基于連續(xù)用電量和繳費(fèi)時間差的客戶信用動態(tài)評價模型

謝宏偉, 魏 偉, 郭崇慧, 陳海民, 李文杰, 陳 沖

(1.國網(wǎng)內(nèi)蒙古東部電力有限公司,內(nèi)蒙古 呼和浩特 010000; 2.大連理工大學(xué) 系統(tǒng)工程研究所,遼寧 大連 116024; 3.南瑞集團(tuán)公司(國網(wǎng)電力科學(xué)研究院) ,江蘇 南京 211106; 4.北京科東電力控制系統(tǒng)有限責(zé)任公司,北京 100000)

0 引言

社會飛速發(fā)展的今天，電是人們?nèi)粘Ｉ钪匈囈陨娴谋匦杵?，所有人都是用電客戶。而供電機(jī)構(gòu)與金融貸款機(jī)構(gòu)不同，金融貸款機(jī)構(gòu)在貸款給客戶之前，會先調(diào)查客戶一系列相關(guān)詳細(xì)信息，如客戶基本情況、居住穩(wěn)定性、工作穩(wěn)定性、資產(chǎn)狀況、負(fù)債狀況、生產(chǎn)經(jīng)營狀況、社會信譽(yù)、道德品質(zhì)等[1～4]，再決定是否放貸。在電力行業(yè)中，電力公司目前只是對大客戶的電資償還能力進(jìn)行了評估，而對普通居民的信用評級處于空白[5]。供電商幾乎給所有有需求的客戶供電，且不會通過調(diào)查客戶的詳細(xì)信息來決定是否給新客戶供電。實(shí)際情況也是先給客戶供電，根據(jù)客戶日后的用電行為對是否繼續(xù)給客戶供電進(jìn)行決策。

隨著國家信息化的發(fā)展，國家電網(wǎng)推出并實(shí)現(xiàn)了多種便民繳費(fèi)方式[6]，例如，客戶可以通過電力機(jī)構(gòu)、金融機(jī)構(gòu)(銀行)或者第三方(支付寶)等線上線下多種方式完成繳費(fèi)，使得繳費(fèi)難問題幾乎得到解決，同時不在規(guī)定時間內(nèi)繳費(fèi)的客戶也越來越少。供電商只需針對特殊的少量的沒有在規(guī)定時間內(nèi)交納電費(fèi)的客戶給予相應(yīng)的懲罰或者激勵措施，而絕大部分客戶都在規(guī)定時間范圍內(nèi)完成電費(fèi)交納。如何對在規(guī)定時間內(nèi)完成繳費(fèi)的客戶進(jìn)行動態(tài)再評價，根據(jù)客戶的實(shí)時信用值做出相應(yīng)的激勵措施和增值服務(wù)，更大范圍內(nèi)調(diào)動用電客戶交納電費(fèi)的積極性，對提高供電商電費(fèi)回收效率和社會穩(wěn)定和諧有重要的作用。

目前主要用于信用風(fēng)險評級的方法一般通過找到幾項(xiàng)與客戶相關(guān)的指標(biāo)，用這些指標(biāo)做層次分析模型、多元線性回歸分析、邏輯回歸分析、決策樹模型以及神經(jīng)網(wǎng)絡(luò)模型等，進(jìn)而對各個指標(biāo)計算出一個權(quán)重值，根據(jù)構(gòu)建好的模型，對每個客戶進(jìn)行打分，以分?jǐn)?shù)的高低對客戶進(jìn)行信用分級，并且這些模型在客戶風(fēng)險評級領(lǐng)域已經(jīng)取得了顯著成果[7～12]。在這些傳統(tǒng)的客戶信用評價方法中，大多采用定性方法或者定性與定量相結(jié)合的方法對搜集來的客戶綜合信息進(jìn)行統(tǒng)計分類與評價。這類方法在電力行業(yè)存在一定的缺陷，首先電力行業(yè)客戶廣泛而眾多，各方面的綜合信息量大并難于收集，并且客戶的信息在不斷變化，僅僅依靠客戶固定的歷史綜合信息很難做出正確的評價，需要持續(xù)地收集客戶動態(tài)信息，才能夠做出實(shí)時的客戶動態(tài)評價。其次，涉及到定性分析的方法中，大多摻雜了一些主觀因素，而這些主觀因素難以量化，雖然得到的評價模型效果很好但很難嵌入到實(shí)際的電力評價系統(tǒng)中。實(shí)時的客戶動態(tài)評價方法能夠幫助供電商做出快速的決策，而目前國內(nèi)外的學(xué)者或供電機(jī)構(gòu)對用電客戶動態(tài)評價問題研究較少，更沒對按時完成電費(fèi)繳納的客戶群進(jìn)行再評價和細(xì)分。

供電量和電費(fèi)回收效率是供電商經(jīng)營成果的主要指標(biāo)，而客戶交納電費(fèi)的積極性直接影響著電費(fèi)回收指標(biāo)的完成[13]。從供電商發(fā)布繳費(fèi)日期到客戶實(shí)際交納電費(fèi)日期所歷經(jīng)的時間間隔稱之為繳費(fèi)時間差，而客戶繳費(fèi)積極性可以由繳費(fèi)時間差來衡量。在供電商供電量充足[14]、用電客戶都在規(guī)定時間內(nèi)完成繳費(fèi)的情況下，需要對該客戶群再進(jìn)行一次細(xì)分。持續(xù)用電量高、穩(wěn)定并且繳費(fèi)時間差小的客戶是供電商需要提供獎勵的優(yōu)質(zhì)客戶，而用電量高但繳費(fèi)時間差很大的客戶是供電商需要激勵其積極性的客戶。從供電商角度出發(fā)，在不考慮貨幣利率波動的情況下，從供電商發(fā)行交納電費(fèi)通知之日起，所有客戶的單位用電量在任意單位繳費(fèi)時間差內(nèi)對供電商帶來的潛在損失是固定值。綜合客戶用電量和繳費(fèi)時間差兩個因素，本文提出一種新的客戶信用動態(tài)度量方法，此信用指標(biāo)綜合反應(yīng)了客戶的持續(xù)用電能力和繳納電費(fèi)的積極性，即持續(xù)高用電量并且繳費(fèi)時間差小的客戶信用值相對較高，持續(xù)高用電量但繳費(fèi)時間差大的客戶信用值相對較低。

1 用電客戶信用動態(tài)評價理論模型構(gòu)建

客戶的用電量記錄和繳費(fèi)時間差記錄同屬于時間序列數(shù)據(jù)，對這些時間序列數(shù)據(jù)單純的依靠傳統(tǒng)統(tǒng)計建模方法，制定出固定的衡量指標(biāo)，如均值、方差等，很難全面衡量數(shù)據(jù)的含義，同時也不能挖掘出時間序列數(shù)據(jù)背后固有的一些模式。利用時間序列數(shù)據(jù)特有的時間關(guān)聯(lián)性，分析相鄰數(shù)據(jù)間數(shù)據(jù)變化的模式，對客戶用電量時間序列和繳費(fèi)時間差時間序列數(shù)據(jù)進(jìn)行多視角的綜合分析與學(xué)習(xí)，一定程度上能夠反應(yīng)客戶背后的信用變化。本文擬使用擴(kuò)展的“S型”函數(shù)[15,16]對影響客戶信用指標(biāo)的相關(guān)因素進(jìn)行整合并構(gòu)建新的客戶信用評價模型。

現(xiàn)實(shí)情況中，供電商或供電機(jī)構(gòu)通過增加供電量對公司產(chǎn)生的效益和通過提高客戶電費(fèi)回收效率對公司產(chǎn)生的效益是不同的，不同的供電商或供電機(jī)構(gòu)的側(cè)重點(diǎn)也不一樣。為了簡化模型，本文做出一個最基本的假設(shè)，即在不考慮貨幣利率變化的情況下，從發(fā)行交納電費(fèi)通知之日起，客戶的單位用電量在任意單位的繳費(fèi)時間差內(nèi)對供電商或者供電機(jī)構(gòu)帶來的潛在損失是固定值。比如，客戶消耗100度電并且在3周完成交電費(fèi)與客戶消耗150度電并且在2周完成交電費(fèi)，對公司帶來的潛在損失是相等的，因?yàn)榍罢咴斐晒╇娚?00×3=300個單位的潛在損失，后者同樣造成供電商150×2=300個單位的潛在損失。

1.1 模型參數(shù)描述

C0：客戶初始信用值；Cmax：客戶最大信用值；Ct：客戶開戶后第t個月的信用值，t=1,2,3,…；α：頻繁不用電客戶的最低信用值；β：頻繁不用電客戶的信用遞減因子，β<0；γ：及時繳費(fèi)客戶的信用擴(kuò)展因子，γ>0；ε：非及時繳費(fèi)客戶的信用縮減因子，ε<0；Qt：客戶開戶后第t個月的用電量，t=1,2,3,…；It：客戶開戶后第t個月的繳費(fèi)時間差，t=1,2,3,…；Q：客戶開戶后每月的用電量形成的時間序列，Q=(Q1,Q2,…,Qt,Qt+1,…)；It：客戶開戶后每月的繳費(fèi)時間差形成的時間序列，I=(I1,I2,…,It,It+1,…)。

1.2 模型合理性假設(shè)

真實(shí)的電力系統(tǒng)數(shù)據(jù)復(fù)雜多變，為盡量滿足大部分需求并建立相對統(tǒng)一的理論模型，根據(jù)上述情況分析，做出如下合理性假設(shè)。

假設(shè)1從供電商角度出發(fā)，單位用電量在單位繳費(fèi)時間差內(nèi)造成的潛在效益損失相等，即ΔQ·Δt值越大，給供電商造成的潛在效益損失越高，其中ΔQ表示單位用電量，Δt表示單位繳費(fèi)時間差；

假設(shè)2新客戶信用值相同，同為初始信用值c0；

假設(shè)3客戶第t個月用電量為0，第t-1個月用電量非0時，相比于第t-1個月信用值，客戶信用值下降；

假設(shè)4客戶第t個月用電量為0，第t-1個月用電量也為0時，相比于第t-1個月信用值，客戶信用值下降，但信用值不低于信用值α；

假設(shè)5繳費(fèi)時間差為0時，客戶用電量越高，信用值增加的越快；

假設(shè)6客戶用電量和繳費(fèi)時間差同時不為0時，第t個月的客戶用電量與繳費(fèi)時間差的乘積相比第t-1個月的乘積大，則信用值降低；否則，信用值升高。

1.3 用電客戶信用動態(tài)評價理論建模

根據(jù)上述模型假設(shè)以及真實(shí)情況下客戶用電量大小和繳費(fèi)時間差的長短，對客戶信用進(jìn)行不同層級下的動態(tài)評價建模。要計算一個用電客戶在第t個月的信用值，本文首先考慮了該客戶在第t-1個月的信用值ct-1、第t-1個月和第t個月的用電量Qt-1和Qt，以及兩個月對應(yīng)的繳費(fèi)時間差I(lǐng)t-1和It五個因素，然后分別對相關(guān)變量在不同條件下進(jìn)行分層建模，客戶第t個月的信用評價的概念模型如圖1所示。

圖1 客戶信用評價概念模型

模型1在第t個月用電量為零而第t-1個月用電量不為零的情況下，客戶第t個月的信用值相對于第t-1個月信用值會以一定的幅度下降，定義客戶信用遞減因子β,(β<0)，則當(dāng)Qt=0并且Qt-1≠0時，客戶第t個月的信用值計算方法為

Ct=Ct-1+β,t=2,3,…

(1)

并且當(dāng)t=1時，客戶信用值同為初始信用值C0。

模型2在第t個月與第t-1個月用電量全部為零的情況下，即客戶出現(xiàn)了連續(xù)不用電的現(xiàn)象，此種情況下，客戶第t個月信用值相比于第t-1個月信用值持續(xù)下降，根據(jù)實(shí)際情況，客戶第t個月的信用值大于或等于用電客戶的最低信用值α,(α>0)。綜上，當(dāng)Qt=Qt-1=0時，客戶第t個月的信用值計算方法為：

Ct=max{ct-1+β,α},t=2,3,…

(2)

并且當(dāng)t=1時，客戶信用值同為初始信用值C0。

模型3當(dāng)客戶第t個月用電量不為零，而繳費(fèi)時間差為零的情況下，即客戶在最短的時間單位內(nèi)交納了第t個月的用電費(fèi)用，此種情況的客戶是供電商期望的理想用電客戶，故該類客戶第個月的信用值會以一定的幅度增長，增長程度隨著第t個月與第t-1個月的用電量之差的變化而變化，增長程度滿足以相鄰兩月用電量之差Qt-Qt-1為自變量的“S型”函數(shù)，但客戶的信用值不會超過系統(tǒng)定義的客戶最大信用值Cmax，此處定義及時繳費(fèi)客戶的信用擴(kuò)展因子γ,(γ>0)，則當(dāng)Qt≠0并且It=0時，客戶第t個月的信用值計算方法為：

(3)

模型4當(dāng)客戶第t個月用電量和第t個月的繳費(fèi)時間差都不為零時，相比于客戶用電量不為零而繳費(fèi)時間差為零的情況，客戶在一定程度上給供電商帶來了一定的潛在損失。第t個月的潛在損失高于第t-1個月客戶帶來的潛在損失時，客戶的第t個月信用值相對于第t-1個月的信用值會以一定的幅度下降，反之，則以一定的幅度上升，但客戶的信用值不會超過系統(tǒng)定義的客戶最大信用值Cmax。在假設(shè)1的條件下，客戶給供電商帶來的潛在損失與客戶用電量和繳費(fèi)時間差的乘積值直接相關(guān)，此處定義非及時繳費(fèi)客戶的信用縮減因子ε,(ε<0)，則當(dāng)Qt≠0并且It≠0時，客戶第t個月的信用值計算方法為：

(4)

綜合上述不同條件下的客戶信用評價模型，得到本文關(guān)于用電客戶的信用動態(tài)評價模型Ct(Qt,Qt-1,It,It-1,Ct-1)為：

(5)

其中t=2,3,…；此外，客戶第一個月用電并繳費(fèi)后的信用值C1為：

(6)

其中C0,Cmax分別為客戶初始信用值和客戶最大信用值，α,β,γ,ε分別是針對客戶在用電量和繳費(fèi)時間差不同情況下對客戶信用進(jìn)行評價的調(diào)整參數(shù)，這些參數(shù)可以依據(jù)不同的環(huán)境需求作相應(yīng)的調(diào)整。

2 模型驗(yàn)證與應(yīng)用

2.1 數(shù)據(jù)準(zhǔn)備

為驗(yàn)證本文所構(gòu)建的模型的有效性，本文將利用國家電網(wǎng)提供的赤峰市寧城縣的用電客戶真實(shí)數(shù)據(jù)對本文模型的有效性進(jìn)行驗(yàn)證和分析。首先對赤峰市寧城縣用電客戶的交納電費(fèi)行為進(jìn)行分析，如圖2(a)所示，寧城縣將近21萬客戶近兩年內(nèi)的月繳費(fèi)行為記錄中(約450萬條繳費(fèi)記錄)，在供電商發(fā)布交電費(fèi)通知的當(dāng)天完成繳納電費(fèi)的約68.83%；而在非當(dāng)天交納電費(fèi)的記錄中，99.79%的記錄在距離供電商發(fā)布交電費(fèi)通知的三周內(nèi)全部交齊，只有0.21%的記錄推遲到三周以外完成繳費(fèi)，如圖2(b)所示。

圖2 赤峰市寧城縣的用電客戶繳費(fèi)時間統(tǒng)計

先把寧城縣用電客戶在近兩年內(nèi)每個月份的所有用電量數(shù)據(jù)和繳費(fèi)時間數(shù)據(jù)提取出來，根據(jù)實(shí)際情況對數(shù)據(jù)進(jìn)行預(yù)處理，共得到4,520,780條有效數(shù)據(jù)，最后整合得到205,490個不同用電客戶在2014年1月到2015年10月間的所有用電量和繳費(fèi)時間差兩種不同類型的數(shù)據(jù)。對于繳費(fèi)時間差數(shù)據(jù)表，由于繳費(fèi)時間差計算的是供電商發(fā)布繳費(fèi)信息之日起到客戶交納電費(fèi)之日的時間間隔，該時間間隔以天為單位。按照實(shí)際情況，客戶在供電商發(fā)布繳費(fèi)信息后，客戶在繳費(fèi)信息發(fā)布后的三天內(nèi)交費(fèi)的行為，都可視為客戶在第一時間進(jìn)行了交費(fèi)，而客戶在隨后的一周時間內(nèi)，即在第4到第10天內(nèi)交費(fèi)的行為可視為在相同繳費(fèi)時間差單位內(nèi)進(jìn)行交費(fèi)，依次類推，得到標(biāo)準(zhǔn)的客戶繳費(fèi)時間差表，如表1所示，經(jīng)過表1單位間的轉(zhuǎn)換，可以得到所有客戶每個月份的標(biāo)準(zhǔn)繳費(fèi)時間差。

表1 繳費(fèi)時間差單位轉(zhuǎn)化表

2.2 實(shí)驗(yàn)驗(yàn)證

運(yùn)用本文提出的用電客戶信用動態(tài)評價模型，并調(diào)整模型中的相應(yīng)的參數(shù)，最終設(shè)定客戶初始信用值C06，即合格分值；客戶最大信用值Cmax10，即滿分值；頻繁不用電客戶的最低信用值α=7，頻繁不用電客戶的信用遞減因子β=-0.8，及時繳費(fèi)客戶的信用擴(kuò)展因子γ=0.8，非及時繳費(fèi)客戶的信用縮減因子ε=-0.9，參數(shù)的設(shè)定在2.3節(jié)會做進(jìn)一步的介紹。結(jié)合上述客戶用電量、標(biāo)準(zhǔn)繳費(fèi)時間差兩種類型的數(shù)據(jù)，得到每個客戶在2014年1月到2015年10月間每個月的信用值，20位隨機(jī)抽樣客戶的具體信用值如表2所示，其中每個客戶在每個月份下的數(shù)值表示該客戶完成本月電費(fèi)交納后的實(shí)時信用值。供電商可以根據(jù)客戶實(shí)時的信用值高低情況以及客戶信用波動曲線趨勢(如圖3)及時地對相關(guān)客戶進(jìn)行相應(yīng)的激勵、獎勵或者增值服務(wù)等。如對客戶編號為1,5,8,11,13,14,15的高信用客戶進(jìn)行一些獎勵；對客戶編號為7,9,10,16,19,20的中等或中上等信用客戶進(jìn)行相應(yīng)的激勵措施，提高客戶交納電費(fèi)的積極性；對客戶編號為2,4,12,17的較低信用客戶進(jìn)行相應(yīng)的提醒措施等。

表2 隨機(jī)抽樣客戶在連續(xù)時間段內(nèi)的信用值分布

圖3 部分抽樣客戶的信用值波動曲線

為驗(yàn)證本文所提模型計算結(jié)果的合理性，本文從用電客戶數(shù)據(jù)中選取了三個不同樣例(如表3)對模型結(jié)果進(jìn)行了合理性解釋。樣例A可以看出，用電量穩(wěn)定且及時交費(fèi)的用戶，其信用值也會相對穩(wěn)定，交費(fèi)不及時會帶來信用值的消減。樣例B呈現(xiàn)出頻繁性交費(fèi)不及時現(xiàn)象和用電量連續(xù)為零現(xiàn)象，信用值會隨著用電量和繳費(fèi)時間差之乘積的波動而出現(xiàn)一定程度的波動，連續(xù)多次不用電時，客戶的信用值會重新回到固定值。樣例C用電量較為穩(wěn)定但出現(xiàn)連續(xù)性交費(fèi)不及時甚至拖延現(xiàn)象，其信用值會在一個較低范圍內(nèi)波動。

表3 三個不同樣例的信用波動分析

為了驗(yàn)證本文所建立的客戶信用評價理論模型的有效性，本文從全數(shù)據(jù)中隨機(jī)抽取出五組樣本，每組樣本中都包含有50個不同用電客戶的用電量數(shù)據(jù)和繳費(fèi)時間差數(shù)據(jù)。三個領(lǐng)域?qū)＜曳謩e對五組樣本進(jìn)行人工信用評價，對每個客戶22個月內(nèi)的兩種數(shù)據(jù)做出一個整體評價，分為五個等級，A,B,C,D,E，依次表示優(yōu)、良好、中等、一般和差。得到的最后評價結(jié)果作為標(biāo)準(zhǔn)結(jié)果，以此對本文提出的信用評價模型進(jìn)行檢驗(yàn)。

對抽樣的五組樣本，運(yùn)用本文提出的信用評價模型，得到每個客戶在每個月的信用動態(tài)評價值，然后求出每個客戶在整個時間段內(nèi)的信用值的均值作為該客戶的整體信用值，計算公式為：

(7)

然后根據(jù)平均值的大小分別對每組中的客戶進(jìn)行信用排序和分類，按照不同值的大小對每組客戶分成五個等級，評級標(biāo)準(zhǔn)如表4所示。

表4 信用值范圍與信用等級對應(yīng)表

依次與專家評價結(jié)果進(jìn)行對比，得到每組中劃分與專家劃分相同的客戶個數(shù)，如表5所示。觀察可以得出，每組的正確率都在90%左右，其中沒有劃分正確的客戶中，大多只相差一個等級；所有樣本中的平均正確劃分比例接近90%。

表5 實(shí)驗(yàn)結(jié)果與專家評價結(jié)果對比

實(shí)驗(yàn)結(jié)果和專家標(biāo)準(zhǔn)結(jié)果具有良好的一致性，對比結(jié)果說明了本文所建模型的合理性，可以給實(shí)際的用電客戶信用評價提供一定的參考。

2.3 靈敏度分析

上述實(shí)驗(yàn)過程中，本研究對模型中的參數(shù)取值進(jìn)行了合理性分析，即考察分析了參數(shù)的取值對最后實(shí)驗(yàn)結(jié)果與專家結(jié)果的符合程度的影響。本研究的主要參數(shù)為：客戶初始信用值C0，客戶最大信用值Cmax，頻繁不用電客戶的最低信用值α，頻繁不用電客戶的信用遞減因子β，及時繳費(fèi)客戶的信用擴(kuò)展因子γ，非及時繳費(fèi)客戶的信用縮減因子ε。其中C0、Cmax和α可以根據(jù)供電商對用電客戶的評價標(biāo)準(zhǔn)來確定。對一位新客戶，客戶初始信用值設(shè)定為合格，即C0=6；對一位老用電客戶，客戶最高信用值設(shè)定為滿分，即Cmax=10；對于一位頻繁不用電的老客戶，設(shè)定其最低信用值稍高于新客戶初始信用值，即α=7。而對于剩余的三個參數(shù)，即β、γ和ε，本研究分別對其設(shè)定一系列的離散值進(jìn)行實(shí)驗(yàn)，觀察不同的取值對實(shí)驗(yàn)效果的影響。本研究采取固定任兩個參數(shù)的情況下，在合理的取值范圍內(nèi)變動剩余的一個參數(shù)50次的策略進(jìn)行靈敏度分析，實(shí)驗(yàn)結(jié)果如圖4所示。

圖4 參數(shù)靈敏度分析

從圖4(a)可以看出，在參數(shù)γ和ε固定的情況下，β≤-0.79時，準(zhǔn)確率趨于穩(wěn)定。由圖4(b)可知，在參數(shù)β和ε固定的情況下，γ∈[0.7,0.87]時，準(zhǔn)確率相對穩(wěn)定。由圖4(c)可知，在參數(shù)β和γ固定的情況下，ε∈[-1.1,-0.73]時，準(zhǔn)確率相對穩(wěn)定。所以本實(shí)驗(yàn)中選擇β=-0.8、γ=0.8以及ε=-0.9作為參考值對客戶進(jìn)行信用值評價。

3 結(jié)論

本文針對現(xiàn)實(shí)世界中用電客戶信用評價問題進(jìn)行了研究，主要對在規(guī)定時間內(nèi)完成交費(fèi)的用電客戶群進(jìn)行的一種信用等級再分類。在用電客戶其它方面信息缺失，只有用電量信息和繳費(fèi)時間差信息的情況下，本文利用擴(kuò)展的“S型”函數(shù)對用電量信息和繳費(fèi)時間差信息進(jìn)行整合建模，得出一個能夠度量客戶持續(xù)用電能力和交納電費(fèi)的積極性的客戶信用動態(tài)評價模型。本文把此模型應(yīng)用到赤峰市寧城縣客戶數(shù)據(jù)中，通過參數(shù)靈敏度分析實(shí)驗(yàn)，設(shè)定相對穩(wěn)定的參數(shù)值，最后得到的信用波動結(jié)果與客戶的用電量波動情況和交費(fèi)積極性變化等密切相關(guān)，可解釋性強(qiáng)。最后隨機(jī)抽樣出一定量樣本數(shù)據(jù)，通過與領(lǐng)域?qū)＜以u判結(jié)果進(jìn)行實(shí)驗(yàn)對比，得出此模型的評價結(jié)果與領(lǐng)域?qū)＜以u價結(jié)果具有90%左右的一致性，也說明了本文所建立的用電客戶信用動態(tài)評價模型的可行性。此外，相比于其它定性分析方法，此模型更具有客觀性，計算過程中不融入主觀思想，計算方法簡單可靠。本文提出的模型可以方便地應(yīng)用到真實(shí)世界中供電商對用電客戶的信用評分系統(tǒng)中用電客戶信用評價系統(tǒng)中，可以為供電商提供實(shí)時的客戶信用狀態(tài)值，輔助供電商做出相應(yīng)的決策。