本發(fā)明涉及一種基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)方法。

背景技術(shù)：

1、電費(fèi)回收是電力企業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)的一項(xiàng)重要組成部分，目前雖然進(jìn)行推廣智能繳費(fèi)，但是愿意實(shí)行智能繳費(fèi)的用戶較少數(shù)，電費(fèi)回收逐漸成為影響電力企業(yè)生產(chǎn)經(jīng)營(yíng)的一大困擾。通過(guò)電力客戶的基本信息、電量、電費(fèi)、繳費(fèi)、以及電費(fèi)匯款時(shí)長(zhǎng)等信息，建立電力大客戶的電費(fèi)回收風(fēng)險(xiǎn)指標(biāo)體系。采用主成分分析剔除影響力較小的指標(biāo)，得到客戶電費(fèi)回收風(fēng)險(xiǎn)預(yù)警指標(biāo)。最后，基于邏輯回歸算法中多類(lèi)有序算法進(jìn)行電費(fèi)回收風(fēng)險(xiǎn)預(yù)警，提出基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)模型。

2、如公開(kāi)號(hào)cn115392531a基于縱向聯(lián)邦邏輯回歸的企業(yè)電費(fèi)繳納風(fēng)險(xiǎn)預(yù)測(cè)方法及系統(tǒng)，其公開(kāi)了一種基于縱向聯(lián)邦邏輯回歸的企業(yè)電費(fèi)繳納風(fēng)險(xiǎn)預(yù)測(cè)方法及系統(tǒng)，利用秘密共享技術(shù)保護(hù)了電網(wǎng)和工信局聯(lián)合風(fēng)險(xiǎn)預(yù)測(cè)時(shí)的數(shù)據(jù)隱私安全，并實(shí)現(xiàn)了集中式訓(xùn)練級(jí)別的模型效用性。通過(guò)使用秘密共享技術(shù)取代同態(tài)加密技術(shù)，有效降低了整體的計(jì)算復(fù)雜度與高昂的通信成本，并可滿足實(shí)際場(chǎng)景中處理大體量數(shù)據(jù)的需求。通過(guò)使用秘密共享技術(shù)取代差分隱私技術(shù)，可有效提升模型精準(zhǔn)度，并滿足實(shí)際風(fēng)險(xiǎn)預(yù)測(cè)場(chǎng)景中的精準(zhǔn)預(yù)測(cè)。

3、但上述現(xiàn)有公開(kāi)技術(shù)存在如下缺陷：

4、1、其模型中缺少數(shù)據(jù)進(jìn)行預(yù)處理，若數(shù)據(jù)的特征太多容易導(dǎo)致模型誤差增大，從而影響電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)準(zhǔn)確性；

5、2、單存采用模型直接電費(fèi)回收風(fēng)險(xiǎn)的預(yù)測(cè)，預(yù)測(cè)的準(zhǔn)確性很低。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服背景技術(shù)存在缺陷，提供一種基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)方法，能更加準(zhǔn)確識(shí)別用戶的繳費(fèi)特征，減少誤差。

2、為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)方法，包括：

3、收集電力客戶信息，建立電力客戶的電費(fèi)回收風(fēng)險(xiǎn)指標(biāo)體系；

4、采用主成分分析法剔除電費(fèi)回收風(fēng)險(xiǎn)指標(biāo)體系中影響力較小的指標(biāo)，得到客戶電費(fèi)回收風(fēng)險(xiǎn)預(yù)警指標(biāo)；

5、基于邏輯回歸算法進(jìn)行電費(fèi)回收風(fēng)險(xiǎn)預(yù)警，提出基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)模型。

6、在本發(fā)明一實(shí)施例中，所述電力客戶信息包括電力客戶的用戶信息、電量數(shù)據(jù)、電費(fèi)信息、歷史繳費(fèi)記錄、繳費(fèi)方式。

7、在本發(fā)明一實(shí)施例中，建立電力大客戶的電費(fèi)回收風(fēng)險(xiǎn)指標(biāo)體系，還需對(duì)收集的電力客戶信息進(jìn)行數(shù)據(jù)剔除、歸一化處理。

8、在本發(fā)明一實(shí)施例中，所述主成分分析法是將原始樣本數(shù)據(jù)特征重新組合變換成一組新的相互無(wú)關(guān)的特征，并根據(jù)需要從這一組新的相互無(wú)關(guān)的特征中選取出盡可能多地表達(dá)出原有信息的盡可能少的特征，即將一組新的相互無(wú)關(guān)的特征向量替代原數(shù)據(jù)中具有相關(guān)性的特征向量，以實(shí)現(xiàn)表達(dá)信息盡可能多的同時(shí)降低數(shù)據(jù)維度的目的。

9、在本發(fā)明一實(shí)施例中，所述主成分分析法實(shí)現(xiàn)如下：

10、(1)輸入原始數(shù)據(jù)集x＝{xi|i＝1，2，...，m}，并求取原始數(shù)據(jù)集x的平均向量此處原始數(shù)據(jù)集x即電力客戶信息集合，xi表示電力客戶信息中第i個(gè)指標(biāo)，m表示電力客戶信息中指標(biāo)總數(shù)；

11、(2)計(jì)算協(xié)方差矩陣c：

12、

13、(3)計(jì)算協(xié)方差矩陣c的特征值γi和特征向量vi的特征方程如下：

14、γivi＝cvi

15、(4)將γi降序排列，據(jù)主成分的近似度h，確定降維后的維度p，有得到γ＝[γ1，γ2，...，γp]，v＝[v1，v2，...，vp]；

16、(5)計(jì)算降維后的特征矩陣xp，該矩陣由p個(gè)特征向量構(gòu)成，xp即為主成分分析法降維后所得結(jié)果。

17、在本發(fā)明一實(shí)施例中，所述基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)模型的訓(xùn)練過(guò)程如下：

18、基于主成分分析法得到的客戶電費(fèi)回收風(fēng)險(xiǎn)預(yù)警指標(biāo)構(gòu)建訓(xùn)練集并輸入至邏輯回歸模型，對(duì)邏輯回歸模型進(jìn)行訓(xùn)練，通過(guò)最大似然估計(jì)或梯度下降優(yōu)化算法來(lái)擬合邏輯回歸模型的參數(shù)，得到基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)模型。

19、在本發(fā)明一實(shí)施例中，訓(xùn)練得到的基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)模型，采用訓(xùn)練集評(píng)估性能，即計(jì)算準(zhǔn)確率、精確率、召回率。

20、相較于現(xiàn)有技術(shù)，本發(fā)明具有以下有益效果：

21、1、工作效率：通過(guò)數(shù)據(jù)模型可以分析用戶繳費(fèi)特征，利用客戶風(fēng)險(xiǎn)等級(jí)標(biāo)簽篩選客戶群體，指導(dǎo)電費(fèi)回收工作，及時(shí)跟進(jìn)高風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)客戶的電費(fèi)繳納情況，增加催繳頻率和力度，顯著降低電費(fèi)回收風(fēng)險(xiǎn)。

22、2、經(jīng)濟(jì)性：本模型按電費(fèi)風(fēng)險(xiǎn)等級(jí)排序，優(yōu)先開(kāi)展重點(diǎn)催費(fèi)措施，針對(duì)高風(fēng)險(xiǎn)用戶提高催費(fèi)短信發(fā)送頻率，差異化催費(fèi)內(nèi)容，對(duì)低風(fēng)險(xiǎn)等級(jí)用戶降低催費(fèi)短信發(fā)送頻率等，提高優(yōu)質(zhì)服務(wù)水平。

技術(shù)特征：

1.一種基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)方法，其特征在于，所述電力客戶信息包括電力客戶的用戶信息、電量數(shù)據(jù)、電費(fèi)信息、歷史繳費(fèi)記錄、繳費(fèi)方式。

3.根據(jù)權(quán)利要求1所述的基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)方法，其特征在于，建立電力大客戶的電費(fèi)回收風(fēng)險(xiǎn)指標(biāo)體系，還需對(duì)收集的電力客戶信息進(jìn)行數(shù)據(jù)剔除、歸一化處理。

4.根據(jù)權(quán)利要求1所述的基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)方法，其特征在于，所述主成分分析法是將原始樣本數(shù)據(jù)特征重新組合變換成一組新的相互無(wú)關(guān)的特征，并根據(jù)需要從這一組新的相互無(wú)關(guān)的特征中選取出盡可能多地表達(dá)出原有信息的盡可能少的特征，即將一組新的相互無(wú)關(guān)的特征向量替代原數(shù)據(jù)中具有相關(guān)性的特征向量，以實(shí)現(xiàn)表達(dá)信息盡可能多的同時(shí)降低數(shù)據(jù)維度的目的。

5.根據(jù)權(quán)利要求1或4所述的基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)方法，其特征在于，所述主成分分析法實(shí)現(xiàn)如下：

6.根據(jù)權(quán)利要求1所述的基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)方法，其特征在于，所述基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)模型的訓(xùn)練過(guò)程如下：

7.根據(jù)權(quán)利要求1所述的基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)方法，其特征在于，訓(xùn)練得到的基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)模型，采用訓(xùn)練集評(píng)估性能，即計(jì)算準(zhǔn)確率、精確率、召回率。

技術(shù)總結(jié)
本發(fā)明涉及一種基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)方法。通過(guò)電力客戶的基本信息、電量、電費(fèi)、繳費(fèi)、以及電費(fèi)匯款時(shí)長(zhǎng)等信息，建立電力大客戶的電費(fèi)回收風(fēng)險(xiǎn)指標(biāo)體系。采用主成分分析剔除影響力較小的指標(biāo)，得到客戶電費(fèi)回收風(fēng)險(xiǎn)預(yù)警指標(biāo)。最后，基于邏輯回歸算法中多類(lèi)有序算法進(jìn)行電費(fèi)回收風(fēng)險(xiǎn)預(yù)警，提出基于主成分分析法和邏輯回歸法電費(fèi)回收風(fēng)險(xiǎn)預(yù)測(cè)模型。本發(fā)明可以利用客戶風(fēng)險(xiǎn)等級(jí)標(biāo)簽篩選客戶群體，指導(dǎo)電費(fèi)回收工作，及時(shí)跟進(jìn)高風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)客戶的電費(fèi)繳納情況，顯著降低電費(fèi)回收風(fēng)險(xiǎn)；本發(fā)明還可以針對(duì)高風(fēng)險(xiǎn)用戶提高催費(fèi)短信發(fā)送頻率，差異化催費(fèi)內(nèi)容，對(duì)低風(fēng)險(xiǎn)等級(jí)用戶降低催費(fèi)短信發(fā)送頻率等，提高優(yōu)質(zhì)服務(wù)水平。

技術(shù)研發(fā)人員：李榮臺(tái),李獻(xiàn)才,關(guān)華明,林晨,游化斌,羅梅芳,陳振江,藍(lán)?,凌鵬育,謝育清,鄒哲揚(yáng),張智煒
受保護(hù)的技術(shù)使用者：國(guó)網(wǎng)福建省電力有限公司上杭縣供電公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2