一种电费回收风险预警方法及装置制造方法及图纸

本申请提供一种电费回收风险预警方法及装置，基于行业发展趋势预测模型获取用户所在行业在当前收费月的行业发展趋势预测值；获取用户前一收费月的电费金额，历史电费缴纳数据和业扩办电数据；将获取的所有数据作为电费回收风险预警模型的输入，输出当前收费月产生电费滞纳金的概率值；若概率值处于风险预警范围内，生成预警信息。本方案中，利用行业发展趋势预测模型和电费回收风险预警模型，预测用户在当前收费月产生电费滞纳金的概率值，综合考虑用户所在行业的行业发展趋势预测值，以及用户的历史电费缴纳数据和业扩办电数据等信息，实现对用户进行客观、全面地识别，在识别用户为电费回收风险高的用户，提醒负责人员，便于其采取相应措施。采取相应措施。采取相应措施。

【技术实现步骤摘要】
一种电费回收风险预警方法及装置


[0001]本专利技术涉及数据处理
，具体地说，涉及一种电费回收风险预警方法及装置。

技术介绍

[0002]对于电网企业而言，电费回收是一项重要的工作，与企业的正常生产经营息息相关。为确保电费回收工作更好地开展，可以事先识别存在电费回收风险的用户，从而警示企业，以便企业提前做好应对措施，进而减少企业经营受到的损失。
[0003]目前，通过如下方式达到对存在电费回收风险的用户进行识别的目的：根据人为经验对用户电费、用电量、用电安全、欠费、违约金和停电等历史用电及电费缴纳情况设置多个判断条件，通过所设置的判断条件，识别存在电费回收风险的用户。
[0004]由此可知，现有基于经验的电费回收风险预警方式过于主观，导致对于存在电费回收风险的用户的识别不够充分。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供一种电费回收风险预警方法及装置，以解决现有技术中对于存在电费回收风险的用户的识别不够充分的问题。
[0006]为实现上述目的，本专利技术实施例提供如下技术方案：
[0007]一方面，本专利技术实施例提供一种电费回收风险预警方法，所述方法包括：
[0008]基于预先构建的行业发展趋势预测模型获取用户所在行业在当前收费月的行业发展趋势预测值，所述行业发展趋势预测模型基于行业历史售电量发展趋势特征数据和行业经济指标构建；
[0009]获取用户前一收费月的电费金额，历史电费缴纳数据和业扩办电数据；
[0010]将所述用户前一收费月的电费金额，历史电费缴纳数据、业扩办电数据和所述行业发展趋势预测值作为预先构建的电费回收风险预警模型的输入，在所述电费回收风险预警模型中预测当前收费月产生电费滞纳金的概率值，并输出；
[0011]若所述概率值处于风险预警范围内，生成用于指示电费回收风险高的预警信息。
[0012]可选的，所述行业发展趋势预测模型的构建过程包括：
[0013]根据季节调整算法提取设定周期内的行业历史售电量数据中的售电量趋势特征数据，所述设定周期以月度为单位；
[0014]获取与用户所在行业相关的前导性指标和即时性指标，所述前导性指标和即时性指标由分析各个行业的售电量趋势特征数据和行业经济指标的相关性得到，所述前导性指标至少包括业扩净增容量、制造业采购经理指数PMI和非制造业PMI，所述即时性指标至少包括产业国内生产总值GDP增速和工业增加值增速；
[0015]根据主成分分析算法对所述前导性指标和所述即时性指标进行去相关性计算，得到去相关性指标；
[0016]基于所述售电量趋势特征数据和所述相关性指标，利用支持向量机SVM回归算法构建行业发展趋势预测模型。
[0017]可选的，所述前导性指标和即时性指标由分析各个行业的售电量趋势特征数据和行业经济指标的相关性得到的过程，包括：
[0018]根据季节调整算法提取设定周期内的各个行业历史售电量数据中的售电量趋势特征数据；
[0019]获取各个行业的行业经济指标；
[0020]分析各个行业对应的售电量趋势特征数据和行业经济指标的相关性，得到各自行业的前导性指标和即时性指标；
[0021]其中，所述前导性指标根据动态时间规整算法进行分析，得到影响不同前导性指标的月度数。
[0022]可选的，所述电费回收风险预警模型的构建过程包括：
[0023]确定样本收费月，基于预先构建的行业发展趋势预测模型获取用户所在行业在所述样本收费月的样本行业发展趋势预测值；
[0024]基于用户在设定周期内的电费缴纳次数确定用户月度电费缴纳样本频率；
[0025]计算所述样本收费月的前一个收费月的用户电费缴纳时间和电费发行时间的差值，将所述差值作为前一个收费月的用户电费缴纳样本时长；
[0026]利用所述样本收费月的前一个收费月的用户业扩增容完成容量、用户业扩减容完成容量、用户业扩暂停容量和用户业扩恢复容量确定用户前一个收费月月度容量样本变化量；
[0027]获取用户在所述样本收费月之前的历史电费滞纳金产生次数和前一次电费滞纳金产生时间；
[0028]将所述样本收费月的前一个收费月产生的电费金额、所述样本行业发展趋势预测值、所述用户月度电费缴纳样本频率、所述用户电费缴纳样本时长、所述用户月度容量样本变化量、所述历史电费滞纳金产生次数和前一次电费滞纳金产生时间作为输入，将样本收费月产生电费滞纳金的概率作为输出，利用SVM回归算法构建电费回收风险预警模型。
[0029]可选的，还包括：
[0030]若所述概率值未处于风险预警范围内，生成用于指示电费回收风险低的提示信息。
[0031]另一方面，本专利技术实施例提供一种电费回收风险预警装置，所述装置包括：
[0032]行业发展趋势预测模型，用于预测用户所在行业在当前收费月的行业发展趋势预测值，所述行业发展趋势预测模型基于行业历史售电量发展趋势特征数据和行业经济指标构建；
[0033]获取模块，用于获取用户前一收费月的电费金额，历史电费缴纳数据和业扩办电数据；
[0034]电费回收风险预警模型，用于基于接收到的所述用户前一收费月的电费金额，历史电费缴纳数据、业扩办电数据和所述行业发展趋势预测值进行预测，输出当前收费月产生电费滞纳金的概率值；
[0035]预警模块，用于若所述概率值处于风险预警范围内，生成用于指示电费回收风险
高的预警信息。
[0036]可选的，还包括：第一构建模块；
[0037]所述第一构建模块包括：
[0038]第一提取单元，用于根据季节调整算法提取设定周期内的行业历史售电量数据中的售电量趋势特征数据，所述设定周期以月度为单位；
[0039]第一获取单元，用于获取与用户所在行业相关的前导性指标和即时性指标，所述前导性指标和即时性指标由分析各个行业的售电量趋势特征数据和行业经济指标的相关性得到，所述前导性指标至少包括业扩净增容量、制造业采购经理指数PMI和非制造业PMI，所述即时性指标至少包括产业国内生产总值GDP增速和工业增加值增速；
[0040]去相关单元，用于根据主成分分析算法对所述前导性指标和所述即时性指标进行去相关性计算，得到去相关性指标；
[0041]第一构建单元，用于基于所述售电量趋势特征数据和所述相关性指标，利用支持向量机SVM回归算法构建行业发展趋势预测模型。
[0042]可选的，还包括：分析模块；
[0043]所述分析模块包括：
[0044]第二提取单元，用于根据季节调整算法提取设定周期内的各个行业历史售电量数据中的售电量趋势特征数据；
[0045]第二获取单元，用于获取各个行业的行业经济指标；
[0046]分析单元，用于分析各个行业对应的售电量趋势特征数据和行业经济指标的相关性，得到各自行业的前导性指标和即时性指标；其中，所述前导性指标根据动态时间规整算法进行分析，得到影响不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电费回收风险预警方法，其特征在于，所述方法包括：基于预先构建的行业发展趋势预测模型获取用户所在行业在当前收费月的行业发展趋势预测值，所述行业发展趋势预测模型基于行业历史售电量发展趋势特征数据和行业经济指标构建；获取用户前一收费月的电费金额，历史电费缴纳数据和业扩办电数据；将所述用户前一收费月的电费金额，历史电费缴纳数据、业扩办电数据和所述行业发展趋势预测值作为预先构建的电费回收风险预警模型的输入，在所述电费回收风险预警模型中预测当前收费月产生电费滞纳金的概率值，并输出；若所述概率值处于风险预警范围内，生成用于指示电费回收风险高的预警信息。2.根据权利要求1所述的方法，其特征在于，所述行业发展趋势预测模型的构建过程包括：根据季节调整算法提取设定周期内的行业历史售电量数据中的售电量趋势特征数据，所述设定周期以月度为单位；获取与用户所在行业相关的前导性指标和即时性指标，所述前导性指标和即时性指标由分析各个行业的售电量趋势特征数据和行业经济指标的相关性得到，所述前导性指标至少包括业扩净增容量、制造业采购经理指数PMI和非制造业PMI，所述即时性指标至少包括产业国内生产总值GDP增速和工业增加值增速；根据主成分分析算法对所述前导性指标和所述即时性指标进行去相关性计算，得到去相关性指标；基于所述售电量趋势特征数据和所述相关性指标，利用支持向量机SVM回归算法构建行业发展趋势预测模型。3.根据权利要求2所述的方法，其特征在于，所述前导性指标和即时性指标由分析各个行业的售电量趋势特征数据和行业经济指标的相关性得到的过程，包括：根据季节调整算法提取设定周期内的各个行业历史售电量数据中的售电量趋势特征数据；获取各个行业的行业经济指标；分析各个行业对应的售电量趋势特征数据和行业经济指标的相关性，得到各自行业的前导性指标和即时性指标；其中，所述前导性指标根据动态时间规整算法进行分析，得到影响不同前导性指标的月度数。4.根据权利要求1所述的方法，其特征在于，所述电费回收风险预警模型的构建过程包括：确定样本收费月，基于预先构建的行业发展趋势预测模型获取用户所在行业在所述样本收费月的样本行业发展趋势预测值；基于用户在设定周期内的电费缴纳次数确定用户月度电费缴纳样本频率；计算所述样本收费月的前一个收费月的用户电费缴纳时间和电费发行时间的差值，将所述差值作为前一个收费月的用户电费缴纳样本时长；利用所述样本收费月的前一个收费月的用户业扩增容完成容量、用户业扩减容完成容量、用户业扩暂停容量和用户业扩恢复容量确定用户前一个收费月月度容量样本变化量；
获取用户在所述样本收费月之前的历史电费滞纳金产生次数和前一次电费滞纳金产生时间；将所述样本收费月的前一个收费月产生的电费金额、所述样本行业发展趋势预测值、所述用户月度电费缴纳样本频率、所述用户电费缴纳样本时长、所述用户月度容量样本变化量、所述历史电费滞纳金产生次数和前一次电费滞纳金产生时间作为输入，将样本收费月产生电费滞纳金的概率作为输出，利用SVM回归算法构建电费回收风险预警模型。5.根据权利要求1所述的方法，其特征在于，还包括：若所述概率值未处于风险预警范围内，生成用于指示电费回收风险低的提示信息。6.一种电费回收风险预警装置，其特征在于，所述装置包...

【专利技术属性】
技术研发人员：陈雨泽，袁葆，张文，陈雁，张静，赵冠东，张明珠，李国强，周春，刘大鹏，欧阳红，
申请(专利权)人：北京中电普华信息技术有限公司，
类型：发明
国别省市：