下载文档原格式
基于电力大数据的电费回收风险预测方法研究摘要：为了解决电力企业电费回收周期长、回收困难的问题，电力企业从技术方面深入研究了基于电力用户风险的电费回收预测方法，实现了电费回收抗风险能力的提升。
但是电力企业并不具备对用户欠费风险进行预判的能力，不能够依据用户的欠费风险等级采取有效的风险应对措施。
因此，为了实现企业的电费回收抗风险能力的提升，在此方面展开风险预测意义重大。
为了保证电力企业具备足够的风险抵御能力、进一步降低企业经营风险，对电费回收风险进行科学、精准的预测尤为重要。
关键词：电力大数据；电费回收；风险预测；方法1用大数据分析电费回收风险的机遇近年来，5G技术的快速发展使得万物互联成为了可能，电力企业要利用好这次机遇做好预测分析，将客户动态信息整体汇总后，挖掘其中的特征、规定、特点，实现对电费问题的预测。
在电费回收方面，了解客户的部分需求，将风险绘制出来，促进电力企业向着个性化、制定化方面发展。
在新形势背景下，电力企业要积极学习先进技术，努力创造现代化的电力企业。
同时，工作人员也要保持敬业态度，尽心尽力完成上级交代的任务，为电费催收工作减忧担责。
2供电企业电费回收现状1)客户群体广且增速快。
鉴于一户一表安装、国有企业“三供一业”分离、小微企业快速发展等情况，供电企业客户基数和增量均较大，传统的基于个人工作经验的电费回收模式具有较大局限性，缺乏科学的、全面的客户电费回收风险评估手段。
2)实际用电客户信息迭代快。
随着房地产经济的繁荣，房屋交易、租赁导致实际用电主体信息变更较快，供电企业掌握的客户基本信息数据，如客户联系方式，其准确度不足以支撑电费远程催收工作有效开展。
3)客户违约成本低，法律意识淡薄。
按照《电力供应与使用条例》第三十九条规定:“逾期未交付电费的，供电企业可以从逾期之日起，每日按照电费总额的千分之一至千分之三加收违约金。
”虽然单一客户的违约成本低，但供电企业的客户基数大，叠加后其资金回收压力较大。
基于边界样本欠取样支持向量机的电信用户欠费分类算法李创创;卢光跃;王航龙【摘要】电信用户欠费预测是一个不平衡数据集分类问题.针对传统支持向量机(SVM)对不均衡数据集中少数类检测精度低的问题,基于分类平面由边界样本的位置决定,提出了一种通过删除部分多数类边界样本的方法来改善传统SVM算法的不足,将该算法和其他几种算法在电信数据和多个不平衡UCI数据集上的实验结果进行对比,验证所提算法对少数类的检测精度和总体评价指标都有所提高.%Telecom users' arrears forecasting is a classification problem of unbalanced data set.To deal with the problem that the traditional SVM on the unbalanced date set had a low detection accuracy of minority class,a novel method was proposed.Based on the fact that the position of classification plane was determined by the boundary samples,the proposed method was implemented via removing some of samples closed to the classification plane to avoid the deficiency of the traditional SVM algorithm.Finally,the proposed method was compared with other approaches on unbalanced data sets.The simulation results show that the proposed method can not only increase the detection accuracy of minority but also improve the overall classification performance.【期刊名称】《电信科学》【年(卷),期】2017(033)009【总页数】7页(P85-91)【关键词】欠费;不均衡;SVM;边界;欠取样【作者】李创创;卢光跃;王航龙【作者单位】西安邮电大学无线网络安全技术国家工程实验室,陕西西安710121;西安邮电大学无线网络安全技术国家工程实验室,陕西西安710121;西安邮电大学无线网络安全技术国家工程实验室,陕西西安710121【正文语种】中文【中图分类】TP181近年来，随着电信运营商之间的竞争日益激烈，我国电信运营商在推出大量新业务的同时也降低了用户的开户门槛，使得拖欠、拒交话费用户的比例不断增加[1]，对电信企业正常运营造成很大影响。
Qiye Keji Yu Fazhan城市经济的高速发展，对电力的需求在达到峰值之前会越来越多，由此产生的数据也会呈现几何级数爆发式增长。
在数据作为重要生产资料的当下，如何利用好数据，用数据分析结果驱动业务，对于行业发展尤为重要。
在社会经济发展水平不断提升背景下，人们生活质量获得进一步提升，客户对电力服务的要求也越来越高。
95598热线作为客户和供电企业展开交流沟通的主要方式。
但近年来，居民使用电量急速上升，服务问题被放大，使得供电话务成本显著提升，问题处理效率不高，使得客户不满意度升高，投诉量激增。
95598服务风险管控是日常业务运营管控中的难点问题，由于客户轨迹分析相对比较复杂，将会增加风险筛查难度，使得此项工作难以正常进行，急需依赖大数据平台形成自动化工具。
基于95598海量来电工单数据构建用户行为分析模型[1]，分析用户的来电行为特征，抽象用户画像，基于具体业务场景，辅助业务人员创建业务策略，并根据行为反馈调整行为分析模型，形成用户行为数据的生态闭环。
根据成效结果，可逐步推广至数字化转型各个阶段。
我们对客户来电行为数据进行深度数据分析和挖掘，从行为表象中挖掘隐含的客户行为轨迹。
建模构建客户再次来电预测平台，提前预估3天以内来电的可能性，提升业务处置效率和质量，提升客户满意度。
将XGBoost 与LR 的融合模型应用于客户再次来电行为预测分类。
1研究模型理论基础1.1逻辑回归模型逻辑回归模型在进行线性回归的时候利用线开展拟合处理工作，在处理分类任务的时候，不需要对每一个样本进行拟合，只需将各类样品区别开即可，主要运用了分类学习方式[2]。
通常定义的一导函数回归公式如下：z =θ0+θ1*x 1+θ2*x 2+…+θn ×x n =θT x就逻辑回归而言，其主题意思也是基于一导函数回归，其公式如下：h θ=11+e -z =11+e-θTxh θ属于sigmoid 函数，h θ的输出值需要处在是（0，1）区间范围内，这意味着可以将sigmoid 函数看成是样本数据的概率密度函数，那么由此可以估计参数。
基于改进小波神经网络的电力市场实时电价预测模型
田星;张坤;徐鹏飞;李国杰;高保皓
【期刊名称】《现代科学仪器》
【年(卷),期】2022(39)5
【摘要】为保障电力市场各参与者的利益和促进电力市场公平、稳定运行,提出一种基于改进小波神经网络的电力市场实时电价预测模型。
将归一化处理的电力市场历史负荷与电价、模糊化处理的温度、预测时段供求指数以及竞价空间作为输入量,创建基于改进小波神经网络的电力市场实时电价预测模型,将优化后参数当作最终参数用以实现电力市场实时电价预测。
实验结果表明:该模型方法可以有效提升电力市场实时电价预测的寻优精度和速度,具有较理想的电力市场实时电价预测性。
该模型的应用可推动电力市场实时电价预测的发展。
【总页数】5页(P157-161)
【作者】田星;张坤;徐鹏飞;李国杰;高保皓
【作者单位】国网宁夏电力有限公司经济技术研究院
【正文语种】中文
【中图分类】TM711
【相关文献】
1.股票预测模型优缺点对比分析——基于灰色预测模型、BP神经网络、小波神经网络
2.基于小波神经网络的道路交通流量实时预测模型研究
3.基于小波神经网络
的电力系统短期负荷预测模型研究4.基于小波神经网络的电价滚动预测模型5.股票预测模型优缺点对比分析——基于灰色预测模型、BP神经网络、小波神经网络
因版权原因，仅展示原文概要，查看原文内容请购买。
基于Bagging集成方法的互联网金融信用风险评估
陈凯玥
【期刊名称】《应用数学进展》
【年(卷),期】2022(11)4
【摘要】互联网金融是对传统金融模式的延伸,但由于部分借款人在借款后无法按期、足额还款,使得互联网金融平台面临着信用风险。
对借款人的信用风险进行准确评估,可以降低风险,并且能够在一定程度上为互联网金融行业的稳定发展提供保障。
数据分析方法在信用风险评估领域已有广泛应用。
本文从国内某互联网金融平台借款人的个人、资产、借款信息三类数据提取特征,研究了数据分析方法中Logistic回归的衍生方法逐步Logistic回归、弹性网络和Bagging集成方法的代表Bagging、极端随机树和随机森林。
研究发现随机森林与逐步Logistic回归分别在F1-score、Accuracy、FPR和AUC指标下效果最优,且筛选出的重要特征也保持一致。
【总页数】11页(P1657-1667)
【关键词】信用风险评估;LOGISTIC回归;Bagging集成;特征重要性
【作者】陈凯玥
【作者单位】河北工业大学理学院
【正文语种】中文
【中图分类】F83
【相关文献】
1.基于Logistic回归模型的互联网金融信用风险评估
2.基于BP神经网络模型的互联网金融信用风险评估研究
3.基于Bagging神经网络集成的燃料电池性能预测方法
4.LGB-BAG在P2P网贷借款者信用风险评估中的应用
5.基于改善Bagging-SVM集成多样性的网络入侵检测方法
因版权原因，仅展示原文概要，查看原文内容请购买。
第26卷计算机应用V01．26 2006年12月Com pu te r Ap p li ca t io n s Dec．2006文蕈编号：1001—9081(2006)12Z一0214一02基于支持向量机的电信欠费用户分析模型李学鹏，张国基(华南理工大学数学科学学院，广东广州510640) (jarodxp@163．com)摘要：客户欠费是电信公司面临的一大难题。
针对目前客户恶意欠费预测方法的不足，建立了一种基于支持向量机的客户欠费预测模型，支持向量机具有全局收敛性和良好推广能力，因此基于支持向量机评估模型具有较强的实用性。
最后通过对某直辖市郊区县的用户数据分析实验，证明了基于SVM的预测模型的可行性，且具有较高的预测精度。
关键词：客户欠费；支持向量机；预测中图分类号：TP39文献标识码：A布无任何要求的非线性技术，它能有效解决非正态分布、非线0引言性的分类问题，但它存在黑箱性(即不具解释性)，结构确定随着电信服务市场的竞争日趋激烈，电信行业在采取灵困难等缺点，易出现过学习现象，推广能力较差。
活有效的市场营销策略来争取有价值的客户同时，话费拖欠为弥补神经网络出现的过学习现象，提高模型的推广能一直是电信部门的老大难问题，虽然预付费用户的数量和比力，由AT&T Beu实验室V8pnik针对分类和回归问题，提出例在上升，但是还是有大量用户采取先消费后缴费的传统模了支持向量机方法。
支持向量机方法是基于结构风险最小化式，因此常常出现用户欠费，导致电信运营商出现呆帐坏帐，原理sRM的方法，明显优于传统的基于经验风险ERM的常造成资金流失。
通过数据挖掘，充分提取客户信息，避免欠费规神经网络方法。
s RM使Vc维数(泛化误差)的上限最小出现是一项预防为先方法。
化，而ERM使相对训练数据的误差最小化。
这使得SvM具对不同类型客户的欠费情况进行跟踪分析，对欠费用户有更好的泛化能力，较好的分类精确性，在解决模式识别中小进行分类。
专利名称：基于LR-Bagging算法的电费回收风险预测方法、系统、存储介质及计算机设备
专利类型：发明专利
发明人：姜磊,杨钊,杨军仓,陈素琴,成强,赵军辉
申请号：CN201911232092.5
申请日：20191205
公开号：CN111178675A
公开日：
20200519
专利内容由知识产权出版社提供
摘要：本发明为基于LR‑Bagging算法的电费回收风险预测方法、系统、存储介质及计算机设备，能够根据客户行为轨迹准确预测出欠费的违约概率，改变了事后欠费管理的被动局面，减少电力客户欠费风险。
其方法包括：确立分析目标，抽取正负样本；收集指标，选取与用电客户欠费风险相关的指标，根据相关的指标衍生形成指标体系；指标预处理，筛选高预测力的指标进入模型；构造基于LR‑Bagging算法模型，根据随机选取样本的子集及步骤3所筛选的指标来训练LR‑Bagging算法模型，模型的终止迭代条件由AUC统计量的变化率决定；把训练后得到的多个逻辑回归模型作为基分类器，把多个基分类器的预测结果的加权平均作为最终的预测概率。
申请人：佰聆数据股份有限公司
地址：510663 广东省广州市高新技术产业开发区科学城科学大道162号创意大厦B3栋1301单元国籍：CN
代理机构：广州市华学知识产权代理有限公司
代理人：林梅繁
更多信息请下载全文后查看。
基于BAGGING算法和BP神经网络的电力系统负荷预测谭剑;谭松柏
【期刊名称】《山东电力高等专科学校学报》
【年(卷),期】2012(015)001
【摘要】电力系统负荷预测关系到电力系统的控制和运行计划,精确的负荷预测有助于提高系统的安全性和稳定性,从而可以提高电力系统的经济效益.电力系统负荷预测问题具有的数据量大、影响因素多等特点,使用单个BP神经网络进行负荷预测时,预测结果随机性大、精度低.本文把BAGGING算法思想与BP神经网络相结合起来,通过生成一组BP神经网络模型,挑选最好的网络模型最为最终的预测模型,进行负荷预测,以提高负荷预测能力.
【总页数】4页(P18-20,24)
【作者】谭剑;谭松柏
【作者单位】湖南火电建设公司湖南株洲 412000;华南理工大学电力学院广东广州 510640
【正文语种】中文
【中图分类】TM715
【相关文献】
1.电力系统短期负荷预测的改进BP神经网络算法比较 [J], 冯煜坤;张仰飞;季玮;陈古今
2.基于Bagging算法和Elman-NN融合的短期负荷预测模型 [J], 常晓雪;于立涛;
撖奥洋;安树怀;张智晟
3.基于Bagging算法和遗传BP神经网络的负荷预测 [J], 丁华福;柴琳
4.基于GA-BP神经网络的电力系统负荷预测研究 [J], 周杰; 张矿伟; 金龙奎
5.电力系统短期负荷预测的改进BP神经网络算法比较 [J], 程超
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进BP-Bagging算法的光伏电站故障诊断方法
祁炜雯;张俊;吴洋;范强;赵峰;陈建国;王健
【期刊名称】《浙江电力》
【年(卷),期】2024(43)3
【摘要】针对基于机器学习算法的光伏电站故障诊断方法存在的样本数据失衡问题,提出一种基于改进BP-Bagging算法的光伏电站故障诊断方法。
首先,基于BP 神经网络构建光伏数据与光伏故障类型的映射关系,实现光伏故障诊断;然后,基于随机欠采样方法改进Bagging算法,解决样本的类不平衡问题;接着,针对BP网络存在的过拟合问题,提出基于改进BP-Bagging算法的光伏电站故障诊断模型,并行训练多个BP网络,根据投票法得出故障诊断结果;最后,设置不同算法对照实验,计算出关于模型准确率的评价指标,证明所提方法具有较高的综合性能,在一定程度上能够解决光伏电站故障诊断中的样本类不平衡问题,提高光伏电站故障诊断的准确率。
【总页数】10页(P65-74)
【作者】祁炜雯;张俊;吴洋;范强;赵峰;陈建国;王健
【作者单位】国网浙江省电力有限公司绍兴供电公司;国网浙江省电力有限公司;河海大学能源与电气学院
【正文语种】中文
【中图分类】TP3
【相关文献】
1.某光伏电站自动跟踪光伏系统跟踪故障原因及改进方法
2.基于改进离散粒子群算法的光伏电站优化设计
3.基于改进Canopy-FCM的光伏电站动态特性聚类算法
4.基于改进麻雀搜索算法优化RBF神经网络的光伏阵列故障诊断
5.基于改进原子轨道搜索算法优化随机森林分类器的光伏系统故障诊断
因版权原因，仅展示原文概要，查看原文内容请购买。
