基于BP神经网络电力大客户信用等级评价研究

电费回收风险是供电企业电费安全风险管理的重要环节,而电力大客户的信用管理是规避电费回收风险的重要组成部分。为了能够更好地为供电企业规避风险,为电力客户提供差异化服务提供有力的依据,从供电企业的角度出发,根据电力客户行业的发展情况、客户的历史信用情况以及客户财务3个方面构建指标体系,并通过层次分析模型将电力大客户分成5个信用等级作为BP神经网络训练的目标值,通过训练得到的BP神经网络,能够对企业的信用等级进行评价,最后通过收集某市电力公司数据验证了该方法的可行性。     

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。     

基于熵权法的电力客户信用风险评价

随着电力市场改革的不断深入,电力客户信用风险管理越来越受到重视。本文依据电力产品和供电企业的特点,构建了一套电力客户信用评价指标体系,同时运用了主客观相结合的熵权法,建立评价模型并进行实证研究。结果表明,熵权法对电力客户信用风险进行评价是科学实用的,为供电企业规避信用风险提供了参考依据。     

基于改进的熵权法的电力客户信用风险评价研究

供电企业面临电力客户失信带来的经营风险。为规避客户信用风险,要求建立客户信用管理体系,对客户风险进行评价。基于熵的概念,构建了一套电力客户信用等级的评价指标,运用定量与定性相结合的方法来评价电力客户的信用,并进行了实证研究。计算结果表明,熵权法是一种科学实用的信用风险评价方法。     

如何有效建立客户信用评价体系

1 建立电力客户信用评价体系的意义和思路 供电企业随着自身市场化的推进,业已成为市场经济下的交易主体.近年来,供电企业由于客户恶意拖欠电费,违章窃电等问题,不得不付出额外的人力物力来解决这些问题,客户信用管理的缺失已影响到供电企业的正常经营活动.目前,虽然全国部分地区的供电公司已经开始了这方面的尝试,并取得了一定的成效,但总体上存在着理论基础不强、非财务指标缺失、可行性不高,指标分类不科学等缺陷.     

基于层次分析法的电力客户信用风险评价

供电企业面临电力客户失信带来的经营风险。为规避客户信用风险，要求建立客户信用管理体系，综合评价客户信用风险。研究给出了电力客户信用风险评价指标体系，同时，阐述了运用层次分析法为信用风险指标进行赋权的方法，并进行了实例分析。实践表明，所建立的指标体系及指标的赋权方法能为供电企业进行客户风险管理提供理论与实践上的借鉴。     

基于模糊多属性决策法的用电客户信用评价

用电客户的信用评价是供电企业及全社会都应该关注的问题.文章在分析了用电客户信用评价应该考虑的主要因素的基础上,建立了一套适用于用电客户信用评价的指标体系,并以三角模糊数的形式给出指标值和评价者的主观感觉值,将基于期望值的模糊多属性决策法引入用电客户的信用评价中,同时讨论了指标权重完全未知和部分未知时用电客户的信用评价问题.     

基于层次分析法的智能用电小区客户信用价值评价

客户价值评价是企业精细化管理的一部分,对智能用电小区进行客户信用价值评价有助于电力企业推广智能用电小区的客户选择和客户管理.通过分析智能用电小区客户信用价值的影响因素,构建了客户信用价值的评价指标模型,并采用层次分析法计算出了评价指标模型中各评价指标的权重.根据计算出的各评价指标的权重,对客户信用价值进行了比较全面的、多角度的评价,从而促使企业根据评价结果进行有效的客户关系管理,达到企业效益最优.     

电力客户信用管理等级评价体系

分析现阶段供电企业在经营中遇到的客户信用缺失问题,提出电力客户信用体系的建立以及信用评估的方法。     

电力动态

正国网电商公司推出"电力信用分""电力信用分",是国网电子商务有限公司依托电力大数据资源及企业征信备案资质,统筹多维外部数据打造的以"电力信用分"为核心的信用生态体系,能为供电企业提供用电客户信用评级和电费回收风险预警管理解决方案,帮助供电企业充分发挥电力征信的产业链带动价值。据了解,"电力信用分"通过采集相关用电企业实时、可靠、海量的用电数据,基于大数据、云计算等前沿技术,对客户     

信用体系建设在供电营销中的应用

正随着电力市场化的推进,电力客户成为供电企业的战略中心,供电企业必须以电力客户为中心推动企业发展。对电力企业管理而言,电能是一种特殊的产品,具有无形性、不可存储性等特点,电力商品的生产、转移和消费过程非常短暂,属于一次性完成的商品,这就决定了电力产品的销售以"先用电、后付费"的赊销方式为主。所以,供电企业面临的信用风险始终存在。如何采用科学的方法管理电力客户信用问题,有效降低电力公司的客户信用风险,保护企业的合法利益,是供电企业迫切需要解决的问题。     

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。     

电费拖欠特点原因及对策分析

电费回收是供电企业面临的一个普遍难题。文章分析电费拖欠给供电企业造成的影响、欠费的特点以及形成原因,提出应采用客户信用管理等多项措施,将欠费控制在供电企业可承受的合理范围内。     

用电客户信用等级分类及差异化信用政策研究

目前多数供电公司实施的信用风险防范措施仍然比较被动,大多处于事后控制的阶段.为了加强事先控制,逐步提高电力客户的信用意识,增强供电企业控制风险的能力,根据已有的研究成果,建立起符合电力用户特征的信用评判指标体系;通过层次分析法、线性加权法和聚类分析等数学方法确定用户所属的信用等级,并提出相应的差异化信用服务政策.实例研究表明,运用此方法不仅可以对用电客户进行事前风险评估,避免或减少供电企业供电风险,有效判断客户所属的信用等级,而且能够根据信用等级提出相应服务策略,实现供电企业为客户提供差异化服务的目标.     

基于用电信息采集系统的用户缴费预警方法与应用

供电企业及时获知客户的经营情况,快速评价客户的缴费信用,在实际工作中具有重要的意义。基于用户上月和以往缴费信用进行评估客户缴费信用评估,其时效性较低。利用用电信息采集系统中的用户实时用电信息对客户的生产经营情况进行评估,可对评估预警的用户及时采取措施,避免用户欠费。     

基于数据挖掘的供电企业客户关系管理系统研究与设计

分析供电企业客户关系管理与其他行业客户关系管理的异同点,从而明确了供电企业客户关系管理的定义和目的。分析供电企业客户关系管理系统主要使能技术,并对其中的灰色聚类法进行改进。根据综合改进的灰色聚类法和层次分析法总结出客户价值评价方法,并利用数据挖掘的预测性模型设计出客户风险的评价方法。综合以上2种方法设计出供电企业客户关系管理系统,并给出了系统实现方案。通过实践证明,数据挖掘技术在供电企业客户关系管理系统中具有重要作用。     

基于可拓方法的电力客户信用风险评估

电力客户信用风险将会给供电企业带来经营风险。运用可拓学的理论与方法,结合熵理论,构建了电力客户信用风险评价的经典物元和节域物元,应用建立的基于熵权的可拓信用综合评价模型可以避免低层次多因素权重的客观性,获得客观合理的评价结果。与其他评价方法的对比,该方法能较真实地反映电力客户的信用等级,且更易于操作和使用。     

电力客户实时履约能力综合评价管理系统

实时掌控电力客户的履约能力并及时采取应对措施是供电企业实现良好运营的保证。文中概述了电力客户实时履约能力综合评价管理系统的设计原理及实现方法,建立了一套评价客户履约能力的指标体系,采用熵权法建立评价模型,运用定量与定性相结合的方法来评价电力客户的履约能力并给出了算例。对供电企业更好地管理电力客户有一定参考作用。     

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。