基于电力大数据的电费回收风险预测方法研究

基于电力大数据的电费回收风险预测方法研究

王珊珊

云南电网有限责任公司昆明晋宁供电局 云南昆明晋宁 650600

摘要：为了解决电力企业电费回收周期长、回收困难的问题，电力企业从技术方面深入研究了基于电力用户风险的电费回收预测方法，实现了电费回收抗风险能力的提升。但是电力企业并不具备对用户欠费风险进行预判的能力，不能够依据用户的欠费风险等级采取有效的风险应对措施。因此，为了实现企业的电费回收抗风险能力的提升，在此方面展开风险预测意义重大。为了保证电力企业具备足够的风险抵御能力、进一步降低企业经营风险，对电费回收风险进行科学、精准的预测尤为重要。

关键词：电力大数据；电费回收；风险预测；方法

1用大数据分析电费回收风险的机遇

近年来，5G技术的快速发展使得万物互联成为了可能，电力企业要利用好这次机遇做好预测分析，将客户动态信息整体汇总后，挖掘其中的特征、规定、特点，实现对电费问题的预测。在电费回收方面，了解客户的部分需求，将风险绘制出来，促进电力企业向着个性化、制定化方面发展。

在新形势背景下，电力企业要积极学习先进技术，努力创造现代化的电力企业。同时，工作人员也要保持敬业态度，尽心尽力完成上级交代的任务，为电费催收工作减忧担责。

2供电企业电费回收现状

1)客户群体广且增速快。鉴于一户一表安装、国有企业“三供一业”分离、小微企业快速发展等情况，供电企业客户基数和增量均较大，传统的基于个人工作经验的电费回收模式具有较大局限性，缺乏科学的、全面的客户电费回收风险评估手段。2)实际用电客户信息迭代快。随着房地产经济的繁荣，房屋交易、租赁导致实际用电主体信息变更较快，供电企业掌握的客户基本信息数据，如客户联系方式，其准确度不足以支撑电费远程催收工作有效开展。3)客户违约成本低，法律意识淡薄。按照《电力供应与使用条例》第三十九条规定:“逾期未交付电费的，供电企业可以从逾期之日起，每日按照电费总额的千分之一至千分之三加收违约金。”虽然单一客户的违约成本低，但供电企业的客户基数大，叠加后其资金回收压力较大。

3基于电力大数据的电费回收风险预测方法

3.1模型构建思路

首先，要进行数据的预处理，对于关联性较强的数据，不需要全部保留，与此同时建立衍生变量，以作为模型构建的数据基础。其次，对数据进行前期的特征属性分析，通过对欠费用户的用电行为、用电变化情况、用电偏好等情况进行初步的统计分析，形成最基本的构建思路，作为指标选取的基准。再次，确定相关指标，构建指标体系，根据逻辑回归模型的要求，进行聚类、关联、成分分析，这样能够降低模型中变量维度，得到各个指标相应的权重参数，通过变量分组和证据权重转化实现数据变换，以满足建模对于数据的具体要求。最后，对模型进行训练校验，完成模型评估，反复训练得到最优模型。

3.2缴费数据挖掘

电费回收工作具有明显时间节点特征。未缴纳电费的客户继续用电，则按照国网重庆市电力公司有关文件规定，每月24日以后，当月电费发行开始计收违约金。客户在电力系统中的缴费记录数据与电费回收风险评估模型具有较大关联性，该项数据具有较大挖掘价值。

利用深度学习-决策树分类理论，并考虑到用电客户主体可能变更等因素，将训练样本缩减为用户2018—2020年所有的电费缴费记录，并通过特征工程整合，整合出:开户年限/缴费总次数/欠费总次数/欠费次数占比/5号前缴费次数/5号前缴费占比/20号前缴费次数/平均缴费时间段等20个新特征。

输出参数包含3项:欠费概率，定义为客户20号以后缴费的概率，同时定义欠费概率在80%及以上的为高风险客户;缴费方式，分“线上缴费”“营业厅坐收”和“其他机构代收”3类;缴费习惯，分“当月10号以前”“当月10～15号”“当月15～20号”3类。

3.3建立模型

1)对于客户电力催收顺序因素分为定量指标、定性指标，这两者所蕴含的意义不同，定量指标是关于电力的拖欠方式、时间、金额等内容，定性指标是关于用电方式、电压等级、缴费方式等内容。在多次研究中，发现层次分析法优势比较明显，所以采用建立模型将是分析法的基础上，对风险预测做出合理的展示。在建立过程中，明确好用电客户催收顺序，排序为不同的层次，准则层为缴费时间、缴费方式、欠费数额等，一些欠费的客户要设置为方案层，对接上一步的准则层数据，得到用户的具体信息，进而实现目标层的回收方式。

2)准则层缴费时间因素的不同，应作如下分类：①缴费时限已经超出，用户仍选择在当月缴费清单。②次月电费形成之前，缴费金额为上月电费。③次月电费即使发行，但仍未做出任何缴费行动。对于缴费方式通常分为微信缴费、支付宝缴费、银行卡缴费、线下现金缴费、营业厅缴费等。前2种缴费方式普遍被运用，明显高于后3种的使用率，对应分数较高。准则层其他的准则，会根据形势的变化作出调整，具体是回收风险与权重的设置，为此调整大小，举例来说，若是某客户的欠费期间较多，那么电费回收风险随着期数增加，权重随着风险和期数再次出现增加现象。

3.4电量数据挖掘

供电企业用电信息采集系统建设，能够提供大量客户的历史电量数据，同时通过电力载波通信，可实时采集客户电流、电压数据，这些数据均可用于客户画像，进而可分析得出客户历史用电习惯，比如什么时候在家、目前用电状态、是否停用电等。电量数据的挖掘分析，对于供电企业电费回收工作中的上门催收、停电催收等环节具有重要参考价值。

通过样本训练，可以得到客户的居住行为判定与预测模型，用于供电企业精准上门催收;也可以得到客户用电行为判定模型，用于供电企业监控对欠费客户实施停电催收的工作是否执行顺利。

4应用前景

层次化模型的建立，不失为一项好的办法，可直观地分析出用电回收风险的预测，进而建立模型，相比于以往传统模式工作方式，减少了巨大工作量，现阶段的客户信息都汇集于模型中，形成精确的分数，为工作人员提供了便利，提升了催收效率。

该模型的应用比较先进、便利，能够对用户进行长期观察，降低风险，转换为主动催收，结合相应的措施，针对性管控用户，例如对部分用户的用电进行观察，对一些有需要的用户可以缩短缴费周期，做出人性化的措施；像一些信用低、分数低、态度差的用户，与中国人民银行合作，以信用等级为标准，将电费的相关信息程度与征信结合，形成备案机制。

结论

基于电力大数据的电费回收风险防控策略，充分将供电企业的客户历史缴费数据和用电数据与电费回收实际工作相结合，通过深度学习算法，构建四大模型，根据模型结果制订出差异化的、科学的电费回收工作流程，降低了供电企业电费回收风险，起到了较好风险防控效果。实践结果表明，应用新的风险防控策略后，月底欠费客户数下降48%，节省了供电企业电费催缴成本，提高了电费回收工作效率。下一步可与政府、互联网企业开展数据共享合作，自动关联并更新客户档案数据，减少人工数据收集工作量，同时引入智能语音客服、自动短信推送等智能化手段，进一步提高电费回收的工作效率。

参考文献：

[1]张东霞，苗新，刘丽平，等．智能电网大数据技术发展研究[J]．中国电机工程学报，2015,35(1):2-12.

[2]朱朝阳，王继业，邓春宇．电力大数据平台研究与设计[J]．电力信息与通信技术，2015,13(6):1-7.

[3]彭小圣，邓迪元，程时杰，等．面向智能电网应用的电力大数据关键技术[J]．中国电机工程学报，2015,35(3):503-511.

[4]辛苗苗，张延迟，解大．基于电力大数据的用户用电行为分析研究综述[J]．电气自动化，2019,41(1):1-4,27.