[发明专利]一种基于账款跟踪的电企应收款项预警方法及系统

权利要求书

1.一种基于账款跟踪的电企应收款项预警方法，其特征在于，包括如下步骤：

预先确定数个典型用电客户、在不同结算周期的用电信息来构建训练集；

在各结算周期，对训练集中的典型用电客户的用电信息进行拟合以获得拟合用电信息，并确定各结算周期内各典型用电客户的历史账款到账信息；

为各典型用电客户的历史账款到账信息添加训练标签，所述训练标签至少包括到账信用度，所述到账信用度用以描述供电企业的期望到账时间节点与用电客户的实际到账时间节点之间的契合程度，若实际到账时间节点相比期望到账时间节点越晚到账信用度越低；

提取各拟合用电信息的用电趋势特征，以及提取典型用电客户的客户特征；

将结算时间特征、提取的用电趋势特征以及客户特征输入特征融合器，并将所述特征融合器输出的融合特征分别作为深度分类器和浅层分类器的输入；

基于训练标签，通过交叉熵损失函数计算损失函数值，根据所述损失函数值调整特征融合器、深度分类器以及浅层分类器的参数，迭代训练；

对供电区域内的任一用电客户，获取任一用电客户的用电信息，并基于获取的用电信息进行特征提取；

将提取到的特征信息输入训练好的特征融合器，以利用深度分类器和浅层分类器输出分类结果；

根据所述分类结果确定所述任一供电区域、当前结算周期的预测到账金额；

若预期到账金额低于期望到账金额，则进行预警。

2.如权利要求1所述的基于账款跟踪的电企应收款项预警方法，其特征在于，对训练集中的典型用电客户的用电信息进行拟合以获得拟合用电信息包括：

以年为单位，在各结算周期，分别对训练集中的典型用电客户的用电信息进行拟合，以获得各典型用电客户在任一结算周期的拟合子信息；

将各年、相同结算周期的拟合子信息作为拟合用电信息。

3.如权利要求2所述的基于账款跟踪的电企应收款项预警方法，其特征在于，提取各拟合用电信息的用电趋势特征包括：

对当前结算周期，基于相应的拟合用电信息的各拟合子信息，按照时间顺序，提取第一趋势特征；以及

分别提取当前结算周期之前、预设数量结算周期相应拟合用电信息的第二趋势特征；

组合所述第一趋势特征和所述第二趋势特征，以获得用电趋势特征。

4.如权利要求3所述的基于账款跟踪的电企应收款项预警方法，其特征在于，提取典型用电客户的客户特征包括：

为各典型用电客户建立客户标签，并按照设定的周期更新任一典型用电客户的客户标签，所述客户标签包括客户类型、客户规模、客户偏好；

在各结算周期，基于任一典型用电客户的客户标签，提取多维度的客户特征。

5.如权利要求1所述的基于账款跟踪的电企应收款项预警方法，其特征在于，所述特征融合器包括顺序设置的全局池化层、全连接层、ReLU激活和sigmoid函数；

所述深度分类器为深度卷积网络或深度递归网络；

将所述特征融合器输出的融合特征分别作为深度分类器和浅层分类器的输入包括：

将所述特征融合器输出的融合特征分别输入所述深度分类器以及两个浅层分类器。

6.如权利要求5所述的基于账款跟踪的电企应收款项预警方法，其特征在于，将提取到的特征信息输入训练好的特征融合器，以利用深度分类器和浅层分类器输出分类结果包括：

获取各分类器的识别概率，以及，

获取各分类器识别的标签结果，所述标签结果与信用等级对应，所述信用等级是与到账信用度按照顺序划分的多个取值区间相对应的，且到账信用度为1和0分别作为一个信用等级；

根据所取的标签结果以及识别概率，来确定最终融合识别的结果，其中若各分类器的识别概率部分大于预设阈值，则融合识别结果为识别概率最大值所在的标签结果，若各分类器的识别概率均低于预设阈值，则根据标签识别结果的众数，来确定融合识别结果。