[发明专利]基于用电数据对企业进行偿付能力风险识别和预测的方法

说明书

本发明涉及一种基于用电数据对企业进行偿付能力风险识别和预测的方法，所述方法包括：(1)9类用电业务数据的清洗和治理；(2)14项自变量指标数据的构建和标准化；(3)基于探索性因子分析技术的数据降维和特征提取；(4)利用缴费数据构造出反映企业偿付能力的响应变量；(5)利用集成机器学习模型进行二分类问题的模式识别和预测；(6)模型的参数调优策略。本发明为售电市场放开下的千万售电实体提供了一个评估客户风险的简化有效手段。

技术领域

本发明涉及企业偿付能力风险识别或者信用评级领域，特别是涉及一种仅基于单视角的用电特征数据对乏信息中小企业的偿付能力进行风险识别和预测的方法。

背景技术

2015年3月发布的“电改9号文”启动了万亿级的售电市场。自此，各类售电实体如雨后春笋一般蓬勃发展。截止2017年9月11日，已有2185家售电公司或代理平台在电力交易中心公示。伴随着电力交易市场的盘活，售电实体服务的对象除了少数重点关注的大客户之外，更多的是庞大的中小企业群体。正如风险控制之于金融系统的重要性，售电实体首先需要考虑的是如何对参差不齐的中小企业客户进行偿付能力不足的风险识别和预测，从而最大限度降低影响公司经营的被动风险。然而，有别于全景信息披露规范、行为模式有据可循的少数大客户，鱼龙混杂的中小企业由于信息缺失或者行为模式易变很难利用多维视角下的传统评价体系对其进行信用评估或者风险诊断。

我国在电力客户信用评价方面已经开展了较多研究。从方法上看，绝大多少研究是基于传统手段的综合评价方法，比如层次分析法、模糊综合评价法、熵权法、数据包络分析法、TOPSIS、物元分析理论；少数用到了人工智能方法，比如聚类方法、神经网络方法、决策树和支持向量机；从评价指标体系上看，已经构建了丰富的可以靠主客观结合打分量化的指标体系，鲜有引入用大数据完全客观量化的指标。目前，电力客户的信用管理实践广泛采用5C全景维度的指标体系(品德Character、能力Capacity、资本Capital、抵押Collateral 和外部情况Condition)来考察企业的信用状况或偿付能力。因此，对于售电实体来说难以获取企业客观的多维视角数据是应用传统信用评估方法的最大障碍。

发明内容

本发明主要解决的技术问题是提供一种仅基于用电特征单一视角数据采用机器学习模型对乏信息中小企业的偿付能力进行风险识别和预测的方法，为售电市场放开下的千万售电实体提供了一个评估客户风险的有效手段。本发明从企业用电缴费数据中提炼出一个能够反映其偿付电费能力的指标作为分类器模型的响应变量，从而将企业划分为偿付能力差的和无须关心的两大群体，进而采用集成学习的随机森林和梯度提升决策树二分类器模型实现了风险客户群体的识别和预测。

为解决上述技术问题，本发明基于用电数据对企业进行偿付能力风险识别和预测的方法，包括：

S1对用电业务数据的清洗和治理，所述用电业务数据包括：9张原始业务数据表：用户档案表、日冻结表底示数、日测量功率曲线、测量点日冻结电压统计数据、测量点日不平衡度统计数据、日测量点电压曲线、日测量点电流曲线、线路档案、线路线损数据；

S2构建和标准化14项自变量指标数据，所述的自变量指标数据包括：合同容量、年用电量、设备利用小时率、年平均日负荷率、年最大峰谷差率、季不均衡率、电压越上限率、电压越下限率、电压不平衡率、电流不平衡率、电压断相率、需量超容、线路线损率、电量陡变指数；

S3基于探索性因子分析技术的数据降维和特征提取；

S4利用缴费数据构造出反映企业偿付能力的响应变量；

S5利用集成机器学习模型进行二分类问题的模式识别和预测；

S6模型的参数调优策略。

进一步地，电量陡变指数为日用电量移动平均后差分的斜率突变的数量，首先计算第i天用电量趋势斜率，即