综合电力用户缴费指标和行业公开指标的电力用户信用评价
方法与系统
技术领域
背景技术
[0002] 现代市场经济是信用经济。建立健全完善的社会信用管理体系，是规范市场秩序、改善市场交易信用环境、降低交易
风险从而减少交易成本的根本要求和重要措施，是减少政府对市场经济的干预、完善社会主体市场经济的必经之路。我国电力行业的用户信用评价始于电力营销初期，主要针对大量电力客户拖欠电费的信用问题展开研究。随着我国电力市场改革的逐步实施，电力客户的信用不仅仅是围绕电费缴纳行为，电力用户企业信用评级与管理办法也应与时俱进，逐渐更新与完善。
[0003] 国内部分省市已开展了电力用户信用评价的实践，但也存在一些问题。例如某省电力交易中心在电力用户的信用评价中，涉及的信用评价指标全面，所需的信息量和数据较大，信用评价中主观因素和经验因素较多，难以量化和标准化，使得信用等级评估工作量较大。因此，在信用评价指标体系设计时，不应该求全、求细，而是应该以可操作性和实用性出发，指标所需数据应容易搜集。
[0004] 公开号为CN 107133822 A的
专利提供了用户信用评价方法及装置，通过获取待评价用户的财务信息和用电信息，确定待评价用户的缴费能力等级和缴费意愿程度，计算得出待评价用户的信用分数和信用评价报告。该专利主要考虑了电力用户的缴费指标，但近几年来电力用户的缴费情况都比较好，很少欠费。因此，该方法对用户的信用评价不够完整。
[0005] 公开号为CN 106504125 A的专利提供了一种构建电力客户综合评价体系的方法及装置，通过设置固有属性评价、既往信用评价、基本信用评价和信用因子评价等评价维度，设置每一个评价维度的评价指标。再依据层级分析法确定固有属性评价中每个评价指标的权重，通过主观和客观赋权法相结合，获得了每个评价维度中的各个指标及每个维度的权重。该专利主观因素和经验因素较多，难以量化和标准化，在实践中难以操作。
[0006] 公开号为CN 104376502的发明专利公开了一种基于灰色关联度的电力客户信用综合评价方法，考虑大用户直购电违约电量比、新
能源发电并网量的电力客户信用评价新指标，从电力客户的用电缴费信用、电力法规信用、电力合作信用、经营能力信用、社会交往信用、抵押信用保障、发展前景信用等七个方面构建了一套电力客户信用等级评价指标体系。该方法涉及到的大部分指标数据很难获得，例如电力法规信用、经营能力信用、社会交往信用、抵押信用保障、发展前景信用等指标均缺乏数据源，很难进行量化评价。
发明内容
[0007] 为了克服上述
现有技术电力用户信用评价方法的缺点，本发明的目的在于提供一种综合电力用户缴费指标和行业公开指标的电力用户信用评价方法与系统，通过注册时间、履约率、偏差份额、
平均功率因数、缴费比例、平均缴费天数、欠费百分比、预存百分比等指标，构建电力用户缴费信用，这些数据可从电力交易中心的业务数据中直接获得；通过行业贡献率和行业公开征信等指标，构建电力用户行业信用，这些数据可以从国家统计局公开的行业数据以及“信用中国”
网站公开的行政处罚记录、经营异常名录记录和严重违法失信名单记录获得。
[0008] 为了实现上述目的，本发明采用的技术方案是：
[0009] 一种综合电力用户缴费指标和行业公开指标的电力用户信用评价方法，其特征在于，该方法包括以下步骤：
[0010] 1)采集电力用户缴费指标数据，所述缴费指标包括注册时间、履约率、偏差份额、平均功率因数、缴费比例、平均缴费天数、欠费百分比、预存百分比；
[0011] 所述注册时间指电力用户在电力公司开户时的时间；
[0012] 所述履约率指电力用户所签用电合同完成百分数；
[0013] 所述偏差份额指电力用户的偏差电量占总市场交易电量的比例，具体表示为：
[0014]
[0015] 式中，δi是第i个电力用户的偏差份额；CEi,CTi分别表示第i个电力用户一年中的执行电量和交易电量；n表示电力用户的数量；
[0016] 所述平均功率因数指电力用户的月平均功率因数值在统计月份中的均值，具体表示为：
[0017]
[0018] 式中，λi是电力用户在i月的月平均功率因数值，T为统计月份数；
[0019] 所述缴费比例指统计月份中电力用户每月所交电费与应缴电费的比值的平均数，具体表示为：
[0020]
[0021] 式中，FSi,FYi分别表示第i个月份的实收电费和应收电费,T为统计月份数；
[0022] 所述平均缴费天数指电力用户的一种偿付能力指标，具体表示为：
[0023]
[0024] 式中，fs,fy分别表示月份i中日期d记录的实收电费和应收电费,T为统计月份数；
[0025] 所述欠费百分比指统计月份中电力用户欠费次数，具体表示为：
[0026]
[0027] 式中，Fs表示统计月份中电力用户欠费次数,T为统计月份数；
[0028] 所述预存百分比指统计月份中电力用户预存电费次数，具体表示为：
[0029]
[0030] 式中，Fa表示统计月份中电力用户预存电费次数,T为统计月份数；
[0031] 2)采集电力用户行业公开指标数据，所述行业公开指标包括行业贡献率和行业公开征信；
[0032] 所述行业贡献率指不同行业对国内生产总值的贡献率，数据来源于国家统计局公开的行业增加值指数；
[0033] 所述行业公开征信指“信用中国”网站公开的行政处罚记录、经营异常名录记录和严重违法失信名单记录；
[0034] 3)对采集到的电力用户缴费指标数据和行业公开指标数据进行归一化处理；
[0035] 4)采用聚类方法对上述归一化数据进行分类处理，获得电力用户的信用评价等级。具体可使用K-means聚类
算法，实现步骤如下：
[0036] (1)设置聚类数目k，在n个样本数据中随机选择k个样本，作为聚类的初始中心；所述n为电力用户的总数量；
[0037] (2)除了所选取的k个样本之外，计算每个样本与每个聚类中心的相似度距离，将其划归为距离最近的聚类类别中，其中样本间的距离选择欧几里得距离，具体表示为：
[0038]
[0039] 式中，xi表示第i个样本，Cj表示第j个聚类，cj表示第j个聚类Cj的聚类中心，xi和cj都是p维向量，xi＝{xi1,xi2,…,xip}，cj＝{cj1,cj2,…,cjp}；
[0040] (3)计算每一类中所有样本各指标的均值，作为更新后的聚类中心；其中，聚类中心具体表示为：
[0041]
[0042] 式中，xi表示第i个样本，Cj表示第j个聚类，cj表示第j个聚类Cj的聚类中心，xi和cj都是p维向量，xi＝{xi1,xi2,…,xip}，cj＝{cj1,cj2,…,cjp}，Nj表示聚类Cj中的样本的个数；
[0043] (4)重复执行步骤(2)和(3)，直到各个聚类中心变化小于
指定阈值或所有样本与所属类别聚类中心间的距离的平方和变化小于指定阈值；
[0044] 所述步骤4)之后还包括如下步骤：
[0045] 针对不同电力用户不同的信用评价等级，为电力用户提供对应信用评价等级的服务。
[0046] 本发明还提供了一种实现所述综合电力用户缴费指标和行业公开指标的电力用户信用评价方法的评价系统，包括：
[0047]
数据采集模
块，采集所述电力用户缴费指标数据和电力用户行业公开指标数据；
[0048] 数据汇集模块，对电力用户编号，并将数据采集模块采集到的电力用户缴费指标数据和电力用户行业公开指标数据，对应注册时间、履约率、偏差份额、平均功率因数、缴费比例、平均缴费天数、欠费百分比、预存百分比、行业贡献率和行业公开征信的顺序汇集成表；
[0049] 预处理模块，对采集到的电力用户缴费指标数据和行业公开指标数据进行归一化处理；
[0050]
数据处理模块，采用聚类方法对上述归一化处理后的数据进行分类处理，获得电力用户的信用评价等级。
[0051] 与现有技术相比，本发明提出的综合电力用户缴费指标和行业公开指标的电力用户信用评价方法，与单纯从业务系统中获得用户缴费指标进行信用评价的方法相比较，综合了电力用户在缴费方面的信用以及外部的行业信用，可以更好地对电力用户的信用进行区分。此外，本发明提供的方法，电力用户缴费信用的数据可从电力交易中心的业务数据中直接获得；电力用户的行业信用数据可以从国家统计局和“信用中国”网站公开的数据中直接获得，避免了需要经验的定性指标数据，评价结果更为客观。此外，本发明通过聚类方法对用户进行自动分类，也避免了人为设定指标权重方法存在的不足，可以避免主观因素和经验因素的影响。
附图说明
具体实施方式
[0053] 下面结合附图和
实施例详细说明本发明的实施方式。
[0054] 下面结合实施例及附图详细说明本发明的实施方式：
[0055] 实施例(一)
[0056] 本发明实施例(一)的步骤如图1所示，具体如下：
[0057] 步骤1：采集电力用户缴费指标数据。电力用户缴费指标包括注册时间、履约率、偏差份额、平均功率因数、缴费比例、平均缴费天数、欠费百分比、预存百分比。
[0058] 上述指标的具体含义解释如下：
[0059] 注册时间指电力用户在电力公司开户时的时间。
[0060] 履约率指电力用户所签用电合同完成百分数。
[0061] 偏差份额指电力用户的偏差电量占总市场交易电量的比例，具体表示为：
[0062]
[0063] 式中，δi是第i个电力用户的偏差份额；CEi,CTi分别表示第i个电力用户一年中的执行电量和交易电量；n表示电力用户的数量。
[0064] 平均功率因数指电力用户的月平均功率因数值在统计月份中的均值，具体表示为：
[0065]
[0066] 式中，λi是电力用户在i月的月平均功率因数值，T为统计月份数。
[0067] 缴费比例指统计月份中电力用户每月所交电费与应缴电费的比值的平均数，具体表示为：
[0068]
[0069] 式中，FSi,FYi分别表示第i个月份的实收电费和应收电费,T为统计月份数。
[0070] 平均缴费天数指电力用户的一种偿付能力指标，具体表示为：
[0071]
[0072] 式中，fs,fy分别表示月份i中日期d记录的实收电费和应收电费,T为统计月份数。
[0073] 欠费百分比指统计月份中电力用户欠费次数，具体表示为：
[0074]
[0075] 式中，Fs表示统计月份中电力用户欠费次数,T为统计月份数。
[0076] 预存百分比指统计月份中电力用户预存电费次数，具体表示为：
[0077]
[0078] 式中，Fa表示统计月份中电力用户预存电费次数,T为统计月份数。
[0079] 步骤2：采集电力用户行业公开指标数据。行业公开指标包括行业贡献率和行业公开征信。
[0080] 上述指标的具体含义解释如下：
[0081] 行业贡献率指不同行业对国内生产总值的贡献率，数据来源于国家统计局公开的行业增加值指数。
[0082] 行业公开征信指“信用中国”网站公开的行政处罚记录、经营异常名录记录和严重违法失信名单记录。
[0083] 步骤3：对采集到的电力用户缴费指标数据和行业公开指标数据进行归一化处理。
[0084] 归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为标量。上述电力用户缴费指标和行业公开指标的量纲是不同的，不能直接用原始的指标数据进行计算，必须进行归一化处理。归一化后的值可以是正相关或负相关，即越大越好或越小越好。
[0085] 以S省电力交易中心的127家电力用户的缴费指标数据和行业公开指标数据为例，归一化后的结果如表1所示。限于篇幅，只选取了其中10个电力用户的信息进行展示。
[0086] 表1归一化后的电力用户缴费指标和行业公开指标数据举例
[0087]
[0088] 步骤4：采用聚类方法对上述归一化数据进行分类处理，获得电力用户的信用评价等级；
[0089] 在本实施例中，使用K-means
聚类算法获得电力用户的信用评价等级，具体实现过程如下：
[0090] (1)设置聚类数目k，在n个样本数据中随机选择k个样本，作为聚类的初始中心。其中，n为电力用户的总数量。
[0091] 以上述S省127个电力用户缴费指标和行业公开指标数据为例，设置聚类数目为4，表示电力用户的信用等级分为4级。在127个归一化后的样本数据中随机选择4个样本，作为聚类的初始中心。
[0092] (2)除了所选取的k个样本之外，计算每个样本与每个聚类中心的相似度距离，将其余每个样本划归为距离最近的聚类类别中。其中，样本间的距离选择欧几里得距离，具体表示为：
[0093]
[0094] 式中，xi表示第i个样本，Cj表示第j个聚类，cj表示第j个聚类Cj的聚类中心，xi和cj都是p维向量，xi＝{xi1,xi2,…,xip}，cj＝{cj1,cj2,…,cjp}。
[0095] (3)计算每一类中所有样本各指标的均值，作为更新后的聚类中心。其中，聚类中心具体表示为：
[0096]
[0097] 式中，xi表示第i个样本，Cj表示第j个聚类，cj表示第j个聚类Cj的聚类中心，xi和cj都是p维向量，xi＝{xi1,xi2,…,xip}，cj＝{cj1,cj2,…,cjp}，Nj表示聚类Cj中的样本的个数。
[0098] (4)重复执行步骤(2)和(3)，直到各个聚类中心变化小于指定阈值。
[0099] 以上述S省127个电力用户缴费指标和行业公开指标数据为例，设置聚类数目为4后，127个用户被划分到四个不同的信用等级中，信用等级由高到低分别用“AA、A、B、C”表示。
[0100] 步骤5：针对不同电力用户不同的信用评价等级，为电力用户提供对应信用评价等级的服务。
[0101] 以上述127个用户划分的“AA、A、B、C”信用等级为例，可为用户提供不同的市场准入服务、合同履行保证金、交易
手续费减免服务。例如，信用评价等级“B级”作为电力市场准入等级，为满足信用评价等级的电力用户发放交易
许可。再如，可根据电力用户信用评价等级，按比例减免该电力用户向电力交易中心缴纳的合同履行保证金、交易手续费，信用等级越高，减免额度越大。
