電網企業大客戶信用評價研究

摘 要： 電費拖欠問題日益嚴重，尤其是大客戶電費拖欠問題，對電網企業的影響之大引起 供電企業和全社會的密切關注。在分析影響電網企業大客戶信用因素的基礎上，建立了一套 適用于大客戶信用評價的指標體系。在分析現有的用電客戶信用評價方法后，采用BP神經網 絡建立用電客戶信用評價模型，用層次分析法來確定指標體系的連接權重，兩者結合，實現 了優勢互補。對保定市供電公司用電大客戶的實例研究表明，評價值與實際值相差較小，該 模型的評價結果是較令人滿意的。

關鍵詞：層次分析法 BP神經網絡 電網大客戶 指標體系 信用評價

中圖分類號:F270 文獻標識碼:A 文章編號:1004-4914(2008)05-209-02

一、前言

電網企業收費所面臨的風險之大，欠費所造成的后果之嚴重，是難以置信的。據相關資 料統計，截止到2006年底，全國電力行業有300多億元電費被拖欠，整個電網行業被拖欠的 電費占各企業流動資產的26%左右，50%的電網企業當年創造利潤的35%被拖欠的電費湮沒。 嚴重侵害了國家利益，影響了電網企業正常生產經營。電費拖欠成為困擾各級電網企業的一 大難題并非自今日始，只是近來日趨嚴重，致使電網企業不堪重負。電能是一種非常特殊的 產品，具有無形性、產供銷過程同時性和不可存儲性等特點，這就決定了電力產品的銷售以 “先用電、后付費”的賒銷方式為主，所以，電網企業面臨的信用風險始終存在。分析評價 電網企業大客戶信用，對信用差的大客戶采取規避風險的對策，對電網企業經營來說已十分 迫切。

電力用戶信用為電力用戶交納電費能力和交納電費意愿的綜合。目前關于電力客戶信用 評價的研究相對較少，評價指標體系的建立相對也不健全。對用電客戶信用評價的研究方法 目前主要有定性評價和定量評價兩大類。從電力客戶失信的原因方面進行分析，首先建立電 力客戶信用風險評價指標體系，運用層次分析法求出各指標的權重；以三角模糊數的形式給 出指標值和評價者的主觀感覺值，將基于期望值的模糊多屬性決策法引入用電客戶的信用評 價中。在建立用電客戶信用評價指標體系的基礎上，首先采用基于語言評價信息的逼近理想 點的排序方法(TOPSIS)對用電客戶信用進行主觀評價，繼而采用熵權法對用電客戶信用進行 客觀評價，將兩者結合。本文采用層次分析法和神經網絡建立評價模型，以機器學習的優點 更好的評價電網企業的大客戶。

基于數據的機器學習是現代智能技術中的重要方面，1986年，Rumelhart和McClelland

領導的科學小組提出實現多層網絡的BP神經網絡，是人工神經網絡中最為重要的網絡之一。 BP神經網絡以其不斷訓練自主調整的動態特性，很強的非線性影射能力以及很強的泛化功能 容錯能力成為迄今為止應用最為廣泛的網絡算法。但是BP神經網絡的訓練是基于誤差梯度下 降的權重修改原則，不可避免的存在落入局部最小點問題；用層次分析法來確定指標體系的 權重，將主觀評價和客觀評價相結合，避免了神經網絡權重任意賦值的缺陷。前人關于改進 神經網絡結合的研究主要應用在預測和其他方面的評價中，在用電客戶信用評價中 還 未見研究。對保定市用電客戶的實例研究表明，基于層次分析法和神經網絡模型能對用電客 戶的信用進行很好的評價。

二、電網企業大客戶信用評價指標體系的建立

電網企業大客戶信用評價是指對電網企業大客戶在電費交費行為、能力和其他有關方面 的衡量，如果電力公司加強對電網企業大客戶信用的監控與管理，則可以規避運行風險，減 少損失。要對電力客戶的信用情況進行定級評估，首先牽涉到的問題是用于分析定級的指標 建立，也就是要從哪幾個方面考核信用情況。從電力公司對客戶繳費情況的管理看，每月的 電費交納記錄的確能夠在某種程度上反映其信用狀況，但作為對電力客戶的信用管理，僅僅 憑電費記錄顯然不夠，這是因為在當前市場經濟條件下，一方面，電力客戶的經營活動是動 態的，其資信水平是變化的；另一方面，電力公司本身的營銷方式也較之計劃體制下更為靈 活，對于電力客戶的考核也不應該一成不變。因此，信用指標還需全面考慮。國際上評估 企業信用的傳統要素主要有品格、能力、資本、擔保、經營狀況5項，根據我國的基本情況 和有關的文獻資料，本文所建立的用電客戶信用評價的指標體系如下：（1）信譽，著重分 析用電客戶是否依照協議按期如數交納電費的意愿和行為以及其本身的形象，主要包括歷史 欠費規模、累計欠費次數比率、平均付款天數、電費按期償還率、違章用電次數、企業形象 、企業潛力；（2）能力，著重分析用電客戶支付電費的能力，主要包括銷售利潤率、總資 產報酬率、資產負債率、凈資產收益率、現金流動負債比率、速動比率；（3）安全，主要 指客戶安全事故的多少、性質的惡劣程度、日常是否重視安全、安全措施是否得當；（4） 合作，主要包括用電客戶與供電企業在用電調度等方面的配合情況、是否有阻礙、擾亂電力 生產建設秩序及危害電力設施的行為，若存在，其惡劣程度；（5）抵押或擔保，這里主要 從用電客戶能否提供抵押或擔保以及抵押或擔保可靠程度兩方面來評價。

三、電網企業大客戶信用評價模型的建立

（一）層次分析法確定指標權重系數

1．構建比較判斷矩陣。本文采用德爾菲法構造判斷矩陣所需的數據，邀請相關專家對 各個指標的相對重要性進行評分，結合電網企業大客戶的特點，具體操作如下： (1)組成專家小組。按照課題所需要的知識范圍，確定專家。(2)請有關專家對評價指標用德 爾菲法進行篩選。由專家判斷各個評價內容或指標對電 廠安全性評價的影響程度，影響程度分為五級，具體內容如表1所示。

（3）將各位專家對指標之間的重要性打分，進行對比，再分發給各位專家，讓專家比 較自己同他人的不同意見，修改自己的意見和判斷，然后把這些意見再分送給各位專家，以 便他們參考后修改自己的意見。

(4)將所有專家的修改意見收集起來，匯總，再次分發給各位專家，以便做第二次修改 。逐輪收集意見并為專家反饋信息是德爾菲法的主要環節。

(5)將各專家對評價指標的評分值累加，再將對累加值除以參評的專家人數n求出影響 平均值Vi。計算公式為：

式中Vi——i指標影響平均值（用四舍五入法取整數）；mij——j專家對i指標影響 大小的打分值；n——對i指標進行打分的專家人數；

現通過專家咨詢，得到了信譽評價判斷矩陣A1，能力評價判斷矩陣A2，安全評價判 斷矩陣A3，合作評價判斷矩陣A4，抵押或擔保評價判斷矩陣A5，總判斷矩陣A6。

2．確定層次權重值及一致性檢驗。如前述所示，比較判斷矩陣的特征向量W即為各要素 的相對重要性向量。因此，在所得到比較判斷矩陣后，接下去應計算比較判斷矩陣的特征向 量W和特征值λmax(可以證明，該特征值是該矩陣的最大特征值)，這個過程也叫做層 次單排序。

矩陣的特征值及其對應的特征向量的估算方法有和積法、方根法、冪法等多種方法。本 文采用和積法，其具體步驟如下：

(1)計算比較判斷矩陣A中每一列要素的列和Sj。

(2)將比較矩陣A中的各個要素除以該要素所在列的列和Sj，得到一個歸一化了的新矩 陣A新， 這里歸一化矩陣是指每一列的列和等于的矩陣。設A新=(a*ij)，則有：

其中，RI為平均一致性指標，它是僅與比較判斷矩陣的階數有關的指標。一致性步驟檢驗如 下： 首先由（式5）計算比較判斷矩陣的最大特征值λmax；其次由（式6）、（式7）計算 隨機一致性比率CR；當CR≤0.1時，比較判斷矩陣具有滿意的一致性；當CR＞0.1時，判斷矩 陣不一致，必須進行修正；最后計算比較判斷矩陣的最大特征值。

由于矩陣為五階矩陣，n=5，查一致性檢驗表得RI=1.11，用Excel軟件計算得到各指標的 一致性檢驗結果。

信譽判斷矩陣A1中，CR=0.02<0.1，所以A1具有滿意的一致性；

能力判斷矩陣A2中，CR=0.02<0.1，所以A2具有滿意的一致性；

安全判斷矩陣A3中，CR=0.01<0.1，所以A3具有滿意的一致性；

合作評價判斷矩陣A4中，CR=0.04<0.1，所以A4具有滿意的一致性； 抵押或擔保評價判斷矩陣A5中，CR=0.01<0.1，所以A5具有滿意的一致性； 判斷矩陣A6中，CR=0.004<0.1，所以A6具有滿意的一致性。

（二）BP神經網絡模型

BP神經網絡是誤差反傳遞算法訓練的多層前饋網絡，由輸入層、隱層、輸出層構成， 神經元及神經元之間有連接權重，它的訓練過程可分為兩個過程：輸入的信息流從輸入層， 經隱層到輸出層逐層處理并計算出各神經元節點的實際輸出值，這一過程稱為信息流的正向 傳遞過程；計算網絡的實際輸出與訓練樣本期望值的誤差，若該誤差未達到允許值，根據此 誤差確定權重的調整量，從后往前逐層修改各層神經元節點的連接權重，這一過程稱為誤差 的逆向修改過程。兩個過程完成了一次學習迭代，而BP網絡的學習過程是在不斷迭代中重復 進行的，直到網絡的輸出誤差逐漸減小到允許的精度，或達到預定的學習次數。

四、評價模型在電網企業大客戶評價中的應用分析

本文選取保定市供電局2004年30個電網企業大客戶作為研究對象，通過實地調研和參 考有關專家打分意見，得到原始數據，對得到的原始數據進行歸一化處理。以前20家企業為 訓練樣本，后10家企業為測試樣本。以前述22項指標數據作為輸入，建立一個具有3層網絡 結構的遺傳神經網絡，其輸入層取22個節點，隱層取4個節點，輸出層有1個節點。采用層次 分析法確定指標體系的權重，作為神經網絡的輸入權重，

采用MATLAB編程進行求解，通過試算，期望誤差為0.03，最后得出訓練結果。由于篇 幅所限，本文只給出了部分訓練樣本的輸出值以及輸出值與原目標之間的誤差絕對值，見表 2。根據這30家電網企 業大客戶的信用仿真結果，聯系實際，統計出運用遺傳神經網絡進行評價的準確率可以達到 98.76%。

五、結論

電網企業大客戶信用涉及到多方面，本文本著既能較全面評價電網企業大客戶信用又 便于數據收集的原則，在分析影響因素的基礎上，從電網企業大客戶自身能力和以往信用情 況出發，建立了一套電網企業大客戶信用評價指標體系。用層次分析法來確定指標體系的權 重，將主觀評價和客觀評價相結合，避免了神經網絡權重任意賦值的缺陷，而且提高了BP神 經網絡的訓練速度。對保定市供電局的30家企業用電客戶進行仿真，訓練樣本和測試樣本 的輸出結果和絕對誤差表明，該評價模型適用于電網企業大客戶信用評價，為電網企業的客 戶關系管理提供了參考依據，具有理論和現實意義。

參考文獻:

1.蔡冠中.電力用戶信用等級分類.農電管理，2005（12）

2. 麻鳳海，楊維，楊帆等.應用改進BP神經網絡進行用水量預測.遼寧工程技術大學學報，2 004（2）

3. 王曉玲，李松敏，孫月峰等.基于遺傳神經網絡模型的水質綜合評價.中國給水排水，200 6（11）

4. 林崗，錢陽.基于神經網絡的機電產品綠色度評價.機械設計與制造，2006（5）

5. 楊淑霞，呂世森，喬艷芬.用電客戶信用的主客觀評價及分析.中國電力，2005（6）

6. 苑希民，李鴻雁，劉樹坤等.神經網路和遺傳算法在水科學領域的應用.北京：中國水利 水電出版社，2002

7. 周暉，王毅，鈕文浩等.電力客戶信用綜合評價的研究.電力自動化設備，2005（12）

8. 郭凱明.電力客戶信用風險分析與管理研究.廣西電業，2003（12）

9. 劉新才，曾鳴，黃琰.基于層次分析法的電力客戶信用風險評價.電力需求管理，2005 （6）

10. 李翔，楊淑霞，黃陳鋒.基于模糊多屬性決策法的用電客戶信用評價.電網技術，2004（ 21）

（作者簡介：阮艷花，華北電力大學經濟管理系碩士研究生；劉建夫，工作單位為華北電力 大學校長辦公室 河北保定 071003）

(責編：賈偉)