[发明专利]一种电费应收账款的跟踪预测方法及装置

说明书

本发明公开了一种电费应收账款的跟踪预测方法及装置，所述方法包括：为供电企业添加各个新增账款节点；基于蚁群算法提取所述各个新增账款节点中相邻新增账款节点的特征值；将所述特征值传递给预设的账款跟踪预测模型进行分类，得到分类结果，其中，所述预设的账款跟踪分类模型基于机器学习算法进行构建，基于历史电费应收账款和历史到账时间进行训练得到；基于所述分类结果和预设的预测机制对所述供电企业的电费应收账款进行预测。上述的方法，采用蚁群算法提取新增账款节点的特征值，将所述特征值传递给基于历史电费应收账款和历史到账时间进行训练的预设账款跟踪分类模型，并基于预设的预测机制实现对所述供电企业的电费应收账款进行预测。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种电费应收账款的跟踪预测方法及装置。

背景技术

现有技术中通过区块链对电费应收账款进行跟踪记录，记录历史应收账款金额和到账时间。

然而对于金融机构的融资行为，定量未来供电企业营收，制定电费应收账款的预支计划，规划电力供应能量调度，实现最优化电力交易；定性分析供电企业增长情况，提供环比依据。

因此，缺少一种对电费应收账款和到账时间的预测方法，用于为金融机构提供数据支持。

发明内容

有鉴于此，本发明提供了一种电费应收账款的跟踪预测方法及装置，用于对电费应收账款和到账时间的预测。具体方案如下：

一种电费应收账款的跟踪预测方法，包括：

为供电企业添加各个新增账款节点；

基于蚁群算法提取所述各个新增账款节点中相邻新增账款节点的特征值；

将所述特征值传递给预设的账款跟踪预测模型进行分类，得到分类结果，其中，所述预设的账款跟踪分类模型基于机器学习算法进行构建，基于历史电费应收账款和历史到账时间进行训练得到；

基于所述分类结果和预设的预测机制对所述供电企业的电费应收账款进行预测。

上述的方法，可选的，所述新增账款节点包括该新增账款节点供应商的电费应收账款金额和到账时间，基于蚁群算法提取所述各个新增账款节点中相邻新增账款节点的特征值，包括：

将所述电费应收账款金额作为节点值，将所述到账时间作为路径长度；

针对相邻新增节点基于对应的节点值和对应的路径长度计算信息素浓度；

将所述信息素浓度作为相邻新增节点的特征值。

上述的方法，可选的，将所述特征值传递给预设的账款跟踪预测模型进行分类，得到分类结果，包括：

获取所述供电企业的用户名称、编码和网省编码；

对所述用户名称、所述编码、所述网省编码和所述特征值进行预处理，得到平稳序列；

将所述平稳序列传递给预设的账款跟踪预测模型进行分类，得到用户名称、编码、预计到账时间、预计用电类型、预计整体购电量和预测电费应收账款。

上述的方法，可选的，对所述用户名称、所述编码、所述网省编码和所述特征值进行预处理，包括：

建立所述用户名称、所述编码、所述网省编码和所述特征值的对应关系；

对所述对应关系进行差分处理转化为平稳序列。

上述的方法，可选的，所述预设的预测机制包括至少一组应收账款区间和到账时间区间对应关系，每一个对应关系对应一个预测结果，基于所述分类结果和预设的预测机制对所述供电企业的电费应收账款进行预测，包括：

获取所述分类结果中预计电费应收账款和预计到账时间；