电费回收风险预测的大数据方法应用曹琰萍

曹琰萍梅佳佳张磊刘振中齐京文

摘要：电费回收是电力企业关注的核心问题。传统的方法是安装预装表，在客户发生欠费后进行上门催收，存在人工成本高和征收滞后等诸多不足。文章采用大数据技术，尝试聚合用户自身和外部数据，基于用户多维历史数据进行挖掘分析，开发出相应的征信和电费催收系统，进行早预测和早预警，从而有效防范电费回收风险，保障电力企业效益。

关键词：大数据技术；分布式存储；多维数据；电费催缴

引言

电费回收是供电企业最终效益的体现，电费回收率也是供电企业内部考核的一项重要经济指标[1]。每年全国电力用户拖欠电网企业电费现场比较严重，导致企业资金周转不畅，同时也使国家资产蒙受巨大损失。随着国家产业结构的不断调整，部分行业产能过剩，给电力企业电费回收带来诸多风险，尤其电力大客户（主要是企业用户、商业用户等）是电费回收工作的主要风险，本文通过对大客户历史用电数据、行业数据、企业法人征信、宏观经济环境等数据的收集，基于大数据挖掘技术对电费回收风险进行预测分析，及早发现电费回收风险，针对性采取相应措施提高电费回收率。

1背景与意义

“十三五”期间，电网企业提出要运用“大移物云”技术，推动公司管理变革和运营模式创新，推动电网创新发展高效运作。目前大数据技术已在互联网、电商、广告等行业取得了长足的发展，在用户行为分析、销售策略制定、广告定点投放等领域已进入实用阶段。目前电力营销管理系统主要是由人工从营销管理系统导出电费明细、欠费明细等数据，根据催收策略实施一级、二级、三级催收工作，浪费的人力、物力资源大，催收工作效率低下，并且只能被动的在事后进行电费催收工作。运用大数据技术对大客户电费回收风险进行分析预测，及时发现存在的电费回收风险点，通过营销策略调整降低风险，有效提高电费回收率，提升电力企业经营效益。本文主要工作基于大数据存储、计算、分析能力，结合电力大客户的用电行为、企业发展、企业法人征信、国家政策、地区社会环境等因素，建立电费回收风险预测数据模型，提出大数据预测分析技术方案以及本技术方案应用场景。

2传统电费回收方式的不足

由于电力交易的特殊性，加之电费回收的相关法律建设比较滞后，从而使得电费回收问题成为电力企业关心的核心议题。若电费回收风险不能提前预测，容易对企业造成重大损失。因此对电费回收风险客户进行统计分析，利用模型进行电费回收风险客户的预测，并根据预测来制作科学的收费措施至关重要。传统的管理电费回收风险的方法主要是安装预装表，在客户发生欠费后进行上门催收。电费回收风险识别中，主要依据电费抄表人员多次催缴记录、用电核算人员核算逾期记录以及客户经理对生产波动性大的企业进行标识等手段来确定电费回收风险客户，并反馈到省级管理中心。尽管采用预售电模式但也存在法律风险、售电计量风险等众多风险。在具体的实际应用过程中，这种方法对人的依赖性太强且成本比较高。从电费回收风险客户确定到反馈到省级管理中心的时间较长，省级管理中心无法根据各地局的电费回收风险客户情况进行科学、有效地及时管理，无法合理地、及时地采取回收电费的措施，容易导致电费回收不及时或电费拖欠，增加电网企业的经营风险。

3电费风险预测技术分析

3.1数据采集

目前电力营销管理系统使用传统的关系型数据库存储用电客户、电费、业扩、用检、稽查等数据。企业基本信息、企业法人个人征信、纳税证明信息、银行贷款信息等数据需从工商管理局、银行、征信等专业系统获取，需考虑各系统的数据存储方式及获取方式的多样性。企业经营状况、国家宏观经济环境、区域社会环境等半结构化或非结构化数据主要是借助网络爬虫或网站公开API等方式获取数据。

3.2数据存储

大数据存储是指将大量各种不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问。数据库存储管理技术包括分布式存储、NoSQL、内存存储技术[3]。分布式存储通过网络将分散的存储资源构成一个虚拟的存储设备，实现数据的分散存储，典型的如Hadoop平台的分布式文件存储系统（HDFS），主要优势体现在硬件成本低且节点可不断扩展、通过冗余备份实现高容错性。NoSQL数据存储不需要固定的表结构，存取上性能优势明显，但和关系型数据库也不存在连接操作；内存存储技术主要应用于对数据读取、处理响应高的场景。电费预测分析主要是通过用户用电数据与用户征信、企业经营、外部环境进行关联分析，同时对响应要求不高，存储技术首选分布式存储。

3.3数据预处理

大数据预处理可以对采集到的原始数据进行清洗、填补、平滑、合并、规格化以及检查一致性等，将那些杂乱无章的数据转化为相对单一且便于处理的构型，为后期的数据分析奠定基础。数据预处理主要包括：数据清理、数据集成、数据转换以及数据规约等部分。数据清理主要工具有ETL，实现数据的抽取、转换、装载；数据集成工具主要有Sqoop，Sqoop是一个用来将Hadoop和关系型数据库中的数据相互转移的工具，Sqoop专为大数据批量传输设计，能够分割数据集并创建Hadoop任务来处理每个区块。通过数据集成工具可将网络上非结构化数据、半结构化数据从网页中提取出来，并以结构化的方式统一存储。

3.4基于多维数据的电费催收系统应用

通过系统调用电费回收风险预测模型对电费回收风险客户进行预测，提供消息给业务人员以便业务人员对电费回收风险客户采取差异性电费回收措施。将细分结果嵌入营销系统，按照试点落地场景功能需求修改营销系统。确定细分结果和试点落地场景后，以制度、流程落地予以保障，修订相关管理制度。逐步实现回收高风险客户的缴费提醒和差异化账单提醒，将其从催费环节前移到缴费期截止前，从而促进电费回收。主要体现在以下几个方面：第一，一级催收：在抄表完成形成应收后，在“电费综合查询”模块可以查询高回收风险客户清单并生成客户清单。同时，通过短信发送平台对这部分高风险客户发送温馨提示短信，导出清单后结合实际服务资源的承受能力对部分用户通过电话的方式进行提醒。第二，二级催收：在截缴期结束后，系统将所有欠费用电户电费回收风险等级列加入清单界面，并对此列进行自动排序。有利于由抄表员根据客户电费回收风险等级高低进行上门催收电费流程，优先对低风险客户进行催缴。第三，在进行停电审批流程时，系统中增加筛选条件“电费回收风险”“停电敏感度”“重要客户标识”和“VIP客户标识”，同时在清单里综合显示客户的“停电敏感度”“重要客户标识”和“VIP客户标识”，便于在进行欠费停电流程审批时，可以优先排除重要客户、VIP客户、高停电敏感度客户。

结语

未来的电费风险预测主要依托于大数据技术实现，通过用户用电行为、客户征信、企业经营状况、区域及宏观经济环境，挖掘潜在的电费回收风险，为电网经营管理提供实时多样化的数据，为公司的精益化管理提供支撑，从而提升企业经济效益。

参考文献

[1]董运,孟飞.供电企业电费风险防范管理[J].中国工业年鉴,2014(01).

[2]姜力维.电费风险防范与清欠[M].中国电力出版社,2012.

[3]赖征田.电力大数据-能源互联网时代的电力企业转型与价值创造[M].机械工业出版社,2016.

[4]余长江,张海荣.探究电费大数据分析与风险预警[J].电脑知识与技术,2016,11(33):23-23.