基于层次化数据分析的电力优质客户综合评价方法

程婷婷，陈云龙，张海静，张玉敏，苗晓峰

（1.国网山东省电力公司电力科学研究院，济南250002；2.国网山东省电力公司，济南250001；3.电网智能化调度与控制教育部重点实验室（山东大学），济南250001）

基于层次化数据分析的电力优质客户综合评价方法

程婷婷1，陈云龙1，张海静2，张玉敏3，苗晓峰3

（1.国网山东省电力公司电力科学研究院，济南250002；2.国网山东省电力公司，济南250001；3.电网智能化调度与控制教育部重点实验室（山东大学），济南250001）

电力市场化背景下，科学地管理客户关系是提高电力市场营销综合经济效益的重要途径，提出一种优质客户综合评价的模型与方法。该方法构建了优质客户评价的目标函数、评价指标以及它们之间的层次化结构，并对指标之间的独立性和关联性关系进行讨论，实现了层次化数据包络分析法在电力优质客户综合评价中的应用，有效避免单一指标评估的片面性以及决策者主观差异可能导致的评估结果局限性。通过实际的数据，验证所提方法用于电力优质客户评估的有效性和实用性。

优质客户；层次分析法；数据包络分析法；综合模型

0 引言

随着中国电力市场化的发展，市场主体的多元化加剧了市场竞争，客户关系管理的需求日趋复杂。优质客户作为客户关系管理的重要内容之一，其评价指标涉及因素繁多，并且指标之间既独立又有交叉关联，因此现有的管理策略和技术支持尚不能客观有效地给出综合评估结果。有效的、实用的电力优质客户综合评价方法急需研究。

目前，对于电力优质客户评价方法的研究多数集中在单个属性，如信用度、满意度的量化分析上［1-3］。文献［4］采用Logistic模型和SVM模型分别对农户信用评价体系进行预测，并利用最小方差法求解权重系数，构建了二者的组合模型，分析表明，建立在两个单模型基础上的组合模型评价效果较好，但多模型基础上的组合模型还有待研究，同时，SVM模型的效果依赖于核函数的选择，除该文使用的RBF核函数外，基于其他核函数的SVM模型的预测能力无法得知。文献［5］针对层次分析法和K均值聚类方法无法量化优质客户价值的局限性，构建云模型，实现了定性定量之间的转换以及评价系数由模糊到清晰的递进。但是，云模型权重值的设定利用德尔菲法，计算时间长，需要改进。文献［6］建立了优质客户价值指标体系，依据不同的评价准则，给出了单项指标评价方法，从营销的角度，提出了基于熵权法的指标权重计算方法，构建了优质客户综合价值合成方式及评估体系的混合模型，但此方法对各种指标权重的选取偏主观。在文献［7］中，层次化数据包络分析方法被用于评估黑启动方案，很好地平衡了综合评估中的主观性和客观性，得到了满意的综合评估结论，该方法值得在优质客户综合评价中借鉴。

综上，为解决优质客户评估中单个指标间既独立又交叉的特性，实现综合价值量化，提出了应用层次化数据包络分析法的电力优质客户综合评价方法。

该方法建立了优质客户评价目标与指标之间的层次化结构，从经济性、可靠性、贡献率三个方面，对电力用户多重属性进行综合评价，帮助工作人员全面了解客户属性，根据需要提取电力市场关键客户，确定应重点关注的优质客户。山东省营销量测数据的实例验证表明，该方法既能够考虑历史经验得出的主观定性分析，又能够结合基于量测数据的具体指标的客观量化结果，可给出科学的综合评估结果，具有实用性和有效性。

1 优质客户评价准则与指标体系

优质客户的综合评价将会直接影响到营销部门的决策。优质客户的评价指标很多，其根本是客户给电力企业带来盈利的能力，也称客户价值。筛选不同的指标组合，可对客户的多重特性进行综合评价，帮助营销人员全面了解客户特性，确定不同目标下应重点关注的优质客户。从电网运营的角度考虑，优质客户的综合评价应以经济性、可靠性、贡献率为评价准则，3种准则对应的指标如图1所示。

图1 优质客户的评价指标体系

1.1 贡献率

从营销角度看，客户带给供电企业利润的能力越大，客户的价值就越高，对电力企业的贡献率越大。而客户带来利润的能力与其购电量和相对用电规模有关。

购电量。目前我国的电力价格仍由国家统一制定，所以客户的经济价值可以用购电量的大小来反映，即购电量越大对电力企业的贡献率越大，反之贡献率越低。购电量用指标IQ表示。

相对用电规模。用户的用电规模可直接以其用电量表征，但考虑到不同市场中用户的绝对用电规模可能存在较大差异，因此以相对用电规模IS表示。

式中：W1为用户用电量；W2为电网企业总售电量。

1.2 可靠性

优质客户的价值，不仅仅体现在带给电力企业的利润大小，还应考虑对电网可靠运行的影响。客户的负荷特性直接影响到整个电网的安全稳定运行，因此在优质客户评估中应计及电力用户的负荷特性。

电力用户负荷波动水平。为了实现不同行业类别、不同负荷量的电力用户负荷波动水平的统一比较，定义电力用户的负荷波动水平

式中：xi为i时刻的电力用户的负荷；x为电力用户负荷的平均值；n为采集点的总数。

电力用户平均负荷率。其他条件相同的情况下，电力用户的平均负荷率越大电力用户运行越平稳。定义电力用户的平均负荷率

式中：Pi为i时刻的负荷；Pmax为最大负荷；n为负荷采集点总数。

1.3 经济性

从经济调度的角度看，负荷曲线越平稳，越有利于电网的安全经济运行，同时可提高整个社会的综合经济效益。

如果在用电高峰时期，电力用户能够改变用电行为，及时错峰、避峰，则这样的用户对负荷特性起着移峰填谷的作用，对改善系统负荷特性的贡献大，相反，则贡献小。为此，为衡量电力客户对系统负荷特性的平抑作用，定义用户负荷曲线与系统负荷曲线的相似系数

用户负荷曲线与系统负荷曲线走势越相近，负荷曲线相似系数越小，该用户对改善系统负荷特性的作用越小；反之，如果用户负荷曲线与系统负荷曲线走势越相反，用户负荷曲线相似系数越大，该用户对改善系统负荷特性的作用越大。

2 优质客户综合评价方法

由图1所示的电力优质客户的评价指标体系可以看出，根据决策者的不同需求，电力优质客户评估原则也不同。评价指标涉及因素较多，很难抉择各项评价原则的重要程度，只能依靠专家经验得出主观定性的判断。针对这种多层次、多因素、复杂的决策问题，将层次化数据包络分析法应用于电力优质客户的综合评价方法。此方法既能够考虑历史经验得出的主观定性分析，又能够结合基于量测数据的具体指标的客观量化结果，可给出科学的综合评估结果，具有实用性和有效性。

2.1 层次化数据包络分析方法

层次化数据包络分析方法结合了层次分析（AHP）可以对多指标体系综合决策的定量化分析以及数据包络分析法（DEA）强客观性地解决多指标投入和多指标产出对不同决策单元的有效性评价的优点。此方法要求目标函数的评价体系符合层次化结构，利用AHP根据评估准则层的重要程度做出判断矩阵，目的是得出评估准则权重；利用DEA算法解决多指标投入和多指标产出对不同决策单元的有效性评价。针对指标层的多指标建立数据包络分析模型，目的是客观的得出最优效率指数；并在两者的基础上，得出评估方案综合排序。

2.2 AHP层次结构模型

AHP是一种定性分析与定量分析相结合的、系统化、层次化的多目标决策分析方法，AHP层次结构模型如图2所示。

AHP层次化分析方法通过计算准则层各因素之间的权重，以及各准则下各指标的权重，逐层分解，得出各决策方案相对总目标的相对重要性的权重，从而得到不同方案的优劣结果。

2.3 AHP在准则层的评估模型

在准则层，利用AHP确定能够反映决策者倾向的准则权重，以体现准则间各自不同的重要程度。电力优质客户筛选综合最优决策的目标，是保证电网公司的盈利能力最为重要，其次，可靠性和经济性二者相比，可靠性则略显重要。为了量化同层次各因素之间的重要程度，利用AHP 1-9比率标度法构造评估准则判断矩阵

图2 AHP层次结构模型

为了确定能够反映决策者倾向的准则评估权重，根据评估判据，通过以下步骤便可求得各准则的权重。

矩阵每行元素乘积

Mi的n次方根

2.4 DEA在指标层的评价模型

由于指标层数量多，难以甄别各指标的重要程度，以及指标层与准则层的关联关系、隶属关系。采用DEA模型来对指标层进行分析处理，避免了主观给出指标层各因素的权重，通过对多个决策单元的相对有效性进行排序，增强了决策问题的客观性。

DEA是基于衡量多指标投入和多指标产出的相对效率概念，对相同类型的若干投入—产出决策单元（Decision Making Unit，DMU）进行相对有效性计算的一种方法。假设有n个DMU，每个DMU都有m个输入量和s个输出量，分别表示该对象对“资源”的耗费和所产生的“效益”。如表1所示。

表1 指标层决策单元的输入输出

针对某一Du，为了表征不同类型输入的单位成本或不同类型输出的单位产出效益，进一步引入输入权系数v=（v1，v2，…，vm），输出权系u=（u1，u2，…，um），则每个Du的效率指数为

式中：xij为第j个Du在第i项的输入值；yrj为第j个Du在第r项的输出值。

通过适当的选取输入、输出权系数，总可以满足hj≤1j=1，2，…，n。当对第k（1≤k≤n）个Du进行效率评价时，以权系数v和u为变量的最优化模型为

式中：xj=（x1j，x2j，…，xmj）T；yj=（y1j，y2j，…，ysj）T，j=1，2，…，n。

2.5 电力优质客户综合评价方法

形成初始方案。不同的行业具有不同的负荷特性，为了保证筛选得到的电力客户的多样性，以满足电网经济、平稳运行的要求，按行业分类分别提取6类典型电力用户。

利用AHP确定评估准则的权重。AHP准则判断矩阵P取式（5）的情况。此情况表示优质客户筛选最看重电网利润的贡献率，可靠性、经济性次之。并根据式（7）~（9）计算三项准则层的相对权重。

利用DEA确定各评估准则下电力用户的相对优劣次序。在经济性、可靠性、贡献率为准则的前提下，确定各准则评估所需的输入输出指标数据如表1所示，考虑各相应指标间独立和交叉的关系，运用DEA的方法求得最优效率指数VP1，VP2和VP3。

电力优质客户综合评估。通过AHP对准则层权重的评估和DEA对指标层相对有效性分析可知，综合优化的目标是最小化输入指标及最大化输出指标。因此，通过合理的选取输入和输出指标，可以充分发挥AHP定量性和DEA客观性强的优势。在二者优势互补的基础上，构建了电力优质客户综合评估方案。如表2所示。

表2 方案经济性、可靠性、贡献率的评估指标

在评估准则的权重及各评估准则下各用户的优劣次序确定后，为得到各DMU针对评估总目标的综合排序，应按式（11）进行归一化及加权求和，综合排序权值Qi越大，表示该方案综合评估越优。

3 实例分析

为检验方法的实用性和有效性，以山东省某地市历史数据为依据，MATLAB编程实现算法的求解。运用层次化DEA方法对电力优质客户的评价做出综合决策。

AHP准则判断矩阵P取式（5）的情况，运用方根法求得三项准则的权重向量为

按照式（1）~（4）对应的指标，计算结果如表3所示。

表3 各电力用户的指标值

根据各项指标的计算结果，运用DEA方法得到最优效率指数VP1，VP2和VP3如表4所示。

表4 各用户最优效率指数

针对以上6类用户，按式（11）求得其综合排序权值如表5所示。

表5 优质客户评估综合排序权值

由表5可知，各用户的综合排序为，大工业其他优待、城镇、大工业、农业生产用电、一般工商业、中小学教学。虽然城镇用户的购电量大于大工业其他优待用户，从经济性角度考虑城镇用户要具有更高的经济价值，但同时考虑负荷的波动水平对电网安全平稳运行的影响，大工业其他优待用户负荷波动相比要小的多，因此综合考虑各因素的重要性，所筛选得到的最优质的电力客户为大工业其他优待客户。

4 结语

将层次化数据包络分析方法量化电力优质客户的综合评价，解决了单一的传统的评价方法的片面性、主观性，建立了较科学、完整反映筛选优质客户各项要求的评价指标集，恰当地运用AHP和DEA方法分别处理专家经验和各用户指标的相对有效性，最终得到了兼顾电网平稳运行及利益的综合最优质客户。算例分析表明，该方法有效可行，可以用于指导电力优质客户的筛选。

［1］张俊青.用电客户信用评价方法研究［J］.山西电力，2008，149（5）：66-68.

［2］王绵斌，谭忠富，张蓉.供电企业规避电费回收风险的客户信用评价方法［J］.华东电力，2007，35（1）：22-25.

［3］杨淑霞，韩奇，徐琳茜.路石俊基于鱼群算法优化BP神经网络的电力客户满意度综合评价方法［J］.电网技术，2011，35（5）：146-150.

［4］康艳红.基于Logistic-SVM的农户信用评价组合模型研究［D］.吉林：吉林大学，2014.

［5］乔玉龙.基于云模型的客户价值判定方法的研究［D］.合肥：安徽农业大学，2013.

［6］罗欣，周琪，黄海峰，等.基于综合价值的优质电力客户评价体系研究［J］.现代电力，2012，29（2）：90-94.

［7］刘艳，顾雪平.评估黑启动方案的层次化数据包络分析方法［J］.电力系统自动化，2006，30（21）：33-38.

［8］易于，韦刚.配电网规划方案的综合评价与决策［D］.上海：上海电力学院，2013.

［9］李娟，薛永端，徐丙垠，等.基于层次分析的电力系统暂态模型评价方法［J］.电网技术，2013，37（8）：2 207-2 211.

［10］郭壮志，吴杰康，孔繁镍.基于仿电磁学算法和数据包络分析的水火电力系统多目标优化调度［J］.中国电机工程学报，2013，33（4）：53-59.

［11］Fahmy F H．Scheduling and resource allocation of nonconventional power systems via multi-level approach［J］.Solar Energy Materials and Solar Cells，1994，35（11）：401-407.

［12］赵焕臣，许树柏，和金生.层次分析法［M］.北京：科学出版社，1986.

［13］魏权龄.数据包络分析［M］.北京：科学出版社，2004.

Comprehensive Evaluation Method of Quality Electricity Customers Based on Hierarchical Data Envelopment Analysis

In the context of electricity market，scientific management of customer relationship is vital to the improvement of economic benefits of electric marketing.We propose a comprehensive evaluation model of quality electricity customers.Objective function of quality customer analysis，evaluation indexes and the hierarchical structure between the objective function and evaluation indexes are established.Independence and relevance of indexes are discussed.Then，a comprehensive evaluation method of quality electricity customers based on hierarchical data envelopment analysis is proposed.This model can avoid the one-sidedness of single index evaluation and the bad influence of subjective differences of decision makers.The proposed method is proved both effective and practical in a case study.

quality electricity customers；analytic hierarchy process；data envelopment analysis；comprehensive model

F426.61

：A

：1007－9904（2014）06－0008－05

2014-09-30

程婷婷（1985），女，工程师，从事大客户业扩报装管理、电力市场分析工作；

陈云龙（1974），男，工程师，从事大客户业扩报装管理、电力市场分析、有序用电、需求侧管理等工作；

张海静（1980），女，高级工程师，从事电力市场分析、有序用电等工作；

张玉敏（1986），女，在读博士，从事电力系统经济运行需求侧相关研究工作；

苗晓峰（1990），男，从事电力系统经济运行需求侧相关研究工作。