基于信用特征分析的电力客户类型的判别

考虑到电力公司对客户信息的管理数据以及企业信用管理的要求,设计了一套符合实际管理需要的、评估电力客户信用的指标体系,并采用人工神经网络理论,针对某电力公司的电力客户数据,建立了电力客户信用的判别分析模型,由于该模型的拟合精度高,所以当电力客户信用特征发生变化时,能有效地识别其所属的信用类型,从而使得电力公司能够预先知道哪些属于高信用风险的客户,达到防范信用风险的目的.     

基于ANFIS的电力客户信用判别模型研究

电费收缴工作的好坏,将直接影响电力公司的经营状况.为了约束电力客户的用电行为,保证电费的及时收缴,事先准确地识别客户的信用状况,是最为关键的内容.考虑到电力公司对客户信息的掌握情况以及信用管理的要求,设计了一套符合实际管理需要的,能够反映电力客户实际信用水平的指标体系,并在此指标体系的基础上利用自适应神经模糊推理系统(ANFIS)建立信用评级模型.该模型经测试样本检验证明是精确可靠的,适用于实际配电管理中对电力客户信用类别的判别.从而为电力公司预知信用风险,并采取不同的信用管理对策,提供了有力的参考依据.     

基于ANFIS的电力客户信用判别模型研究

电费收缴工作的好坏,将直接影响电力公司的经营状况。为了约束电力客户的用电行为,保证电费的及时收缴,事先准确地识别客户的信用状况,是最为关键的内容。考虑到电力公司对客户信息的掌握情况以及信用管理的要求,设计了一套符合实际管理需要的,能够反映电力客户实际信用水平的指标体系,并在此指标体系的基础上利用自适应神经模糊推理系统（ANFIS）建立信用评级模型。该模型经测试样本检验证明是精确可靠的,适用于实际配电管理中对电力客户信用类别的判别。从而为电力公司预知信用风险,并采取不同的信用管理对策,提供了有力的参考依据。     

基于加速遗传算法和Shepard插值理论的大电力客户信用评估模型

分析、评估及掌握电力客户用电行为,是电力企业营销活动的重点和难点。供电企业着力研究与探索客户信用度等级评定的科学方法有助于企业规避经营风险。在认真分析电力市场环境、客户纳费态度及能力等因素的基础上,构建了电力客户信用等级评价指标体系,首次提出将基于遗传算法的Shepard插值理论用于电力客户信用的评估,并构建了电力客户信用评估的Shepard模型(SP模型)。实例计算结果表明:SP用于电力客户信用评估,使评估结果更为客观、合理,有其独特的优越性,具有推广应用价值。     

电力市场条件下客户信用管理的判别分析

有效的电力企业信用管理,是市场化运营的电力公司的一项十分重要的工作,事先准确地预知电力客户的信用类别,是其中最为关键的内容。依据电力公司对客户信息的管理数据以及企业信用管理的要求,设计了一套符合实际管理需要的、评估电力客户信用的指标体系,并采用统计理论中的判别分析方法,采用某一电力公司的电力客户数据,建立了电力客户信用分析的判别模型。经测试样本检验,该模型的误判率低,适用于实际系统运用。     

基于聚类分析和层次分析法的电力客户信用评价研究

对于市场化运营的电力公司,有效的信用管理是一项非常必要的工作。事先预知电力客户的信用等级,是电力公司防范欠费风险、实施差异化客户服务的重要前提。在建立电力客户信用评价指标体系的基础上,使用聚类分析算法,对已经预处理的大量电力客户样本指标数据进行快速地、客观地信用分类;然后利用层次分析法灵活确定指标权重;最后根据每一类客户样本的中心点计算信用分值,并以此代表该类用户的信用水平,进而进行等级评定。同时,根据某供电公司的数据,对信用评价做了算例分析。计算结果表明了所使用的方法具有快速、准确且有效的特点。     

基于遗传算法和BP神经网络的电力客户信用评价模型

对电力客户的信用进行分析评估对于供电企业将电力输送给可靠的电力用户、提高企业经济效益具有重要意义。在分析影响电力客户信用影响因素的基础上,构建了电力客户信用评价指标体系,将遗传算法和神经网络原理引入电力客户信用评价领域,提出了基于遗传算法和神经网络的电力客户信用评价模型。实证结果表明：模型具有较强的自组织、自学习和自适应能力,模型评估结果比较客观合理。     

从缴费行为分析电力客户信用度

电力市场条件下,电力公司规避电费拖欠风险的有效办法是加强对客户的信用分析。在对电费数据库所反映出来的众多电力客户复杂的、有差异性的缴费行为进行深入剖析的基础上,根据信用评价客观性、公正性、一致性要求,设计合适的评价指标及该指标计算方法,以准确度量电力客户不同缴费行为所反映的信用状况,增强评估客观性,通过案例分析证明所提方法的有效性和可行性。     

基于混合知识复杂对象的电力客户信用综合评价

将电力客户信用评价作为知识库的复杂对象进行系统研究.首先构建了适用于电力企业客户信用管理的评价指标体系,设计出基于混合知识复杂对象的综合评价价问题求解流程,在此基础上,推导建立电力客户信用评价BNF范式表达.最后通过算例分析,验证了本文提出的基于混合知识复杂对象的综合评价在电力客户信用评价中的可行性与有效性.     

基于物元分析理论的大电力客户信用评价

分析、评估及掌握电力客户用电行为,是电力企业营销活动的重点和难点。笔者在分析电力市场环境、客户纳费态度及能力等因素的基础上,构建电力客户信用等级评价指标体系,并将物元分析理论引入电力客户信用评价中,构建电力客户信用评价的物元分析模型,针对电力客户信用评价的复杂性以及单因素识别和等级划分之间不一致的特点,应用物元可拓集方法构造物元矩阵,根据计算出的关联度大小对电力客户信用等级进行可拓识别。实证结果表明:将物元分析法用于电力客户信用评价,评价结果更加客观、合理。     

供电企业客户信用度模糊综合评价模型研究

随着电力市场的发展,使对供电企业客户信用度的评价显得日趋重要。分析了电力客户信用度模糊综合评价的意义,提出了一种基于模糊数学的电力客户信用度综合评价模型,设计了完整的指标体系和评价方案,并建立了针对不同信用度等级的客户的营销策略,以期为供电企业提供客户管理的决策依据。     

论建立客户信用评级体系的可行性

根据电力市场化经济发展的需要,从降低供电企业经营风险,提高企业经营效益的根本目标出发,阐述了建立电力客户信用评级体系的必要性和紧迫性.并从管理标准的建立和技术实现两个方面讨论了建立客户信用评级体系的可行性,提出了基于电力营销GIS的客户信用评级初步框架.论述了这一体系的建立对提高管理水平的意义.     

光伏/电动汽车/负荷博弈的屋顶光伏容量优化

近年来中国屋顶光伏发展迅速,光伏发电置信容量是衡量其对系统可靠性影响的重要指标。以含屋顶光伏发电系统与电动汽车的别墅型小区为研究对象,计算屋顶光伏的置信容量与容量可信度。首先,引入静态合作博弈理论对光伏阵列、电动汽车以及居民负荷三者之间的关系进行分析,将用户用电不足期望值作为目标函数,并采用最小获胜联盟算法求解。然后,通过获得的最大光伏容量可信度值,对屋顶光伏装机容量进行优化。最后,通过对算例系统进行验证,证明了所提容量优化方法的有效性和可行性。结果表明,配置适当容量的屋顶光伏、增大电动汽车的投入以及减小负荷峰谷差,可以提高屋顶光伏容量可信度。     

电力企业的客户信用风险管理

在市场经济条件下,电力企业必须进行客户信用风险管理。建立电力客户信用风险管理系统是进行信用风险管理的有效措施,经过实践证明,它能够帮助电力企业减少因信用风险而带来的经济损失,从而提高自身的经济效益。     

高压企业客户电力信用综合评价体系及应用

传统电力信用研究和应用多以用电行为、缴费行为失信等负面评价为主,缺乏正向评价和激励应用,且仅应用在供电企业内部对客户管理和电费风险防控方面,没有在社会中跨界应用。首先借鉴企业社会信用评分指标体系的建设思想,将高压企业客户电力信用指标集中在守信能力和守信行为2个方面,设计了以大数据为支撑的高压企业客户电力信用综合评价指标体系,包含用电价值、电网互动价值、缴费行为、用电行为、服务互动行为和电力市场交易诚信六大评价维度。其次,设计了电力信用等级和信用分计算、修正评价流程,并以某省级电网近29万户高压企业客户为例,实证分析了电力信用总体情况,证明了所建立方法的科学性和规范性。最后,基于电力信用评级,设计了基于电力信用的差异化奖惩措施,对内有效防范风险、挖掘优质客户,对外实现电力信用价值输出。     

基于支持向量机的电力客户信用评价

结合我国电力客户基本情况,建立了电力客户信用评价指标体系。首先对定量指标进行无量纲化处理,用梯形模糊数表示描述定性指标的语言变量,并用梯形模糊数的μ-期望值将其明确化为确定的非模糊价值量。最后运用支持向量机对电力客户信用进行评价,借助于支持向量机工具箱OSU_SVM3.00,在Matlab6.5中予以实现。实验结果表明该方法是用于电力客户信用评价的有效方法。     

电力企业客户信用风险管理实证研究

随着电力市场改革的不断深入,电力企业客户信用风险管理越来越受到重视。文中介绍了电力企业信用风险管理系统的设计原理及实现方法。重点介绍了如何运用Logistic回归模型对客户进行信用评级以及通过设置过滤器来检测用电异常的方法。目前,该系统已在滁州电力公司得到了应用。应用结果证明,它有助于提高电力企业的信用风险管理水平。     

基于SVM修正模糊多属性决策法的用电客户信用评价

针对电力客户信用评价缺乏准确的科学指标体系和评价中主观因素和经验因素难以量化、标准化的问题,提出了支持向量机(SVM)修正的模糊期望值决策法。建立了电力客户信用评价指标体系,并以三角模糊数的形式给出指标值和评价者的主观经验值,利用模糊期望值决策法得到信用期望值,最后通过SVM基于结构风险最小化原则修正该期望值。实例分析表明,SVM修正后的电力客户信用等级与供电企业原先为其设定的信用等级基本符合,更可靠地贴近实际。