基于電力大數(shù)據(jù)的電費回收風險防控策略研究

湯 林，張 婧

(國網重慶市區(qū)供電公司，重慶 400010)

近年來，隨著大數(shù)據(jù)、云計算、物聯(lián)網、移動互聯(lián)等技術的推廣和應用，國網公司信息化基礎設施建設發(fā)展迅速，這些信息化基礎設施已產生規(guī)模龐大的電力大數(shù)據(jù)，其規(guī)模已達 PB/EB/ZB[1]， 在類型上包含了結構化、半結構化及空間矢量數(shù)據(jù)[2]。電力大數(shù)據(jù)具備“4V”特征，即規(guī)模大(volume)、類型多(variety)、價值密度低(value)和變化快(velocity)[3]。在大數(shù)據(jù)分析、云計算、人工智能等新技術賦能下，電力大數(shù)據(jù)將成為國網公司重要的戰(zhàn)略資源和新的生產要素。如何利用電力大數(shù)據(jù)服務于企業(yè)自身、政府、社會，已成為電力領域研究熱點之一[4]。

目前，在新冠疫情的影響下，部分電力客戶資金周轉困難，又由于電力與民生關系緊密，社會輿論壓力巨大，所以供電企業(yè)傳統(tǒng)電費回收工作面臨巨大挑戰(zhàn)。本文通過對客戶歷史繳費數(shù)據(jù)、電量數(shù)據(jù)進行挖掘分析，采用人工智能領域中的深度學習算法，評估客戶電費回收風險、繳費習慣、居住行為和用電行為，從而制訂差異化的電費回收風險防控策略，以全面提升供電企業(yè)電費精益化、數(shù)字化、智能化的管理水平。

1 供電企業(yè)電費回收現(xiàn)狀

供電企業(yè)電費回收效率與企業(yè)內部管理、國家法規(guī)政策、客觀經濟形勢等各種內外因素相關[5]。目前電費回收存在以下3個難點。

1)客戶群體廣且增速快。鑒于一戶一表安裝、國有企業(yè)“三供一業(yè)”分離、小微企業(yè)快速發(fā)展等情況，供電企業(yè)客戶基數(shù)和增量均較大，傳統(tǒng)的基于個人工作經驗的電費回收模式具有較大局限性，缺乏科學的、全面的客戶電費回收風險評估手段。

2)實際用電客戶信息迭代快。隨著房地產經濟的繁榮，房屋交易、租賃導致實際用電主體信息變更較快，供電企業(yè)掌握的客戶基本信息數(shù)據(jù)，如客戶聯(lián)系方式，其準確度不足以支撐電費遠程催收工作有效開展。

3)客戶違約成本低，法律意識淡薄[6]。按照《電力供應與使用條例》第三十九條規(guī)定：“逾期未交付電費的，供電企業(yè)可以從逾期之日起，每日按照電費總額的千分之一至千分之三加收違約金?！彪m然單一客戶的違約成本低，但供電企業(yè)的客戶基數(shù)大，疊加后其資金回收壓力較大。

在有限人力成本的支撐下，在電力企業(yè)智能化、數(shù)字化推進發(fā)展的大前提下，基于電力大數(shù)據(jù)的風險防控策略的制訂及實施，對供電企業(yè)電費回收工作意義重大。

2 電力大數(shù)據(jù)挖掘分析

2.1 繳費數(shù)據(jù)挖掘

電費回收工作具有明顯時間節(jié)點特征。未繳納電費的客戶繼續(xù)用電，則按照國網重慶市電力公司有關文件規(guī)定，每月24日以后，當月電費發(fā)行開始計收違約金?？蛻粼陔娏ο到y(tǒng)中的繳費記錄數(shù)據(jù)與電費回收風險評估模型具有較大關聯(lián)性，該項數(shù)據(jù)具有較大挖掘價值。

利用深度學習-決策樹分類理論，并考慮到用電客戶主體可能變更等因素，將訓練樣本縮減為用戶2018—2020年所有的電費繳費記錄，并通過特征工程整合，整合出：開戶年限/繳費總次數(shù)/欠費總次數(shù)/欠費次數(shù)占比/5號前繳費次數(shù)/5號前繳費占比/20號前繳費次數(shù)/平均繳費時間段等20個新特征。

輸出參數(shù)包含3項：欠費概率，定義為客戶20號以后繳費的概率，同時定義欠費概率在80%及以上的為高風險客戶；繳費方式，分“線上繳費”“營業(yè)廳坐收”和“其他機構代收”3類；繳費習慣，分“當月10號以前”“當月10～15號”“當月15～20號”3類。

繳費數(shù)據(jù)挖掘分析如圖1所示。

圖1 繳費數(shù)據(jù)挖掘分析

2.2 電量數(shù)據(jù)挖掘

供電企業(yè)用電信息采集系統(tǒng)建設，能夠提供大量客戶的歷史電量數(shù)據(jù)，同時通過電力載波通信，可實時采集客戶電流、電壓數(shù)據(jù)，這些數(shù)據(jù)均可用于客戶畫像，進而可分析得出客戶歷史用電習慣，比如什么時候在家、目前用電狀態(tài)、是否停用電等。電量數(shù)據(jù)的挖掘分析，對于供電企業(yè)電費回收工作中的上門催收、停電催收等環(huán)節(jié)具有重要參考價值。如圖2所示。

圖2 電量數(shù)據(jù)挖掘分析

通過樣本訓練，可以得到客戶的居住行為判定與預測模型，用于供電企業(yè)精準上門催收；也可以得到客戶用電行為判定模型，用于供電企業(yè)監(jiān)控對欠費客戶實施停電催收的工作是否執(zhí)行順利。

3 差異化電費回收風險防控策略

基于上述大數(shù)據(jù)挖掘分析結果，結合供電企業(yè)目前電費回收工作模式，本文提出如下差異化電費回收風險防控策略。

策略一：針對風險評估模型預測的高風險客戶(以下簡稱“預測型高風險客戶”)，電費發(fā)行后開展上門催收(告知)、電話催收(告知)，提前開展電費催收(告知)工作，增加客戶感知度；

策略二：針對預測型高風險客戶，收集并及時更新維護其基本信息，包括居住性質(業(yè)主、租賃戶)和聯(lián)系電話；

策略三：根據(jù)繳費習慣判定模型，對超過習慣繳費日的，將其預警成突變型高風險客戶；

策略四：根據(jù)繳費方式判定模型，對習慣線上繳費的高風險客戶優(yōu)先開展電話催收(告知)工作；

策略五：根據(jù)居住行為判定與預測模型，合理安排上門催收工作，避免遇到上門時無人在家的情況；

策略六：根據(jù)用電行為判定模型，實時跟蹤對違約欠費客戶實施停電工作的效果。

供電企業(yè)傳統(tǒng)電費回收工作流程如圖3所示。

圖3 傳統(tǒng)電費回收工作流程

基于電力大數(shù)據(jù)的電費回收風險防控策略的電費回收工作流程如圖4所示。

圖4 基于電力大數(shù)據(jù)的電費回收工作流程

4 基于電力大數(shù)據(jù)的電費回收風險防控策略應用

國網重慶市區(qū)供電公司隨機抽取電力客戶52 441戶，導出其2018年1月至2020年12月期間的繳費記錄數(shù)據(jù)，通過深度學習-決策樹分類理論，劃出436戶高風險客戶，通過導出此部分用戶3月繳費記錄進行驗證分析發(fā)現(xiàn)，當期繳費習慣良好用戶有91戶，占比20.78%，驗證結果表明，本文提出的電費回收高風險評估模型預測準確率約為80%。針對上述繳費習慣較差的345戶客戶，于2020年5月按照基于電力大數(shù)據(jù)的電費回收工作流程開展電費回收工作，截至2020年5月22日，其電費回收成效如表1所示。

表1 基于電力大數(shù)據(jù)的電費回收工作成效

綜上所述，若以預測準確率80%、回收成功率60%來計算，用基于電力大數(shù)據(jù)的電費回收風險防控策略后的電費回收工作流程，可在傳統(tǒng)電費催收工作開始時間節(jié)點前，提前完成約48%的電費催收工作量。此外，風險防控策略中的精準上門催收和輔助監(jiān)控停電催收，對供電企業(yè)電費回收工作的高效開展也具有顯著作用。

5 結論

基于電力大數(shù)據(jù)的電費回收風險防控策略，充分將供電企業(yè)的客戶歷史繳費數(shù)據(jù)和用電數(shù)據(jù)與電費回收實際工作相結合，通過深度學習算法，構建四大模型，根據(jù)模型結果制訂出差異化的、科學的電費回收工作流程，降低了供電企業(yè)電費回收風險，起到了較好風險防控效果。實踐結果表明，應用新的風險防控策略后，月底欠費客戶數(shù)下降48%，節(jié)省了供電企業(yè)電費催繳成本，提高了電費回收工作效率。下一步可與政府、互聯(lián)網企業(yè)開展數(shù)據(jù)共享合作，自動關聯(lián)并更新客戶檔案數(shù)據(jù)，減少人工數(shù)據(jù)收集工作量，同時引入智能語音客服、自動短信推送等智能化手段，進一步提高電費回收的工作效率。