【CN109726930A】一种基于深度学习的电力大客户电费回收风险预警方法【专利】

发明内容 [0005] 本发明的目的在于针对电力公司面临的电费回收风险问题，提供一种基于人工智 能算法 (深度学 习) 的电 费回收风险 预警方法 ，用于锁定电 费回收高风险 群体 ，提高电 费回 收率。 [0006] 为实现上述技术目的，本发明采取的技术方案为： [0007] 一种基于深度学习的电力大客户电费回收风险预警方法，包括以下步骤： [0008] 1)结合数据资源维度，建立电费回收风险指标体系； [0009] 2)采用降维技术，筛选电费回收风险关键指标； [0010] 3)基于业务理解或数据分布，将客户电费回收风险指标定义为标签，并制定标签 计算规则； [0011] 4)以电力大客户历史数据为训练样本，建立电费回收风险预警模型； [0012] 5)将电费回收风险预警模型应用于实际场景，验证预警准确性。 [0013] 为优化上述技术方案，采取的具体措施还包括： [0014] 步骤1)中，基于电力内部的电量、电费、违约用电等数据，结合外部的工商、税务、 法院 信息 ，建立了涵盖行业背景、企业实力、经营能 力、企业信用、电 力消费等维度 ，共计35 个指标的电力大客户的电费回收风险指标体系。 [0015] 步骤2)中，采用熵值法对客户风险指标进行筛选，过滤掉弱影响指标，并利用相关
( 19 )中华人民 共和国国家知识产权局
( 12 )发明专利申请
(21)申请号 201910006016 .6
(22)申请日 2019 .01 .03
(71)申请人 江苏方天电力技术有限公司 地址 211102 江苏省南京市江宁科学园天 元中路19号 申请人Βιβλιοθήκη Baidu国网江苏省电力有限公司 国家电网公司 上海交统电力科技有限公司
(74)专利代理机构 南京钟山专利代理有限公司 32252
代理人 戴朝荣
权利要求书1页 说明书8页 附图1页
( 54 )发明 名称 一种基于深度学习的电 力大客户电费回收
风险预警方法 ( 57 )摘要
本发明公开了一种基于深度学习的电 力大 客 户电 费回收 风险 预警方法 ，包括以 下步骤 ：基 于电 力内部的电 量 、电 费数据 ，结合企业 相关的 工商、税务、法院 信息 ，建立电 力大客 户的电 费回 收风险指标体系；基于熵值法得到的风险指标权 重 系数 ，过滤弱影响指标 ，采 用相关性分析 剔除 重叠作用指标 ，得到客 户电费回收风险预警指 标；采用历史数据训练得到电费回收风险预警深 度学 习模型 ，并进行客 户电 费回收 风险 预警 。本 发明提出的风险预警模型精确有效 ，能够精准定 位风险客户，提高电费回收效率。
(10)申请公布号 CN 109726930 A (43)申请公布日 2019.05.07
(51)Int .Cl . G06Q 10/06(2012 .01) G06Q 50/06(2012 .01) G06N 3/08(2006 .01) G06N 3/04(2006 .01)
(72)发明人 谢林枫 丁晓 季聪 管诗骈 尹飞 吕辉 熊政 江明 仲春林 李昆明 徐明珠 方超 邵俊 郑飞 张开振 张沈习
CN 109726930 A
CN 109726930 A
权 利 要 求 书
1/1 页
1 .一种基于深度学习的电力大客户电费回收风险预警方法，其特征在于：包括以下步 骤：
1)结合数据资源维度，建立电费回收风险指标体系； 2)采用降维技术，筛选电费回收风险关键指标； 3) 基于业务理解或数 据分布 ，将客 户电 费回收 风险 指标定义为标签 ，并 制定标签计算 规则； 4)以电力大客户历史数据为训练样本，建立电费回收风险预警模型； 5)将电费回收风险预警模型应用于实际场景，验证预警准确性。 2 .根据权利要求1所述的一种基于深度学习的电力大客户电费回收风险预警方法，其 特征在于 ：所述步骤1) 中 ，基于电 力内部的电 量、电 费 、违约 用电 等数据 ，结合外部的 工商、 税务、法院 信息 ，建立了涵盖行业背景、企业实力、经营能 力、企业信用、电 力消费等维度 ，共 计35个指标的电力大客户的电费回收风险指标体系。 3 .根据权利要求1所述的一种基于深度学习的电力大客户电费回收风险预警方法，其 特征在于 ：所述步骤2) 中 ，采 用熵值法对客 户风险 指标进行筛选 ，过滤掉弱影响指标 ，并 利 用相关性分析剔除作用重复的指标。 4 .根据权利要求1所述的一种基于深度学习的电力大客户电费回收风险预警方法，其 特征在于 ：所述步骤3) 中 ，基于业务人 员工作经验或数据分布情况 ，划定指标阈值 ，并根据 不同阈值的特征，将指标定义为具有业务意义的标签。 5 .根据权利要求1所述的一种基于深度学习的电力大客户电费回收风险预警方法，其 特征在于 ：所述步骤4) 中 ，获取典型电 力大客 户电 费回收 风险 相关标签数据 ，作为 训练样 本，采用LSTM网络算法，建立电力大客户电费回收风险深度学习模型。 6 .根据权利要求1所述的一种基于深度学习的电力大客户电费回收风险预警方法，其 特征在于 ：所述步骤5) 中 ，基于电 费回收风险 预警模型 ，对电 力大客 户进行风险 预警 ，并采 用分类准确率、查全率和查准率三个指标，验证电费回收风险预警方法的准确率。
2
CN 109726930 A
说 明 书
1/8 页
一种基于深度学习的电力大客户电费回收风险预警方法
技术领域 [0001] 本发明属于电力营销智能应用的技术领域，具体涉及一种基于深度学习的电力大 客户电费回收风险预警方法。
背景技术 [0002] 一直以来，电费回收率都是电力公司的重要考核指标，其好坏直接关系到电力公 司的运营效率和水平。电 力大客 户合同容量大、用电 量大 ，他们是否及时交费 ，则很大程度 上影响着电 费回收率。因此 ，近年来 ，电 力公 司一直将电 费回收风险 作为其运营风险的核心 指标之一，也围绕这一主题开展了大量的研究工作，取得了一定的成效。 [0003] 目前，业扩报装、用电检查等工作主要关心完成专业工作所需的用电信息，而对客 户的行业分类、经营状况、发展趋势、法律背景等重要的经济信息情况主动了解不足 ，对客 户经营状态及有可能出现的 欠费风险 重视程度不足 ，未很好发挥事前预防 、事中管控的 作 用，不能有效降低电费回收风险。随着外部监管越趋严格，政府推动“放管服”和降低实体经 济运营成本的 力度加大 ，电 费回收风险 可能会越来越高 ，有必要在业扩报装时对 用电 客 户 的运营状况进行评估，未雨绸缪，加大电费回收风险事前预防的力度。 [0004] 电费回收风险受客户生产运营情况、财务经济状况、宏观经济政策等众多因素的 影响，相关因素的筛选和量化较为困难，而深度学习算法能够自动选取关键因素，进而提高 客户电费回收风险预警的准确率。