[发明专利]基于全局最优模糊核聚类模型的电力用户信用评价方法

说明书

本发明公开了基于全局最优模糊核聚类模型的电力用户信用评价方法，包括：建立电力用户信用评价指标体系，并对待评价指标数据进行预处理；建立全局最优模糊核聚类算法模型；将预处理后的待评价的电力用户信用评价数据输入建立的全局最优模糊核聚类算法模型，获取聚类结果；对获取的聚类结果进行定性分析，获取每一类的信用等级；提取聚类结果中每一个聚类的特征指标以及对应的特征值；根据提取的每一个聚类的特征值指标以及对应的特征值，再次评价待评价的电力用户的信用结果。替代了人工对电力用户的信用的评估工作，减轻了人力的投入，节约了电力企业管理成本，并且提高了评价工作的科学性与精确性。

技术领域

本公开涉及信息处理技术领域，特别是涉及基于全局最优模糊核聚类模型的电力用户信用评价方法。

背景技术

随着国家经济与能源产业的快速发展，电力用户对电能的需求越来越大，供电企业在电能营销过程中，电力用户的信用情况将对电力企业的经营产生直接的影响。在目前庞大的电力用户群体中，存在相当一部分用户抗风险能力弱，容易产生资金周转不畅，无法按时缴费，以致窃电、欠费等类似信用缺失现象的发生，这些现象为电力企业带来了不可规避的经济损失，因此，如何及时地评价掌握电力用户的信用情况，有效地规避经营风险，是电力企业目前亟待解决的现实问题。

信用评价工作经过多年的发展，由最初的人工评估发展到信息化的计算评估，发明人发现近些年的信息化评价过程大都基于主观打分法以及主客观指标权重法等，这些方法在面对大样本数据时效率低下，评价过程也缺乏科学性，并且算法复杂度较高；此外，在以往的信用评价过程中，评价对象的指标特征分析往往不够精确，这种指标精确处理的欠缺以及特征分析的欠缺，容易导致评价结果出现比较大的误差。

发明内容

为了解决现有技术的不足，本公开提供了基于全局最优模糊核聚类模型的电力用户信用评价方法，该方法能够快速有效的处理大样本数据，并能够精确地获取用户信用等级。

为了实现上述目的，本申请公开了以下技术方案：

基于全局最优模糊核聚类模型的电力用户信用评价方法，包括：

建立电力用户信用评价指标体系，并对待评价指标数据进行预处理；

建立全局最优模糊核聚类算法模型；

将预处理后的待评价的电力用户信用评价数据输入建立的全局最优模糊核聚类算法模型，获取聚类结果；

对获取的聚类结果进行定性分析，获取每一类的信用等级；

提取聚类结果中每一个聚类的特征指标以及对应的特征值；

根据提取的每一个聚类的特征值指标以及对应的特征值，再次评价待评价的电力用户的信用结果。

进一步的技术方案，建立电力用户信用评价指标体系，并对待评价指标数据进行预处理的步骤包括：

对指标数据进行统一量化，并且对指标数据均采用归一化处理；

采用相关性分析算法，计算指标间的共线性；

判断指标的方差膨胀因子，将共线性度高的指标去掉；

计算指标鉴别能力，计算指标变异系数；

判断指标变异系数的大小，把区分评价指标对象特征差异能力小的指标去除掉。

进一步的技术方案，指标间的共线性由指标的方差膨胀因子决定，指标的方差膨胀因子记为VIF_p，p＝1,2,3,…..P，P为指标的总数，其计算过程为：

上述计算中，R_p²是一个以第p个指标为因变量，并且剩余其他指标为自变量的辅助回归的判定系数；