一种针对低压用户群电费回收风险评估模型的构建方法与流程

本发明涉及电力系统
技术领域：
，特别是指一种针对低压用户群电费回收风险评估模型的构建方法。
背景技术：
：近年来，随着社会的快速发展，电力企业在关注高压用户的同时开始慢慢关注低压用户的用电风险，而用电风险中主要关注电费回收风险，而如何对低压用户或低压用户群构建评估指标体系并对低压用户群电费回收风险进行评估是当前电力企业面临的一大考验。技术实现要素：本发明要解决的技术问题是提供一种针对低压用户群电费回收风险评估模型的构建方法，以解决现有技术所存在的低压用户群电费回收风险评估困难的问题。为解决上述技术问题，本发明实施例提供一种针对低压用户群电费回收风险评估模型的构建方法，包括：根据低压用户群的用电行为，构建低压用户群电费回收风险指标体系；根据构建的所述低压用户群电费回收风险指标体系中的风险度指标与用电风险度之间的相关性，确定风险度指标权重值；根据确定的风险度指标权重值，预测低压用户群的电费回收风险。进一步地，所述构建的所述低压用户群电费回收风险指标体系中的风险度指标包括：预收金额、预收冲抵金额、费控用户数、停电用户数据、代扣用户数据占比、代扣金额占比、费控用户占比、欠费停电用户占比。进一步地，所述代扣用户数据占比表示为：进一步地，所述代扣金额占比表示为：进一步地，所述费控用户占比表示为：进一步地，所述欠费停电用户占比表示为：进一步地，在根据构建的所述低压用户群电费回收风险指标体系中的风险度指标与用电风险度之间的相关性，确定风险度指标权重值之前，所述方法还包括：对构建的所述低压用户群电费回收风险指标体系中的风险度指标进行数据描述；根据数据描述结果，，确定所述低压用户群电费回收风险指标体系中每个风险度指标的故须盒图，所述故须盒图包括：离群点和非离群点；将离群点的数值修正到非离群点的最大值。进一步地，所述根据构建的所述低压用户群电费回收风险指标体系中的风险度指标与用电风险度之间的相关性，确定风险度指标权重值包括：s1，确定专家；s2，将构建的所述低压用户群电费回收风险指标体系中的风险度指标作为影响电费回收风险的因素确定对象征询意见表；s3，获取风险度指标的数据描述，并向专家提供获取的风险度指标的数据描述供专家分析，以匿名方式征询专家确定的风险度指标权重值；s4，对专家确定的风险度指标权重值进行统计，将统计结果反馈给专家；s5，专家根据反馈结果修正各自对各个风险度指标的权重值；s6，重复s1-s5，经过多轮匿名征询和反馈，得到各个风险度指标最终权重值。进一步地，所述s4包括：利用topsis算法，对专家确定的风险度指标权重值进行统计，将统计结果反馈给专家。进一步地，所述根据确定的风险度指标权重值，预测低压用户群的电费回收风险包括：根据确定的风险度指标权重值，利用topsis算法，预测低压用户群的电费回收风险。本发明的上述技术方案的有益效果如下：上述方案中，根据低压用户群的用电行为，构建低压用户群电费回收风险指标体系；根据构建的所述低压用户群电费回收风险指标体系中的风险度指标与用电风险度之间的相关性，确定风险度指标权重值；根据确定的风险度指标权重值，能够预测低压用户群的电费回收风险。附图说明图1为本发明实施例提供的针对低压用户群电费回收风险评估模型的构建方法的流程示意图；图2为本发明实施例提供的低压用户群电费回收风险指标体系示意图；图3为本发明实施例提供的预收冲抵金额的故须盒图；图4为本发明实施例提供的预收冲抵金额概率密度图；图5为本发明实施例提供的用户群topsis风险度分布结果。具体实施方式为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。本发明针对现有的低压用户群电费回收风险评估困难的问题，提供一种针对低压用户群电费回收风险评估模型的构建方法。如图1所示，本发明实施例提供的针对低压用户群电费回收风险评估模型的构建方法，包括：步骤101，根据低压用户群的用电行为，构建低压用户群电费回收风险指标体系；步骤102，根据构建的所述低压用户群电费回收风险指标体系中的风险度指标与用电风险度之间的相关性，确定风险度指标权重值；步骤103，根据确定的风险度指标权重值，预测低压用户群的电费回收风险。本发明实施例所述的针对低压用户群电费回收风险评估模型的构建方法，根据低压用户群的用电行为，构建低压用户群电费回收风险指标体系；根据构建的所述低压用户群电费回收风险指标体系中的风险度指标与用电风险度之间的相关性，确定风险度指标权重值；根据确定的风险度指标权重值，能够预测低压用户群的电费回收风险。本实施例主要是针对低压用户，所述低压用户主要是指用电电压为220v的用户，也可以指用电电压小于220v的用户；由于低压用户人数较多，可以根据供电单位进行划分，形成697个低压用户群，围绕其用电行为数据构建低压用户群电费回收风险指标体系。本实施例所述的针对低压用户群电费回收风险评估模型的构建方法，考虑客户欠费停电数据和预收电费数据，客户群体欠费电费和预收电费对风险度一般成正负比关系。根据风险划分理论，可以将低压用户群的风险度指标划为:预收金额、预收冲抵金额、费控用户数、停电用户数据、代扣用户数据占比、代扣金额占比、费控用户占比、欠费停电用户占比，细分指标，如图2所示。在前述针对低压用户群电费回收风险评估模型的构建方法的具体实施方式中，进一步地，所述构建的所述低压用户群电费回收风险指标体系中的风险度指标包括：预收金额、预收冲抵金额、费控用户数、停电用户数据、代扣用户数据占比、代扣金额占比、费控用户占比、欠费停电用户占比。在前述针对低压用户群电费回收风险评估模型的构建方法的具体实施方式中，进一步地，所述代扣用户数据占比表示为：在前述针对低压用户群电费回收风险评估模型的构建方法的具体实施方式中，进一步地，所述代扣金额占比表示为：在前述针对低压用户群电费回收风险评估模型的构建方法的具体实施方式中，进一步地，所述费控用户占比表示为：在前述针对低压用户群电费回收风险评估模型的构建方法的具体实施方式中，进一步地，所述欠费停电用户占比表示为：本实施例中，预收金额是用户群的预收总金额，一般认为与风险度成反比；停电用户数据是用户群的停电用户数量，一般认为与风险度成正比；费控用户数是用户群的总用户数数目，一般认为与风险度成反比；预收冲抵金额是用户群的预收冲抵总金额，一般认为与风险度成反比；代扣用户数据占比一般认为与风险度成反比；代扣金额占比一般认为与风险度成反比；费控用户占比一般认为与风险度成反比；欠费停电用户占比一般认为与风险度成正比。本实施例抽取最近一年(2015年1月到2016年12月)的数据做实验，如表1所示，表1给出697个低压用户群各项风险度指标的数据描述：表1风险度指标的数据描述本实施例中，作为一可选实施例，在根据构建的所述低压用户群电费回收风险指标体系中的风险度指标与用电风险度之间的相关性，确定风险度指标权重值之前，所述方法还包括：对构建的所述低压用户群电费回收风险指标体系中的风险度指标进行数据描述；根据数据描述结果，确定所述低压用户群电费回收风险指标体系中每个风险度指标的故须盒图，所述故须盒图包括：离群点和非离群点；将离群点的数值修正到非离群点的最大值。本实施例中，针对各风险度指标，可以通过故须盒图以及概率密度图来查看数据的分布，以预收冲抵金额为列，其故须盒图和概率密度图分别如图3，图4所示。本实施例中，还需对离群点进行预处理，将离群点的数值修正到非离群点的最大值，具体的，例如，本实施例中规定当数值超过1.5倍的iqr(四分位数极差)时，即超过故须盒图的胡须即为离群点，上下胡须内即为非离群点。如图3中所示，可以看到有几个用户群预收冲抵金额远远超出其余用户群，已在上胡须之外，可将该批用户群的预收冲抵金额按照上胡须处的值进行计算，将离群点的数值修正到非离群点的最大值。本实施例中，可以利用改进的德尔菲法确定各风险度指标的权重值，为了更好地理解改进后的德尔菲法，先对改进前的德尔菲法进行说明：德尔非法是一种专家评分法，首先根据评价对象的具体要求选定若干个评价项目，再根据评价项目制订出评价标准。通过匿名方式征询有关专家的意见，对专家意见进行统计、处理、分析和归纳，客观地综合多数专家经验与主观判断，对大量难以采用技术方法进行定量分析的因素做出合理估算，经过多轮意见征询、反馈和调整后，对债权价值和价值可实现程度进行分析的方法。改进前的德尔非法的执行步骤可以包括：1)选择专家；2)确定影响债权价值的因素，设计价值分析对象征询意见表；3)向专家提供债权背景资料，以匿名方式征询专家意见；4)对专家意见进行分析汇总，将统计结果反馈给专家；5)专家根据反馈结果修正自己的意见；6)经过多轮匿名征询和意见反馈，形成最终分析结论。本实施例中，对原有的德尔菲方法进行改进，不用德尔菲对指标进行评分，而是利用这套流程进行权重确定。改进后的德尔菲在本实施例中的应用步骤可以包括：1)选定电网市级营业厅的业务人员为专家；2)以本实施例确定的8项风险度指标为影响电费回收风险的因素设计对象征询意见表；3)向专家提供预处理后的风险度指标的数据描述，让专家对各个风险度指标进行分析，以匿名方式征询专家确定的风险度指标权重值；4)可以用topsis算法对专家确定的各项风险度指标权重值进行统计，将统计结果反馈给专家；5)专家根据反馈结果修正自己对各个风险度指标的权重值；6)经过多轮匿名征询和意见反馈，得到各个风险度指标最终权重值。专家在每轮迭代定权重中可以根据统计结果来修正各个风险度指标的权重值。统计结果并不是各个风险度指标权重值的简单叠加，而是可以通过topsis算法求出各用户群最佳方案和最差方案之间的距离来，对低压用户群的电费回收风险进行综合评价。经过德尔菲法后得到的各项指标权重值如下表所示：风险度指标最终权重预收金额/元-4预收冲抵金额/元-8费控用户数/个-3停电用户数据/个5代扣金额占比-4代扣用户数据占比/％-4费控用户占比/％-2欠费停电用户占比/％9本实施例中，优选地，作为一可选实施例，所述根据构建的所述低压用户群电费回收风险指标体系中的风险度指标与用电风险度之间的相关性，确定风险度指标权重值包括：s1，确定专家；s2，将构建的所述低压用户群电费回收风险指标体系中的风险度指标作为影响电费回收风险的因素确定对象征询意见表；s3，获取风险度指标的数据描述，并向专家提供获取的风险度指标的数据描述供专家分析，以匿名方式征询专家确定的风险度指标权重值；s4，对专家确定的风险度指标权重值进行统计，将统计结果反馈给专家；s5，专家根据反馈结果修正各自对各个风险度指标的权重值；s6，重复s1-s5，经过多轮匿名征询和反馈，得到各个风险度指标最终权重值。本实施例中，作为又一可选实施例，所述对专家确定的风险度指标权重值进行统计，将统计结果反馈给专家(s4)包括：利用topsis算法，对专家确定的风险度指标权重值进行统计，将统计结果反馈给专家。在前述针对低压用户群电费回收风险评估模型的构建方法的具体实施方式中，进一步地，所述根据确定的风险度指标权重值，预测低压用户群的电费回收风险包括：根据确定的风险度指标权重值，利用topsis算法，预测低压用户群的电费回收风险。本实施例中，针对低压用户，由于所定义的风险度指标数据有的是越大风险度越高，有的是越小风险度越高，比较适合采用逼近于理想解的排序算法(techniquefororderpreferencebysimilaritytoidealsolution，topsis)，根据确定的风险度指标权重值，给低压用户的电费回收风险度进行打分，从而预测低压用户群的电费回收风险。本实施例中，topsis算法的基本思想是：对归一化后的原始数据矩阵，确定出理想中的最佳方案和最差方案，然后通过求出各被评方案与最佳方案和最差方案之间的距离，得出该方案与最佳方案的接近程度，并以此作为评价各被评对象优劣的依据。本实施例中，利用topsis算法以及确定的风险度指标权重值对697个用户群的topsi风险度进行划分，最终得出结果如图5所示。结果显示用户群的风险度在高值区域分布较少，在中低部分分布较多。这种分布结果侧面符合了二八定理，即小部分的群体为贡献了大部分风险值，而大部分用户群属于低风险甚至无风险状态，同时将该模型应用于某电网公司，能较好地找出高风险低压用户群，说明其评分结果的合理性。以上所述是本发明的优选实施方式，应当指出，对于本
技术领域：
的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。当前第1页12