關于電費回收的電力大數據分析技術探討

姚盈吉

【摘 ?要】受國內外復雜經濟形勢對電網企業沖擊的影響，電費回收指標壓力越來越大，且電力營銷系統缺乏智能分析欠費客戶的功能，傳統催費方式工作量大、回收效果差，具有較大的盲目性。論文運用層次分析法建立客戶電費風險預測模型，以“欠費客戶催費順序”為切入點，通過分析客戶各類信息得到客戶信用分數，對其電費回收風險進行分析預測，從而及時發現存在的電費回收風險點，通過營銷策略調整降低風險，有效提高電費回收率，提升電力企業經營效益。

【Abstract】Affected by the impact of the complex economic situation at home and abroad on power grid enterprises， the pressure of electricity tariff recovery index is increasing， and the power marketing system lacks the function of intelligent analysis of customers in arrears， and the traditional charging method has heavy workload and poor recovery effect， which has great blindness. This paper uses analytic hierarchy process to establish the prediction model of customers' electricity tariff risk. This paper takes the "charging order of customers in arrears" as the breakthrough point， obtains the credit score of customers by analyzing all kinds of information of customers， analyzes and predicts the risk of electricity charge recovery， so as to find out the existing risk points of electricity tariff recovery in time. Through the adjustment of marketing strategies， reduce the risk， effectively improve the rate of electricity tariff recovery， and improve the operation benefits of power enterprises.

【關鍵詞】電費回收風險預測;層次分析法;客戶行為分析

【Keywords】prediction of electricity tariff recovery risk; analytic hierarchy process; customer behavior analysis

【中圖分類號】TP311;F426 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文獻標志碼】A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文章編號】1673-1069（2020）10-0180-02

1 基于大數據分析的電費回收背景

1.1 現狀

電費作為電網企業最重要的經營指標之一，反映了電網企業的經營管理的成果。目前，先用電后繳費仍是廣東省主要的用電方式，能否及時有效對欠費客戶開展電費催收工作直接影響了電力公司的經濟運行狀況。而電網企業雖掌握著大量的客戶用電數據，卻缺乏對海量信息進行挖掘分析，現行的電力營銷系統主流功能仍停留于對用電數據的記錄，員工也仍停留在僅根據客戶數據的記錄本進行電費催收的階段，無法實現對現存數據的智能化分析，并且通過人工篩選對客戶進行分類催收，存在工作量較大且電費回收效率低的問題。

1.2 用大數據研究分析電費回收風險的機遇

近年來科技高速發展，5G時代的到來使得萬物互聯成為可能，對未來的預測也成為大數據云時代最大的特征。對于電網企業來說，客戶每一個行為動態都會產生大量的數據，將所有數據中趨同的部分進行匯總，挖掘發現其中的規律特征，就能實現對客戶行為的預測。在電費回收方面，運用大數據能有效預測客戶電費回收風險并且有利于電網企業真正了解客戶需求，為客戶提供更加個性化、專業化服務。

2 用電客戶電費回收風險預測的大數據應用

2.1 層次分析法

層次分析法是將與決策總是有關的元素分解成目標、準則、方案等層次，在此基礎上進行定性與定量分析。主要是將一個復雜的多目標決策問題作為一個系統，將目標分解為多個目標或準則，進而分解為多準則的若干層次，通過定性指標模糊量化方法算出總排序，以作為多指標、多方案優化決策的系統方法。

具體運算方法是將決策問題按總目標、各層子目標、評價準則直至具體的備投方案的順序分解為不同的層次結構，然后用求解判斷矩陣特征向量的辦法，求得每一層次的各元素對上一層次某元素的優先權重，最后應用加權和的方法遞階歸并各備擇方案對總目標的最終權重，此最終權重最大者即最優方案。

2.2 建立模型

基于欠費客戶催費順序的因素既有定量指標（如欠費期數、欠費金額、繳費時間等），又有定性指標（如繳費方式、用電類別、電壓等級等），本文采用層次分析法建立用電客戶電費風險預測模型。運用層次分析法，以“欠費客戶催費順序”為目標層，繳費時間、繳費方式、欠費期數、欠費金額、用電類別等要素為準則層，欠費客戶為方案層，根據方案層中各個欠費客戶在準則層的各個要素得到各個欠費客戶信用分數，從而得到目標層的欠費客戶催費順序。模型示意圖如圖1所示。

準則層中的繳費時間可以分為三類：第一類為雖超過繳費期限但是仍在當月繳清電費;第二類為次月電費發行前才繳清電費;第三類為次月電費發行后仍未繳清電費。針對繳費方式，可以分為線上繳費如支付寶、微信、銀行劃扣等，以及線下繳費如終端機、營業廳等。第一類繳費時間到第三類繳費時間對應的分數可以是遞減的，線上繳費方式對應的分數高于線下繳費方式對應的分數。對準則層的其他準則，根據準則變化對電費回收風險影響的大小來設置權重大小，如欠費期數越多，電費回收風險越大，則權重相應地隨著期數增加而增加。

2.3 模型計算步驟

步驟一：輸入評價標準。其中，評價標準可以包含繳費時間、欠費期數和欠費金額分別對應的不同范圍的權重和分數以及各種繳費方式對應的權重和分數，評價標準中的繳費時間的權重、欠費期數的權重、欠費金額的權重和繳費方式的權重可依次遞減。如繳費時間在當月的分數大于繳費時間在次月的分數。

步驟二：判斷客戶是否欠費。如果是，執行步驟三;如果否，執行步驟六。具體可根據客戶的繳費時間判斷客戶是否欠費，如客戶的繳費時間中并無當月的繳費時間記錄，則表示客戶已欠費。

步驟三：第1個評價標準計算分數。其中，第1個評價標準可包括繳費方式以及繳費時間對應的權重和分數，根據第1個評價標準計算欠費客戶的繳費方式和其對應的權重和分數的乘積，得到欠費客戶在第1個評價標準的分數。

步驟四：第i+1個評價標準計算分數。其中，第i+1個評價標準可包括欠費期數和其對應的權重和分數，根據第i+1個評價標準計算欠費客戶的欠費期數和對應的權重和分數的乘積，得到欠費客戶在第i+1個評價標準的分數。

步驟五：輸出每個客戶的總分。具體的，將每個評價標準計算得到的分數之和作為對應客戶的總分，即信用分數。

步驟六：判斷是否全部客戶均計算出總分。如果是，執行步驟七;如果否，執行步驟二。具體的，若還存在未計算出總分的客戶，則返回步驟二，判斷未計算出總分的客戶是否欠費，直至全部客戶均計算出總分。

步驟七：對全部客戶分數進行排序。其中，全部客戶分數可按照由低到高的順序進行排序，信用分數越低則說明催收電費順序越前。

步驟八：得出客戶催費順序。

總而言之，全部客戶分數由低到高的順序即由先到后的客戶催費順序，對分數較低的欠費客戶，工作人員可優先對其進行電費催收，以提高電費催收效率。

3 應用前景

通過建立用電客戶電費回收風險預測模型，免去了人工篩選的工作量，每個欠費客戶都有相應的信用分數，工作人員可優先對信用分數較低的欠費客戶進行電費催收，電費催收效率得到了大大提高。

該模型可以建立對用電客戶電費回收風險的長效觀察機制，從被動催收電費轉變為提前做好高風險客戶的管控工作，采取針對性措施，如關注客戶的日用電量，對確有需要的客戶可縮短電費結算周期，以緩解其結算壓力;對于信用等級過低、惡意欠費客戶，可根據中國人民銀行征信級別分類標準，將客戶的電費回收信用等級與個人征信相關聯，報中國人民銀行備案。

【參考文獻】

【1】劉莎娜.淺析大數據挖掘對電費回收風險預測優化[J].電子世界，2020（12）：77-78.

【2】錢正浩，吳廣財.一種基于大數據挖掘的電費回收風險預測技術研究[J].電子世界，2017（19）：149-150.

【3】趙海寶，周盛成，安旭東，等.基于電費大數據客戶欠費風險分級管理探索研究[J].電工技術，2020（12）：141-143+149.