河流型水源地综合安全评价方法 |
CN107239900A (zh) * | 2017-06-01 | 2017-10-10 | 陕西学前师范学院 | 基于可拓云模型的本科毕业论文质量评价方法 |
CN108665184A (zh) * | 2018-05-21 | 2018-10-16 | 国网陕西省电力公司咸阳供电公司 | 一种基于大数据征信的电力客户信誉评估方法 |
CN109242306A (zh) * | 2018-09-04 | 2019-01-18 | 深圳市城市公共安全技术研究院有限公司 | 基于多层次灰色关联分析的安全生产风险评估方法及系统 |
CN109726930A (zh) * | 2019-01-03 | 2019-05-07 | 江苏方天电力技术有限公司 | 一种基于深度学习的电力大客户电费回收风险预警方法 |
Non-Patent Citations (2)
Title |
---|
"A two-layer weight determination method for complex multi-attribute large-group decision-making experts in a linguistic environment";Bingsheng Liu等;《Information Fusion》;20140527;156-165页 * |
"考虑组织者风险态度的通航危险源评估模型";熊升华等;《中国安全科学学报》;20190531;151-158页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110298573A (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110298573B (zh) | 基于多属性群决策的用户异常用电及欠费风险评估方法 | |
Zheng et al. | Day-ahead bidding strategy for electric vehicle aggregator enabling multiple agent modes in uncertain electricity markets | |
JP7294716B2 (ja) | 二次電池管理装置 | |
Butters et al. | Soaking up the sun: Battery investment, renewable energy, and market equilibrium | |
Nizar et al. | A data mining based NTL analysis method | |
JP2022136082A (ja) | 二次電池管理装置 | |
CN106447534A (zh) | 一种基于灰色关联度分析的用电模式稳定性判别方法 | |
CN110555624A (zh) | 一种考虑指标关联的电网调度运行综合评估方法 | |
CN114140176B (zh) | 一种负荷聚集平台的可调容量预测方法及装置 | |
CN115375205B (zh) | 一种用水用户画像的确定方法、装置及设备 | |
CN112116256A (zh) | 一种数据资产管理方法 | |
CN116681450B (zh) | 一种支撑智能催费的客户信用评价方法及系统 | |
Hartmann et al. | Suspicious electric consumption detection based on multi-profiling using live machine learning | |
CN114757710A (zh) | 一种用于负荷聚合商投标的评估方法 | |
CN110826931A (zh) | 一种用户侧分布式储能经济性评估系统 | |
CN117952460A (zh) | 一种车桩网场景多主体数据要素服务成效评估方法及系统 | |
CN112801542A (zh) | 用电客户信用评估方法 | |
Zhou et al. | A profitability assessment of fast-charging stations under vehicle-to-grid smart charging operation | |
CN117010821A (zh) | 一种多渠道协同的智能催费系统 | |
CN110717678A (zh) | 一种电费风险评估与预警方法、系统 | |
CN113408886B (zh) | 一种储能容量的配置方法及装置 | |
CN114611272A (zh) | 一种基于最小间隔动态分布的用电负荷曲线数据拟合方法 | |
Kaheh et al. | Social and economic factors in demand-side flexibility | |
CN117236532B (zh) | 一种基于负荷数据的用电高峰负荷预测的方法及系统 | |
Hu et al. | Evaluation on Arrear Electricity Charges Based on Multi-attribute Group Decision Making Considering User Payment and Abnormal Electricity Consumption |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |