基于Topsis的低壓用戶群電費回收風險研究和應用

傅軍 付薇薇 許鑫 介志毅 金鳳 張德政

（1. 國網冀北電力有限公司電力科學研究院 2.北京科技大學計算機與通信工程學院 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險研究和應用

傅軍1付薇薇2許鑫1介志毅1金鳳3張德政2

（1. 國網冀北電力有限公司電力科學研究院 2.北京科技大學計算機與通信工程學院 3.北京博望華科科技有限公司）

本文針對電力企業中低壓用戶群中如何確定各用戶群的電費回收風險問題，圍繞用戶用電行為構建低壓用戶群電費回收風險指標體系，進而對各指標進行描述分析以及預處理，利用改進的德爾菲法計算指標權重，最后將Topsis算法應用于低壓用戶群的風險預警分析，并取得了良好的效果。

低壓用戶群；電費回收風險；Topsis；德爾菲法

0 引言

隨著社會的快速發展，電力企業在關注高壓用戶的同時開始慢慢關注低壓用戶的用電風險，而用電風險中主要關注電費回收風險，而如何對低壓用戶或低壓用戶群構建評估指標體系并找出電費回收高風險低壓用戶群是當前電力企業面臨的一大考驗。

針對于低壓用戶的用電風險控制，眾多電力企業以及文獻中主要關注的是經濟效益。如供電公司中低壓用戶電費回收工作面臨的風險以及公司應該采取的應對措施[1]；國網杭州市余杭供電公司通過電費回收進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險規避機制[3]；或是根據財務和信用兩個主要指標進行擴展來研究大用戶電費回收風險管理[4,5]。

由于低壓用戶人數較多，本文根據供電單位進行劃分，形成697個低壓用戶群，圍繞其用電行為數據建立了指標體系，形成模型輸入特征；同時通過數據描述與分析發現數據指標與用電風險度的相關性，而這正好符合Topsis算法模型的特點。本文首次將Topsis算法模型應用于低壓用戶群電費回收風險分析中，利用德爾菲法為指標賦權，取得了良好的效果。

1 風險指標體系構建

評價供電單位低壓用戶群體電費回收風險度時考慮客戶欠費停電數據和預收電費數據，客戶群體欠費電費和預收電費對風險度一般成正負比關系。根據風險劃分理論，將低壓用戶群的風險度指標劃為：預收金額、預收沖抵金額、費控用戶數、停電用戶數據、代扣用戶數據占比、代扣金額占比、費控用戶占比、欠費停電用戶占比。細分指標體系如圖1所示。

圖1 用戶群體風險度指標體系

其中：

預收金額是用戶群的預收總金額，一般認為與風險度成反比；停電用戶數據是用戶群的停電用戶數量，一般認為與風險度成正比；費控用戶數是用戶群的總用戶數數目，一般認為與風險度成反比；預收沖抵金額是用戶群的預收沖抵總金額，一般認為與風險度成反比；代扣用戶數據一般認為與風險度成反比；代扣金額占比一般認為與風險度成反比；費控用戶占比一般認為與風險度成反比；欠費停電用戶占比一般認為與風險度成正比。本文抽取2015年1月到2016年12月的數據做實驗。

下面給出697個低壓用戶群各項風險度指標的數據描述以供后續的決策參考，如表1所示。

表1 各項指標的數據描述

2 德爾菲法確定指標權重

2.1 德爾菲法原理

德爾非法是一種專家評分法，它首先根據評價對象的具體要求選定若干個評價項目，再根據評價項目制訂出評價標準。通過匿名方式征詢有關專家的意見，對專家意見進行統計、處理、分析和歸納，客觀地綜合多數專家經驗與主觀判斷，對大量難以采用技術方法進行定量分析的因素做出合理估算，經過多輪意見征詢、反饋和調整后，對債權價值和價值可實現程度進行分析的方法[6,7]。操作步驟為：

1）選擇專家；

2）確定影響債權價值的因素，設計價值分析對象征詢意見表；

3）向專家提供債權背景資料，以匿名方式征詢專家意見；

4）對專家意見進行分析匯總，將統計結果反饋給專家；

5）專家根據反饋結果修正自己的意見；

6）經過多輪匿名征詢和意見反饋，形成最終分析結論。

專家分數的計算方法有加法評價型、連積評價型、和數相乘評價型以及加權評價型。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項目所得的分值加法求和，按總分來表示評價結果。此法用于指標間關系簡單者。

公式為：

式中，W為評價對象總分值；Wi為第i項指標得分值；n為指標項數。該法有兩種方式：連加評分法和分計加法評價法。

2.2 確定權重

本方法中，對德爾菲方法進行改進，不用德爾菲對指標進行評分，而是利用這套流程進行權重確定。指標分數用于多輪評選時的意見參考，它的分數為0～10。專家在每輪迭代定權重中可以根據分值來修正各個指標的權重值?？偡植⒉皇歉鱾€指標權重值的簡單疊加，而是對對象的一個綜合評價。德爾菲在本方法中的應用步驟為：

1）選定專家和電網市級營業廳的業務人員為專家；

2）以本文設計的7項風險度指標為影響風險度的因素設計對象征詢意見表；

3）向專家提供部分指標的數據描述，讓專家對各個指標的概況有個大概的了解，以匿名方式征詢專家打權重分；

4）用加法評價型對專家評出的各項風險度指標分數進行分數整合，將統計結果反饋給專家；

5）專家根據反饋結果修正自己的各個指標的權重值分；

6）經過多輪匿名征詢和意見反饋，得到指標最終權重值。

經過德爾菲法后得到的各項指標權重值如表2所示。

表2 德爾菲法后得到的各項指標權重值

3 Topsis算法確定低壓用戶群風險度

3.1 Topsis算法原理

Topsis可以根據指標的權重，給客戶打分，實現客戶風險度的進一步評估[8,9]。

在本方法中m等于2，n等于7，分別對應當基礎指標、增量指標和7項風險度指標。

具體風險度計算方法為：

3）確定正理想解A+和負理想解A-：

4）評估各方案分別與正負理想解的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 數據輸入

數據的預處理包括填補缺漏的數據值、平滑噪聲數據、識別或更替異常值，以及解決不一致問題。

數據預處理還包括歸一化工作，前文詳細描述了指標的類型和分布，數值型指標可以直接套用歸一化公式預處理[10]。本文確定的指標都是數值型，因此可以直接利用公式：

對用戶群各項指標數據做歸一化處理，免去量級的影響。其中，x1、y1分別表示處理前后的指標項，xmin表示該項指標的最小值，xmax表示最大值。

3.3 實驗結果

本文利用Matlab進行697個用戶群的Topsis風險度劃分，發現其分布如圖2所示。結果顯示用戶群的風險度在高值區域分布較少，在中低部分布較多。這種分布結果側面符合了二八定理，即小部分的群體貢獻了大部分風險值，而大部分用戶群屬于低風險甚至無風險狀態。說明其評分結果的合理性。

圖2 基于Topsis算法的用戶群風險度評分

選取風險度前70名的用戶群進行查看，發現這些用戶群有如下特征，排名1～10的用戶群停電用戶數據、欠費停電用戶遠超其余用戶群。排名10～70的用戶群具有預收金額較低、預收沖抵金額較低、欠費用戶比例偏高、欠費金額偏高的特點，這符合電力回收風險度的普遍特征。接著取風險度前70名用戶群的所屬地區分析，其分布如圖3所示， 通過與業務人員的結合，發現地區特性較為符合現狀，為供電總公司決策提供了輔助。

圖3 風險度前70名用戶群所屬地區的分布

4 結束語

本研究針對低壓用戶群電費回收風險預警方法，構建了基于德爾菲和Topsis的電費回收風險度模型。在構建指標時充分考慮用戶地域行業等基礎特征，將用戶群以供電單位劃分成697個用戶群體，并結合用電行為特征設計風險度指標。利用德爾菲法確定指標權重更具說服力。同時，在構造Topsis輸入數據，對不同用電級別的企業用電數據均進行特征工程和規范化處理，降低了指標變化對模型穩定性的干擾。

應用Topsis算法能更有效地對用戶數據進行相對優劣的評價，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新與成效[J]. 電力技術經濟， 2008(1).

[3] 黃靜. 保定市供電公司大用戶電費回收風險的預警機制研究[D]. 保定：華北電力大學，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]. 電力科學與工程，2016，32(1)：31-36.

[5] 余磊. 基于信用評級的供電企業收費風險管理研究[D]. 武漢：武漢大學，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備品備件候選評價方法[J]. 上海電力學院學報，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]. 計算機工程與設計，2014，35(1)：6-10.

[8] 王敬敏，孫艷復，康俊杰. 基于熵權法與改進TOPSIS法的電力企業競爭力評價[J]. 華北電力大學學報自然科學版，2010，37(6)：61-64.

[9] 曾艷秋，劉煒娜，袁少良. 基于M-TOPSIS法的電力企業客戶信用評價[J]. 宜春學院學報，2015，37(12)：40-41.

[10] 陶莉，朱小光. 數據預處理對電力負荷預測精度的影響[J]. 華電技術，2015 37(9)：8-10.

2017-03-20）