基于Topsis的低压用户群电费回收风险研究和应用

傅军 付薇薇 许鑫 介志毅 金凤 张德政

（1. 国网冀北电力有限公司电力科学研究院 2.北京科技大学计算机与通信工程学院 3.北京博望华科科技有限公司）

基于Topsis的低压用户群电费回收风险研究和应用

傅军1付薇薇2许鑫1介志毅1金凤3张德政2

（1. 国网冀北电力有限公司电力科学研究院 2.北京科技大学计算机与通信工程学院 3.北京博望华科科技有限公司）

本文针对电力企业中低压用户群中如何确定各用户群的电费回收风险问题，围绕用户用电行为构建低压用户群电费回收风险指标体系，进而对各指标进行描述分析以及预处理，利用改进的德尔菲法计算指标权重，最后将Topsis算法应用于低压用户群的风险预警分析，并取得了良好的效果。

低压用户群；电费回收风险；Topsis；德尔菲法

0 引言

随着社会的快速发展，电力企业在关注高压用户的同时开始慢慢关注低压用户的用电风险，而用电风险中主要关注电费回收风险，而如何对低压用户或低压用户群构建评估指标体系并找出电费回收高风险低压用户群是当前电力企业面临的一大考验。

针对于低压用户的用电风险控制，众多电力企业以及文献中主要关注的是经济效益。如供电公司中低压用户电费回收工作面临的风险以及公司应该采取的应对措施[1]；国网杭州市余杭供电公司通过电费回收进行用电客户信用等级制定电费回收计划[2]。针对于高压大用户电费回收风险的研究工作，如保定市供电公司针对大用户的电费缴纳情况建立电费风险规避机制[3]；或是根据财务和信用两个主要指标进行扩展来研究大用户电费回收风险管理[4,5]。

由于低压用户人数较多，本文根据供电单位进行划分，形成697个低压用户群，围绕其用电行为数据建立了指标体系，形成模型输入特征；同时通过数据描述与分析发现数据指标与用电风险度的相关性，而这正好符合Topsis算法模型的特点。本文首次将Topsis算法模型应用于低压用户群电费回收风险分析中，利用德尔菲法为指标赋权，取得了良好的效果。

1 风险指标体系构建

评价供电单位低压用户群体电费回收风险度时考虑客户欠费停电数据和预收电费数据，客户群体欠费电费和预收电费对风险度一般成正负比关系。根据风险划分理论，将低压用户群的风险度指标划为：预收金额、预收冲抵金额、费控用户数、停电用户数据、代扣用户数据占比、代扣金额占比、费控用户占比、欠费停电用户占比。细分指标体系如图1所示。

图1 用户群体风险度指标体系

其中：

预收金额是用户群的预收总金额，一般认为与风险度成反比；停电用户数据是用户群的停电用户数量，一般认为与风险度成正比；费控用户数是用户群的总用户数数目，一般认为与风险度成反比；预收冲抵金额是用户群的预收冲抵总金额，一般认为与风险度成反比；代扣用户数据一般认为与风险度成反比；代扣金额占比一般认为与风险度成反比；费控用户占比一般认为与风险度成反比；欠费停电用户占比一般认为与风险度成正比。本文抽取2015年1月到2016年12月的数据做实验。

下面给出697个低压用户群各项风险度指标的数据描述以供后续的决策参考，如表1所示。

表1 各项指标的数据描述

2 德尔菲法确定指标权重

2.1 德尔菲法原理

德尔非法是一种专家评分法，它首先根据评价对象的具体要求选定若干个评价项目，再根据评价项目制订出评价标准。通过匿名方式征询有关专家的意见，对专家意见进行统计、处理、分析和归纳，客观地综合多数专家经验与主观判断，对大量难以采用技术方法进行定量分析的因素做出合理估算，经过多轮意见征询、反馈和调整后，对债权价值和价值可实现程度进行分析的方法[6,7]。操作步骤为：

1）选择专家；

2）确定影响债权价值的因素，设计价值分析对象征询意见表；

3）向专家提供债权背景资料，以匿名方式征询专家意见；

4）对专家意见进行分析汇总，将统计结果反馈给专家；

5）专家根据反馈结果修正自己的意见；

6）经过多轮匿名征询和意见反馈，形成最终分析结论。

专家分数的计算方法有加法评价型、连积评价型、和数相乘评价型以及加权评价型。这里我们着重介绍需要用到的加法评价型。

加法评价型将评价各指标项目所得的分值加法求和，按总分来表示评价结果。此法用于指标间关系简单者。

公式为：

式中，W为评价对象总分值；Wi为第i项指标得分值；n为指标项数。该法有两种方式：连加评分法和分计加法评价法。

2.2 确定权重

本方法中，对德尔菲方法进行改进，不用德尔菲对指标进行评分，而是利用这套流程进行权重确定。指标分数用于多轮评选时的意见参考，它的分数为0～10。专家在每轮迭代定权重中可以根据分值来修正各个指标的权重值。总分并不是各个指标权重值的简单叠加，而是对对象的一个综合评价。德尔菲在本方法中的应用步骤为：

1）选定专家和电网市级营业厅的业务人员为专家；

2）以本文设计的7项风险度指标为影响风险度的因素设计对象征询意见表；

3）向专家提供部分指标的数据描述，让专家对各个指标的概况有个大概的了解，以匿名方式征询专家打权重分；

4）用加法评价型对专家评出的各项风险度指标分数进行分数整合，将统计结果反馈给专家；

5）专家根据反馈结果修正自己的各个指标的权重值分；

6）经过多轮匿名征询和意见反馈，得到指标最终权重值。

经过德尔菲法后得到的各项指标权重值如表2所示。

表2 德尔菲法后得到的各项指标权重值

3 Topsis算法确定低压用户群风险度

3.1 Topsis算法原理

Topsis可以根据指标的权重，给客户打分，实现客户风险度的进一步评估[8,9]。

在本方法中m等于2，n等于7，分别对应当基础指标、增量指标和7项风险度指标。

具体风险度计算方法为：

3）确定正理想解A+和负理想解A-：

4）评估各方案分别与正负理想解的Euclid距离d+和d-：

5）计算各方案与正理想解的相对贴近度：

3.2 数据输入

数据的预处理包括填补缺漏的数据值、平滑噪声数据、识别或更替异常值，以及解决不一致问题。

数据预处理还包括归一化工作，前文详细描述了指标的类型和分布，数值型指标可以直接套用归一化公式预处理[10]。本文确定的指标都是数值型，因此可以直接利用公式：

对用户群各项指标数据做归一化处理，免去量级的影响。其中，x1、y1分别表示处理前后的指标项，xmin表示该项指标的最小值，xmax表示最大值。

3.3 实验结果

本文利用Matlab进行697个用户群的Topsis风险度划分，发现其分布如图2所示。结果显示用户群的风险度在高值区域分布较少，在中低部分布较多。这种分布结果侧面符合了二八定理，即小部分的群体贡献了大部分风险值，而大部分用户群属于低风险甚至无风险状态。说明其评分结果的合理性。

图2 基于Topsis算法的用户群风险度评分

选取风险度前70名的用户群进行查看，发现这些用户群有如下特征，排名1～10的用户群停电用户数据、欠费停电用户远超其余用户群。排名10～70的用户群具有预收金额较低、预收冲抵金额较低、欠费用户比例偏高、欠费金额偏高的特点，这符合电力回收风险度的普遍特征。接着取风险度前70名用户群的所属地区分析，其分布如图3所示， 通过与业务人员的结合，发现地区特性较为符合现状，为供电总公司决策提供了辅助。

图3 风险度前70名用户群所属地区的分布

4 结束语

本研究针对低压用户群电费回收风险预警方法，构建了基于德尔菲和Topsis的电费回收风险度模型。在构建指标时充分考虑用户地域行业等基础特征，将用户群以供电单位划分成697个用户群体，并结合用电行为特征设计风险度指标。利用德尔菲法确定指标权重更具说服力。同时，在构造Topsis输入数据，对不同用电级别的企业用电数据均进行特征工程和规范化处理，降低了指标变化对模型稳定性的干扰。

应用Topsis算法能更有效地对用户数据进行相对优劣的评价，并通过实验验证了研究的可行性。

[1] 钱军. 浅谈电费回收风险与防范措施[J]. 电工文摘，2016(6).

[2] 丁晓. 江苏省电力公司电费回收管理工作的创新与成效[J]. 电力技术经济， 2008(1).

[3] 黄静. 保定市供电公司大用户电费回收风险的预警机制研究[D]. 保定：华北电力大学，2013.

[4] 赵琳， 张富春， 董兴华，等. 大电力客户信用综合评价体系研究[J]. 电力科学与工程，2016，32(1)：31-36.

[5] 余磊. 基于信用评级的供电企业收费风险管理研究[D]. 武汉：武汉大学，2005.

[6] 唐忠，李莹，曹渝昆. 基于层次分析法和德尔菲法的电力企业备品备件候选评价方法[J]. 上海电力学院学报，2012，28(1)：97-101.

[7] 姜政伟，王栋，王怀宇，等. 电力智能终端安全评估模型[J]. 计算机工程与设计，2014，35(1)：6-10.

[8] 王敬敏，孙艳复，康俊杰. 基于熵权法与改进TOPSIS法的电力企业竞争力评价[J]. 华北电力大学学报自然科学版，2010，37(6)：61-64.

[9] 曾艳秋，刘炜娜，袁少良. 基于M-TOPSIS法的电力企业客户信用评价[J]. 宜春学院学报，2015，37(12)：40-41.

[10] 陶莉，朱小光. 数据预处理对电力负荷预测精度的影响[J]. 华电技术，2015 37(9)：8-10.

2017-03-20）