CN111639883A - 一种基于机器学习的电费回收风险预测方法 - Google Patents

一种基于机器学习的电费回收风险预测方法 Download PDF

Info

Publication number
CN111639883A
CN111639883A CN202010540500.XA CN202010540500A CN111639883A CN 111639883 A CN111639883 A CN 111639883A CN 202010540500 A CN202010540500 A CN 202010540500A CN 111639883 A CN111639883 A CN 111639883A
Authority
CN
China
Prior art keywords
risk
information
machine learning
electric charge
industry
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
Application number
CN202010540500.XA
Other languages
English (en)
Inventor
郭晨
孔陈祥
杨铭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Jiangsu Electric Power Co Ltd
Jiangsu Electric Power Information Technology Co Ltd
Original Assignee
State Grid Jiangsu Electric Power Co Ltd
Jiangsu Electric Power Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Jiangsu Electric Power Co Ltd, Jiangsu Electric Power Information Technology Co Ltd filed Critical State Grid Jiangsu Electric Power Co Ltd
Priority to CN202010540500.XA priority Critical patent/CN111639883A/zh
Publication of CN111639883A publication Critical patent/CN111639883A/zh
Pending legal-status Critical Current

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/12—Messaging; Mailboxes; Announcements
    • H04W4/14—Short messaging services, e.g. short message services [SMS] or unstructured supplementary service data [USSD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Analysis (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Probability & Statistics with Applications (AREA)
  • Educational Administration (AREA)
  • Algebra (AREA)
  • Computer Networks & Wireless Communication (AREA)

Abstract

本发明公开了一种基于机器学习的电费回收风险预测方法，综合考虑企业用电趋势、行业景气信息与突发事件以及外部数据三大类数据，使用逻辑回归对指标进行机器学习得到概率，根据概率进行风险分级。本发明基于SG186营销业务应用系统、用电信息采集系统的用户信息、用电特征信息、缴费行为信息，构建电费风险预警模型，采用大数据分析挖掘技术，实现电费风险监测预警。本发明为公司电网业务运营提供运营监测和业务管理辅助工具，便于相关部门及时防范电费回收风险，由事后管控转化为事中管控。

Description

一种基于机器学习的电费回收风险预测方法
技术领域
本发明属于数据分析应用领域，涉及一种基于机器学习的电费回收风险的预测方法。
背景技术
电费是电力企业营收的主要组成，电费回收工作质量将直接影响公司的经济效益。电费回收风险的产生机理较为复杂，近年来，尽管公司从管理、技术、法律等多个层面，采取了一系列措施，但对客户欠费事前控制的有效手段欠缺；同时一旦客户形成欠费，供电企业不得不花费大量人财物去对客户进行催收，追收成本又大大增加。大客户电费回收是保证电费回收、提高电费回收率的最关键部分，大客户电费拖欠对公司造成的影响远大于其他用户，需要重点关注。
发明内容
本发明的目的是提供一种基于机器学习的电费回收风险预测方法，为电网业务运营提供运营监测和业务管理辅助工具，便于相关部门及时防范电费回收风险，由事后管控转化为事中管控。
本发明的目的通过以下技术方案实现：
一种基于机器学习的电费回收风险预测方法，其特征在于：综合考虑企业用电趋势、行业景气信息与突发事件以及外部数据三大类数据，使用逻辑回归对指标进行机器学习得到概率，根据概率进行风险分级；具体如下：
步骤1：收集企业用电趋势信息，基于SG186营销业务应用系统、用电信息采集系统的用户信息、用电特征信息、缴费行为信息，收集回款时长，是否连续逾期，用电量变化趋势，逾期时长，现金交费次数占比，催费短信是否订阅，催费短信发送次数，客户用电量同比，客户用电量环比，业务变更，交费渠道偏好；
步骤2：收集行业景气信息与突发事件，包括行业景气度，行业用电量同比，行业用电量环比，突发事件；
步骤3：收集外部数据，包括生产经营信息，外部信用信息，企业社会形象，行业前景信息，客户资产信息，国家政策信息；
步骤4：将以上指标数据按照统一单位进行转化,将转化好的变量放入一个列表x＝[x1,x2,x3…xn]；
步骤5：构建逻辑回归模型，将上一步构造的列表作为训练集输入，将历史缴费信息作为训练集结果；
步骤6：使用逻辑回归模型，
Figure BDA0002538746570000021
其中z(x)＝β0+β1x1+β2x2+...+βnxn，输入训练集，经过机器学习，拟合逻辑回归中的参数β；
步骤7：利用模型，分析企业当前电费缴收风险。
本发明基于SG186营销业务应用系统、用电信息采集系统的用户信息、用电特征信息、缴费行为信息，构建电费风险预警模型，采用大数据分析挖掘技术，实现电费风险监测预警。
本发明为公司电网业务运营提供运营监测和业务管理辅助工具，便于相关部门及时防范电费回收风险，由事后管控转化为事中管控，提高了工作效率，保障了用电安全。
附图说明
图1本发明应用流程示意图。
图2本发明中逻辑回归模型图。
具体实施方式
下面结合附图和具体实施，对本发明的处理流程进一步详细阐述：
本发明面向电网公司电网业务，基于SG186营销业务应用系统、用电信息采集系统的用户信息、用电特征信息、缴费行为信息，构建电费风险预警模型，采用大数据分析挖掘技术，实现电费风险监测预警。对大客户开展监测分析，找出电费回收风险点，聚焦高风险用户。为公司电网业务运营提供运营监测和业务管理辅助工具，便于相关部门及时防范电费回收风险，由事后管控转化为事中管控。
综合考虑企业用电趋势、行业景气信息与突发事件以及外部数据三大类数据，具体指标如下：
Figure BDA0002538746570000022
Figure BDA0002538746570000031
Figure BDA0002538746570000032
Figure BDA0002538746570000041
Figure BDA0002538746570000042
使用逻辑回归模型，构建预测模型。逻辑回归模型的特点：需要训练集(如，未逾期客户和逾期客户的训练样本)，并且训练集无偏差，能用来预测整体。逻辑回归模型的适用性：用于对未来事件发生概率的预测，或未知样本分类的预测。解释性回归：自变量选取有依据，并在构建模型前做了研究假设。这种条件下即使变量不显著也要保留，从业务上去解释不显著的原因。
电费风险防控模型采用逻辑回归算法，输入客户信用、用电趋势、行业景气信息等三个维度下的指标变量，挖掘运算得到客户未来的欠费风险概率，同时对突发事件的影响范围进行判定，当无突发事件影响时，将未来欠费风险概率P转化为风险等级输出，当受到突发事件影响时，则根据突发事件具体情况直接判定风险等级。
风险等级划分：依据电费风险防控模型预测准确率最高原则来设置欠费风险概率P的分段界限值，将P值在60％(包含60％)到100％之间定义为高风险，在10％(包含10％)到60％之间定义为中风险，在0％到10％之间定义为低风险。
具体如下：
步骤1：收集企业用电趋势信息，基于SG186营销业务应用系统、用电信息采集系统的用户信息、用电特征信息、缴费行为信息，收集回款时长，是否连续逾期，用电量变化趋势，逾期时长，现金交费次数占比，催费短信是否订阅，催费短信发送次数，客户用电量同比，客户用电量环比，业务变更，交费渠道偏好。
步骤2：收集行业景气信息与突发事件，主要包括行业景气度，行业用电量同比，行业用电量环比，突发事件。
步骤3：收集外部数据，主要包括生产经营信息，外部信用信息，企业社会形象，行业前景信息，客户资产信息，国家政策信息。
步骤4：将以上指标数据按照统一单位进行转化,将转化好的变量放入一个列表x＝[x1,x2,x3…xn]。
步骤5：构建逻辑回归模型，将上一步构造的列表作为训练集输入，将历史缴费信息作为训练集结果。
步骤6：使用逻辑回归模型，
Figure BDA0002538746570000051
其中z(x)＝β0+β1x1+β2x2+...+βnxn，输入训练集，经过机器学习，拟合逻辑回归中的参数β。
步骤7：利用模型。分析企业当前电费缴收风险。例如，某市XX纤维有限公司，交流10kV服装制造业用户，属于后付费用户。2018年10月用电量729850度，属于大电量用户，当月出现欠费，且年内有违约金记录6次，根据风险等级判定规则，该用户属于AAA级高风险用户。接到风险提醒后，客户经理加大对用户欠费催缴力度和频率，确保每月电费按时结清。

Claims (4)

1.一种基于机器学习的电费回收风险预测方法，其特征在于：综合考虑企业用电趋势、行业景气信息与突发事件以及外部数据三大类数据，使用逻辑回归对指标进行机器学习得到概率，根据概率进行风险分级；具体如下：
步骤1：收集企业用电趋势信息，基于SG186营销业务应用系统、用电信息采集系统的用户信息、用电特征信息、缴费行为信息，收集回款时长，是否连续逾期，用电量变化趋势，逾期时长，现金交费次数占比，催费短信是否订阅，催费短信发送次数，客户用电量同比，客户用电量环比，业务变更，交费渠道偏好；
步骤2：收集行业景气信息与突发事件，包括行业景气度，行业用电量同比，行业用电量环比，突发事件；
步骤3：收集外部数据，包括生产经营信息，外部信用信息，企业社会形象，行业前景信息，客户资产信息，国家政策信息；
步骤4：将以上指标数据按照统一单位进行转化,将转化好的变量放入一个列表x＝[x1,x2,x3…xn]；
步骤5：构建逻辑回归模型，将上一步构造的列表作为训练集输入，将历史缴费信息作为训练集结果；
步骤6：使用逻辑回归模型，
Figure FDA0002538746560000011
其中z(x)＝β0+β1x1+β2x2+...+βnxn，输入训练集，经过机器学习，拟合逻辑回归中的参数β；
步骤7：利用模型，分析企业当前电费缴收风险。
2.根据权利要求1所述的基于机器学习的电费回收风险预测方法，其特征在于：按照企业用电趋势、行业景气信息与突发事件以及外部数据三大类，分别收集各类不同指标。
3.根据权利要求1所述的基于机器学习的电费回收风险预测方法，其特征在于：使用机器学习中的逻辑回归对用户欠费概率进行计算。
4.根据权利要求1所述的基于机器学习的电费回收风险预测方法，其特征在于：根据欠费概率，对用户风险进行分级；风险等级划分：依据电费风险防控模型预测准确率最高原则来设置欠费风险概率P的分段界限值，将P值在60％包含60％到100％之间定义为高风险、在10％包含10％到60％之间定义为中风险、在0％到10％之间定义为低风险。
CN202010540500.XA 2020-06-15 2020-06-15 一种基于机器学习的电费回收风险预测方法 Pending CN111639883A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010540500.XA CN111639883A (zh) 2020-06-15 2020-06-15 一种基于机器学习的电费回收风险预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010540500.XA CN111639883A (zh) 2020-06-15 2020-06-15 一种基于机器学习的电费回收风险预测方法

Publications (1)

Publication Number Publication Date
CN111639883A true CN111639883A (zh) 2020-09-08

Family

ID=72331464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010540500.XA Pending CN111639883A (zh) 2020-06-15 2020-06-15 一种基于机器学习的电费回收风险预测方法

Country Status (1)

Country Link
CN (1) CN111639883A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112541662A (zh) * 2020-12-02 2021-03-23 国网安徽省电力有限公司 一种电费回收风险的预测方法及系统
CN112766665A (zh) * 2021-01-04 2021-05-07 国网上海市电力公司 一种基于风险等级的电费回收风险防控方法
CN113011853A (zh) * 2021-03-29 2021-06-22 广东电网有限责任公司 一种基于新楼盘用电信息的企业逃税稽查方法及系统
CN113256008A (zh) * 2021-05-31 2021-08-13 国家电网有限公司大数据中心 一种欠费风险等级确定方法、装置、设备和存储介质
CN113610409A (zh) * 2021-08-12 2021-11-05 北京中电普华信息技术有限公司 一种电费回收风险预警方法及装置
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

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110210686A (zh) * 2019-06-13 2019-09-06 郑州轻工业学院 一种电力大数据的电费风险模型构建方法
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110210686A (zh) * 2019-06-13 2019-09-06 郑州轻工业学院 一种电力大数据的电费风险模型构建方法
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

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112541662A (zh) * 2020-12-02 2021-03-23 国网安徽省电力有限公司 一种电费回收风险的预测方法及系统
CN112541662B (zh) * 2020-12-02 2024-01-12 国网安徽省电力有限公司 一种电费回收风险的预测方法及系统
CN112766665A (zh) * 2021-01-04 2021-05-07 国网上海市电力公司 一种基于风险等级的电费回收风险防控方法
CN113011853A (zh) * 2021-03-29 2021-06-22 广东电网有限责任公司 一种基于新楼盘用电信息的企业逃税稽查方法及系统
CN113011853B (zh) * 2021-03-29 2022-08-23 广东电网有限责任公司 一种基于新楼盘用电信息的企业逃税稽查方法及系统
CN113256008A (zh) * 2021-05-31 2021-08-13 国家电网有限公司大数据中心 一种欠费风险等级确定方法、装置、设备和存储介质
CN113610409A (zh) * 2021-08-12 2021-11-05 北京中电普华信息技术有限公司 一种电费回收风险预警方法及装置
CN113610409B (zh) * 2021-08-12 2024-07-19 北京中电普华信息技术有限公司 一种电费回收风险预警方法及装置
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
CN111639883A (zh) 一种基于机器学习的电费回收风险预测方法
CN109492026B (zh) 一种基于改进的主动学习技术的电信欺诈分类检测方法
CN108510280B (zh) 一种基于移动设备行为数据的金融欺诈行为预测方法
CN108765004A (zh) 一种基于数据挖掘识别用户窃电行为的方法
CN108596443A (zh) 一种基于多维度数据的用电客户信用等级评价方法
CN109903182A (zh) 基于随机森林算法的电力客户欠费风险分析方法及装置
CN114049150A (zh) 一种工程造价核算管理系统
CN112785427B (zh) 基于电力数据的企业信用分析系统
CN111626614A (zh) 一种基于电费回收的用户分类方法
CN112418738A (zh) 一种基于逻辑回归的员工操作风险预测方法
CN105139150A (zh) 一种交费大数据的用户电费风险评估系统
CN112686473A (zh) 一种基于分类算法的用电量预测方法及预测系统
CN116681450A (zh) 一种支撑智能催费的客户信用评价方法及系统
CN114529288A (zh) 一种电力结算管理方法、系统和可读存储介质
CN114118672A (zh) 电力系统项目需求自动生成方法及系统
CN113837512B (zh) 异常用户的识别方法及装置
CN112465559A (zh) 基于物联网的二手电力物资增值服务系统及价值评估方法
CN107133885A (zh) 基于移动互联网的分布式新能源服务平台及其构建方法
CN113538011B (zh) 一种电力系统中非在册联系信息与在册用户的关联方法
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
CN112884000A (zh) 一种基于数据挖掘的用电检查智能诊断方法及诊断系统
CN112258067A (zh) 基于高斯混合模型聚类算法的低压用户缴费行为分类方法
Dong et al. The research on user short-term electricity load forecasting for judging electric theft
Han et al. Artificial Intelligence Based Risk Prediction System for Electricity Bill Recovery
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

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

Application publication date: 20200908

RJ01 Rejection of invention patent application after publication