• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于Topsis的低壓用戶群電費回收風(fēng)險研究和應(yīng)用

      2017-08-07 14:45:00傅軍付薇薇許鑫介志毅金鳳張德政
      關(guān)鍵詞:用戶群德爾菲電費

      傅軍 付薇薇 許鑫 介志毅 金鳳 張德政

      (1. 國網(wǎng)冀北電力有限公司電力科學(xué)研究院 2.北京科技大學(xué)計算機與通信工程學(xué)院 3.北京博望華科科技有限公司)

      基于Topsis的低壓用戶群電費回收風(fēng)險研究和應(yīng)用

      傅軍1付薇薇2許鑫1介志毅1金鳳3張德政2

      (1. 國網(wǎng)冀北電力有限公司電力科學(xué)研究院 2.北京科技大學(xué)計算機與通信工程學(xué)院 3.北京博望華科科技有限公司)

      本文針對電力企業(yè)中低壓用戶群中如何確定各用戶群的電費回收風(fēng)險問題,圍繞用戶用電行為構(gòu)建低壓用戶群電費回收風(fēng)險指標(biāo)體系,進(jìn)而對各指標(biāo)進(jìn)行描述分析以及預(yù)處理,利用改進(jìn)的德爾菲法計算指標(biāo)權(quán)重,最后將Topsis算法應(yīng)用于低壓用戶群的風(fēng)險預(yù)警分析,并取得了良好的效果。

      低壓用戶群;電費回收風(fēng)險;Topsis;德爾菲法

      0 引言

      隨著社會的快速發(fā)展,電力企業(yè)在關(guān)注高壓用戶的同時開始慢慢關(guān)注低壓用戶的用電風(fēng)險,而用電風(fēng)險中主要關(guān)注電費回收風(fēng)險,而如何對低壓用戶或低壓用戶群構(gòu)建評估指標(biāo)體系并找出電費回收高風(fēng)險低壓用戶群是當(dāng)前電力企業(yè)面臨的一大考驗。

      針對于低壓用戶的用電風(fēng)險控制,眾多電力企業(yè)以及文獻(xiàn)中主要關(guān)注的是經(jīng)濟(jì)效益。如供電公司中低壓用戶電費回收工作面臨的風(fēng)險以及公司應(yīng)該采取的應(yīng)對措施[1];國網(wǎng)杭州市余杭供電公司通過電費回收進(jìn)行用電客戶信用等級制定電費回收計劃[2]。針對于高壓大用戶電費回收風(fēng)險的研究工作,如保定市供電公司針對大用戶的電費繳納情況建立電費風(fēng)險規(guī)避機制[3];或是根據(jù)財務(wù)和信用兩個主要指標(biāo)進(jìn)行擴(kuò)展來研究大用戶電費回收風(fēng)險管理[4,5]。

      由于低壓用戶人數(shù)較多,本文根據(jù)供電單位進(jìn)行劃分,形成697個低壓用戶群,圍繞其用電行為數(shù)據(jù)建立了指標(biāo)體系,形成模型輸入特征;同時通過數(shù)據(jù)描述與分析發(fā)現(xiàn)數(shù)據(jù)指標(biāo)與用電風(fēng)險度的相關(guān)性,而這正好符合Topsis算法模型的特點。本文首次將Topsis算法模型應(yīng)用于低壓用戶群電費回收風(fēng)險分析中,利用德爾菲法為指標(biāo)賦權(quán),取得了良好的效果。

      1 風(fēng)險指標(biāo)體系構(gòu)建

      評價供電單位低壓用戶群體電費回收風(fēng)險度時考慮客戶欠費停電數(shù)據(jù)和預(yù)收電費數(shù)據(jù),客戶群體欠費電費和預(yù)收電費對風(fēng)險度一般成正負(fù)比關(guān)系。根據(jù)風(fēng)險劃分理論,將低壓用戶群的風(fēng)險度指標(biāo)劃為:預(yù)收金額、預(yù)收沖抵金額、費控用戶數(shù)、停電用戶數(shù)據(jù)、代扣用戶數(shù)據(jù)占比、代扣金額占比、費控用戶占比、欠費停電用戶占比。細(xì)分指標(biāo)體系如圖1所示。

      圖1 用戶群體風(fēng)險度指標(biāo)體系

      其中:

      預(yù)收金額是用戶群的預(yù)收總金額,一般認(rèn)為與風(fēng)險度成反比;停電用戶數(shù)據(jù)是用戶群的停電用戶數(shù)量,一般認(rèn)為與風(fēng)險度成正比;費控用戶數(shù)是用戶群的總用戶數(shù)數(shù)目,一般認(rèn)為與風(fēng)險度成反比;預(yù)收沖抵金額是用戶群的預(yù)收沖抵總金額,一般認(rèn)為與風(fēng)險度成反比;代扣用戶數(shù)據(jù)一般認(rèn)為與風(fēng)險度成反比;代扣金額占比一般認(rèn)為與風(fēng)險度成反比;費控用戶占比一般認(rèn)為與風(fēng)險度成反比;欠費停電用戶占比一般認(rèn)為與風(fēng)險度成正比。本文抽取2015年1月到2016年12月的數(shù)據(jù)做實驗。

      下面給出697個低壓用戶群各項風(fēng)險度指標(biāo)的數(shù)據(jù)描述以供后續(xù)的決策參考,如表1所示。

      表1 各項指標(biāo)的數(shù)據(jù)描述

      2 德爾菲法確定指標(biāo)權(quán)重

      2.1 德爾菲法原理

      德爾非法是一種專家評分法,它首先根據(jù)評價對象的具體要求選定若干個評價項目,再根據(jù)評價項目制訂出評價標(biāo)準(zhǔn)。通過匿名方式征詢有關(guān)專家的意見,對專家意見進(jìn)行統(tǒng)計、處理、分析和歸納,客觀地綜合多數(shù)專家經(jīng)驗與主觀判斷,對大量難以采用技術(shù)方法進(jìn)行定量分析的因素做出合理估算,經(jīng)過多輪意見征詢、反饋和調(diào)整后,對債權(quán)價值和價值可實現(xiàn)程度進(jìn)行分析的方法[6,7]。操作步驟為:

      1)選擇專家;

      2)確定影響債權(quán)價值的因素,設(shè)計價值分析對象征詢意見表;

      3)向?qū)<姨峁﹤鶛?quán)背景資料,以匿名方式征詢專家意見;

      4)對專家意見進(jìn)行分析匯總,將統(tǒng)計結(jié)果反饋給專家;

      5)專家根據(jù)反饋結(jié)果修正自己的意見;

      6)經(jīng)過多輪匿名征詢和意見反饋,形成最終分析結(jié)論。

      專家分?jǐn)?shù)的計算方法有加法評價型、連積評價型、和數(shù)相乘評價型以及加權(quán)評價型。這里我們著重介紹需要用到的加法評價型。

      加法評價型將評價各指標(biāo)項目所得的分值加法求和,按總分來表示評價結(jié)果。此法用于指標(biāo)間關(guān)系簡單者。

      公式為:

      式中,W為評價對象總分值;Wi為第i項指標(biāo)得分值;n為指標(biāo)項數(shù)。該法有兩種方式:連加評分法和分計加法評價法。

      2.2 確定權(quán)重

      本方法中,對德爾菲方法進(jìn)行改進(jìn),不用德爾菲對指標(biāo)進(jìn)行評分,而是利用這套流程進(jìn)行權(quán)重確定。指標(biāo)分?jǐn)?shù)用于多輪評選時的意見參考,它的分?jǐn)?shù)為0~10。專家在每輪迭代定權(quán)重中可以根據(jù)分值來修正各個指標(biāo)的權(quán)重值??偡植⒉皇歉鱾€指標(biāo)權(quán)重值的簡單疊加,而是對對象的一個綜合評價。德爾菲在本方法中的應(yīng)用步驟為:

      1)選定專家和電網(wǎng)市級營業(yè)廳的業(yè)務(wù)人員為專家;

      2)以本文設(shè)計的7項風(fēng)險度指標(biāo)為影響風(fēng)險度的因素設(shè)計對象征詢意見表;

      3)向?qū)<姨峁┎糠种笜?biāo)的數(shù)據(jù)描述,讓專家對各個指標(biāo)的概況有個大概的了解,以匿名方式征詢專家打權(quán)重分;

      4)用加法評價型對專家評出的各項風(fēng)險度指標(biāo)分?jǐn)?shù)進(jìn)行分?jǐn)?shù)整合,將統(tǒng)計結(jié)果反饋給專家;

      5)專家根據(jù)反饋結(jié)果修正自己的各個指標(biāo)的權(quán)重值分;

      6)經(jīng)過多輪匿名征詢和意見反饋,得到指標(biāo)最終權(quán)重值。

      經(jīng)過德爾菲法后得到的各項指標(biāo)權(quán)重值如表2所示。

      表2 德爾菲法后得到的各項指標(biāo)權(quán)重值

      3 Topsis算法確定低壓用戶群風(fēng)險度

      3.1 Topsis算法原理

      Topsis可以根據(jù)指標(biāo)的權(quán)重,給客戶打分,實現(xiàn)客戶風(fēng)險度的進(jìn)一步評估[8,9]。

      在本方法中m等于2,n等于7,分別對應(yīng)當(dāng)基礎(chǔ)指標(biāo)、增量指標(biāo)和7項風(fēng)險度指標(biāo)。

      具體風(fēng)險度計算方法為:

      3)確定正理想解A+和負(fù)理想解A-:

      4)評估各方案分別與正負(fù)理想解的Euclid距離d+和d-:

      5)計算各方案與正理想解的相對貼近度:

      3.2 數(shù)據(jù)輸入

      數(shù)據(jù)的預(yù)處理包括填補缺漏的數(shù)據(jù)值、平滑噪聲數(shù)據(jù)、識別或更替異常值,以及解決不一致問題。

      數(shù)據(jù)預(yù)處理還包括歸一化工作,前文詳細(xì)描述了指標(biāo)的類型和分布,數(shù)值型指標(biāo)可以直接套用歸一化公式預(yù)處理[10]。本文確定的指標(biāo)都是數(shù)值型,因此可以直接利用公式:

      對用戶群各項指標(biāo)數(shù)據(jù)做歸一化處理,免去量級的影響。其中,x1、y1分別表示處理前后的指標(biāo)項,xmin表示該項指標(biāo)的最小值,xmax表示最大值。

      3.3 實驗結(jié)果

      本文利用Matlab進(jìn)行697個用戶群的Topsis風(fēng)險度劃分,發(fā)現(xiàn)其分布如圖2所示。結(jié)果顯示用戶群的風(fēng)險度在高值區(qū)域分布較少,在中低部分布較多。這種分布結(jié)果側(cè)面符合了二八定理,即小部分的群體貢獻(xiàn)了大部分風(fēng)險值,而大部分用戶群屬于低風(fēng)險甚至無風(fēng)險狀態(tài)。說明其評分結(jié)果的合理性。

      圖2 基于Topsis算法的用戶群風(fēng)險度評分

      選取風(fēng)險度前70名的用戶群進(jìn)行查看,發(fā)現(xiàn)這些用戶群有如下特征,排名1~10的用戶群停電用戶數(shù)據(jù)、欠費停電用戶遠(yuǎn)超其余用戶群。排名10~70的用戶群具有預(yù)收金額較低、預(yù)收沖抵金額較低、欠費用戶比例偏高、欠費金額偏高的特點,這符合電力回收風(fēng)險度的普遍特征。接著取風(fēng)險度前70名用戶群的所屬地區(qū)分析,其分布如圖3所示, 通過與業(yè)務(wù)人員的結(jié)合,發(fā)現(xiàn)地區(qū)特性較為符合現(xiàn)狀,為供電總公司決策提供了輔助。

      圖3 風(fēng)險度前70名用戶群所屬地區(qū)的分布

      4 結(jié)束語

      本研究針對低壓用戶群電費回收風(fēng)險預(yù)警方法,構(gòu)建了基于德爾菲和Topsis的電費回收風(fēng)險度模型。在構(gòu)建指標(biāo)時充分考慮用戶地域行業(yè)等基礎(chǔ)特征,將用戶群以供電單位劃分成697個用戶群體,并結(jié)合用電行為特征設(shè)計風(fēng)險度指標(biāo)。利用德爾菲法確定指標(biāo)權(quán)重更具說服力。同時,在構(gòu)造Topsis輸入數(shù)據(jù),對不同用電級別的企業(yè)用電數(shù)據(jù)均進(jìn)行特征工程和規(guī)范化處理,降低了指標(biāo)變化對模型穩(wěn)定性的干擾。

      應(yīng)用Topsis算法能更有效地對用戶數(shù)據(jù)進(jìn)行相對優(yōu)劣的評價,并通過實驗驗證了研究的可行性。

      [1] 錢軍. 淺談電費回收風(fēng)險與防范措施[J]. 電工文摘,2016(6).

      [2] 丁曉. 江蘇省電力公司電費回收管理工作的創(chuàng)新與成效[J]. 電力技術(shù)經(jīng)濟(jì), 2008(1).

      [3] 黃靜. 保定市供電公司大用戶電費回收風(fēng)險的預(yù)警機制研究[D]. 保定:華北電力大學(xué),2013.

      [4] 趙琳, 張富春, 董興華,等. 大電力客戶信用綜合評價體系研究[J]. 電力科學(xué)與工程,2016,32(1):31-36.

      [5] 余磊. 基于信用評級的供電企業(yè)收費風(fēng)險管理研究[D]. 武漢:武漢大學(xué),2005.

      [6] 唐忠,李瑩,曹渝昆. 基于層次分析法和德爾菲法的電力企業(yè)備品備件候選評價方法[J]. 上海電力學(xué)院學(xué)報,2012,28(1):97-101.

      [7] 姜政偉,王棟,王懷宇,等. 電力智能終端安全評估模型[J]. 計算機工程與設(shè)計,2014,35(1):6-10.

      [8] 王敬敏,孫艷復(fù),康俊杰. 基于熵權(quán)法與改進(jìn)TOPSIS法的電力企業(yè)競爭力評價[J]. 華北電力大學(xué)學(xué)報自然科學(xué)版,2010,37(6):61-64.

      [9] 曾艷秋,劉煒娜,袁少良. 基于M-TOPSIS法的電力企業(yè)客戶信用評價[J]. 宜春學(xué)院學(xué)報,2015,37(12):40-41.

      [10] 陶莉,朱小光. 數(shù)據(jù)預(yù)處理對電力負(fù)荷預(yù)測精度的影響[J]. 華電技術(shù),2015 37(9):8-10.

      2017-03-20)

      猜你喜歡
      用戶群德爾菲電費
      基于ε-SVR模型的日電費回收預(yù)測
      吉林電力(2022年1期)2022-11-10 09:20:40
      德爾菲法構(gòu)建腫瘤醫(yī)院ICU患者身體約束評估量表
      基于協(xié)同過濾和Embedding的冷啟動推薦算法研究
      消費電子(2021年6期)2021-07-17 10:47:38
      基于德爾菲法構(gòu)建融合式旅救護(hù)所指標(biāo)體系
      從資源出發(fā)的面向用戶群的高校圖書館資源推薦模型分析
      海豚是魚嗎
      大灰狼(2017年7期)2017-07-25 21:35:29
      基于大用戶電費回收的風(fēng)險管控
      關(guān)于縣級供電企業(yè)電費對賬的研究
      基于德爾菲法的上海某??漆t(yī)院公開招聘的影響因素研究
      公共圖書館的用戶群和服務(wù)人員的分析
      特克斯县| 成都市| 庆元县| 桓台县| 唐海县| 温宿县| 宜兴市| 荔波县| 谢通门县| 怀安县| 泰安市| 满城县| 全州县| 横山县| 沁源县| 洛宁县| 正安县| 高邑县| 牡丹江市| 南安市| 博罗县| 通江县| 红河县| 桐梓县| 吴川市| 巫溪县| 贞丰县| 凌云县| 中江县| 肃宁县| 汽车| 黔西| 玉溪市| 三都| 修文县| 沙洋县| 宣城市| 二连浩特市| 满洲里市| 贵南县| 淮安市|