基于大数据的电力营销过程中电费风险预警方法分析

张潇

【关键词】大数据；风险等级；风险特征库；预警方法；电费风险；电力营销

引言

供电公司在进行市场营销时，会出现不同程度的电费风险。供电服务是指供电企业为其用户提供电力资源等方面服务的一种经济行为，此种行为大多是基于企业在健康、持续发展的基础上进行的。在提供用户电力资源与供电服务中，管理人员无法确保对全部电费的有效回收，导致部分客户存在拖欠电费的现象，从而影响到供电公司的正常运行和电费风险管理。为解决此方面问题，有关部门加强并完善了电费风险管理制度，以降低或规避电费风险，促进供电公司、电力行业的健康发展[1]。然而，在电力企业的实际运作和经营中，由于电力市场存在着无法完全实现其经济效益的问题，导致了电力企业内存在大量客户拖欠电费问题。根据电力企业的反馈，现阶段电费拖欠现象日益严重，导致电力系统的风险管理难度越来越高。电费风险涉及核算风险、收费风险、运营管理风险等。核算风险是指电力企业在收取用户用电费用时，没有按照国家标准或行业变更标准，进行收缴标准的调整与调度，从而出现少缴、漏缴等问题[2]。收费风险是由于用电单位无法按时支付用电费用、故意拖延，造成电费收取的困难。操作风险主要是由于收缴人员个人不规范行为所导致。因此需要对电力营销过程中可能产生的电费风险进行预警。但是现有的预警方法在实际的电力营销过程中，对电费风险的评估结果与实际电费风险差异较大，无法实现对电费风险的精准预警。

为了解决这一问题，本文结合大数据技术的应用，设计一种电力营销过程中针对电费风险的全新预警方法，通过此种方式，完善并优化电费风险管理机制，助力电力行业的稳定、健康、积极发展。

一、电力营销过程中用户用电行为分析与风险行为提取

为实现对电力营销过程中电费风险的预警，在设计预警方法前，需要先进行电力营销过程中用户用电行为的提取[3]。提取过程中，可以根据电力企业的运营方式与供电服务规模，对用户类别进行划分，将目标用户划分为高压服务用户、特殊服务用户、一般服务用户。对目标用户的分类过程进行描述，如下计算公式所示。

公式（1）中： 表示对目标用户的分类处理过程； 表示类别数量，此次设计 的取值为1～3之间的整数（包括1和3）； 表示目标群体总数量（供电服务用户总数量）。对用户的用电行为进行分析。在进行高压用户的用电行为分析时，可以采用“按月结算”或“分次划拨”的方式，进行用户行为数据的分类。在进行一般服务用户的用电行为分析时，可以采用“低压非居分次划拨”或“低压大量按月结算”的方式，进行用户行为数据的分类[4]。

在进行特殊服务用户的用电行为分析时，需要根据用户的用电习惯，制定特殊的分析方式。按照上述方式，完成对电力营销过程中用户用电行为的分析，在此基础上，提取用户用电行为中存在风险的行为数据，可以从用户基本属性数据库、用户缴费行为特征、用户欠费行为特征、用户用电行为特征等方面，进行其风险行为的提取[5]。此过程如下计算公式所示。

公式（2）中：表示用户用电风险行为的提取过程； 表示用户缴费行为数据； 表示用户欠费行为数据； 表示用户基本属性数据。完成对风险的提取后，整理数据信息，输出电费逾期未缴用户清单，并在数据库中采取特殊的标号对其进行标注。按照上述方式，实现在电力营销过程中，对用户用电行为的分析与风险行为的提取。

二、基于大数据技术构建电费风险特征库

在电力用户的电费业务中，通过风险特征库的定量表达和动态更新，可以有效地解决电力用户在电费业务中的各种风险特征[6]。因此，引进大数据技术，构建电费风险特征库。考虑到所获取的风险行为特征信息较多，为避免数据量冗余对数据库构建过程造成影响，使用大数据技术，对特征数据进行统一化处理[7]。处理过程如下计算公式所示。

表 1 电费风险特征库结构

按照上述方式，完成基于大数据技术的电费风险特征库建立。

三、基于风险等级的电费风险预警

表 2 電力营销过程中电费风险预警等级

在上述内容的基础上，设计电力营销过程中电费风险预警等级，如下表2所示。完成对预警方法的设计。

四、实验

上文从三个方面，完成了基于大数据的电力营销过程中电费风险预警方法设计，为证明设计的预警方法在实际应用中的有效性，下述将通过设计对比实验的方式，对该方法进行验证。

选择某地区大型供电服务中心作为此次实验的试点场所，在供电服务中心数据库中选择2010年～2020年，10年的电力营销数据作为实验的样本数据，选择10000组数据进行实验测试，筛选其中8000组数据，将其作为训练数据，剩余数据作为测试中的参照数据。在此基础上，参照信用等级，对该供电服务中心的市场运营电费风险进行评估，通过此种方式，构建电费风险预警训练中的指标。下述表3为供电服务中心在电力市场营销中的电费风险与权重值。

表 3 供电服务中心的电费风险指标与权重值

通过上述表格中所示的内容可以看出，造成此供电服务中心电费风险的影响因素较多，不同的指标在企业营销服务过程中的权重与排序不同。按照上述方式，使用本文设计的方法，进行电力营销过程中电费风险的预警。根据不同指标的可量化程度，对电力营销过程中用户用电行为信息进行提取，通过对用户行为的分析，掌握电力服务中心在供电过程中的电费风险行为，提取风险行为，引进大数据技术，建立电费风险特征库。根据电力企业在市场内的运营规模，划分电费风险等级，对其进行预警。

为确保设计的预警方法可以在设计应用中发挥预期的作用，将采集的电费风险信息进行训练。设定最大训练次数为100000次，训练后期望值输出精度为0.001，训练过程如图1所示。

图 1 电费风险数据训练处理过程

从上述图1可以看出，电费风险数据在经过了60000次训练后，达到期望输出值。

在此基础上，引进基于蚁群算法的电费风险预警方法作为传统方法。使用两种方法对电力营销过程中的电费风险进行预警。

将电力服务中心的运营时段以月为单位进行统计，根据两种方法在不同阶段中对电费风险的预警情况，进行本文方法可行性的评估。实验结果如下图2所示。

图 2 电力营销过程中电费风险评估结果

上述图2中，（1）表示传统方法对电力营销过程中电费风险的评估结果；（2）表示本文方法对电力营销过程中电费风险的评估结果；（3）表示电力营销过程中的实际电费风险；三级表示电费风险预警界限。

从上述图2所示的实验结果可以看出，本文方法對电力营销过程中电费风险的评估结果与电力营销过程中的实际电费风险基本一致，而传统方法对电力营销过程中电费风险的评估结果与电力营销过程中的实际电费风险差异较大。

根据各个阶段的电费风险等级可知，本文方法在第四阶段与第七阶段对电费风险进行了预警，传统方法在第三阶段、第四阶段与第六阶段对电费风险进行了预警。但根据电力企业实际运营情况可知，本文方法的预警阶段与实际发生风险的阶段较为适配，由此可以证明，本文设计的基于大数据的电力营销过程中电费风险预警方法，对于用电风险的预警更为可靠。

结束语

为提高电力企业在市场内发展的稳定性与持续性，本文通过电力营销过程中用户用电行为分析与风险行为提取、电费风险特征库建立、基于风险等级的电费风险预警，完成了基于大数据的电力营销过程中电费风险预警方法设计。该方法在经过检验后，证明了具有一定可行性，可以实现在应用中，对风险的精准预警，以此种方式，为电力企业对外服务、营销、管理过程提供全面的技术指导与帮助。