基于Topsis的低壓用戶群電費回收風(fēng)險研究和應(yīng)用

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）