一种基于账款跟踪的电企应收款项预警方法及系统与流程

本申请涉及数据处理，尤其涉及一种基于账款跟踪的电企应收款项预警方法及系统。

背景技术：

1、自从取消了执行十余年的电费保证金制度后,部分电力用户长期拖欠电费，电力回收的风险大幅提高，电费回收难成为困扰电力企业的严重问题。

2、对于电力企业，电费收入是主要的现金流入来源。电费收入的合理预测具备战略意义，电费收入预测是供电企业编制预算的基础，也是电价调整的重要参考。随着电力市场化的不断推进，供电企业之间竞争日趋激烈，企业的战略决策需要更精确的预测数据支持。因此，有必要深入研究针对电费收入的预测方法，并提高其预测精度。通过往期电费收入历史规律，对未来企业电费收入走势的预测能很好的为企业提供成本控制、融资、投资以及业务领域拓展方面的决策支持。

3、电费收入情况受到多种混杂因素的影响，运用传统的统计分析进行预测时，一些有效的信息在建模时可能会被忽略掉，使得最终的预测出现偏差。因此，要对电费收入进行更准确的预测时，需要深入研究电费收入的计算原理、变化规律和影响因素。

4、有必要提出一种对电费应收账款和到账时间的预测方法，用于为电力企业、金融机构提供数据支撑。

技术实现思路

1、本申请实施例提供一种基于账款跟踪的电企应收款项预警方法及系统，用以提出一种实现电企账款跟踪的方法，能够实现对当前结算周期的到账金额进行预测、预警，实现为电力企业、金融机构提供有力的数据支撑。

2、本申请实施例提出一种基于账款跟踪的电企应收款项预警方法，包括如下步骤：

3、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；

4、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；

5、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；

6、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；

7、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；

8、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；

9、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；

10、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；

11、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；

12、若预期到账金额低于期望到账金额，则进行预警。

13、在一些实施例中，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：

14、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；

15、将各年、相同结算周期的拟合子信息作为拟合用电信息。

16、在一些实施例中，提取各拟合用电信息的用电趋势特征包括：

17、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

18、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；

19、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。

20、在一些实施例中，提取典型用电客户的客户特征包括：

21、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；

22、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。

23、在一些实施例中，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；

24、所述深度分类器为深度卷积网络或深度递归网络；

25、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：

26、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。

27、在一些实施例中，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：

28、获取各分类器的识别概率，以及，

29、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；

30、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。

31、在一些实施例中，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包括：

32、确定供电区域内任一用电客户的融合识别结果；

33、将任一用电客户的融合识别结果相应信用等级的下限值作为计算基准；

34、根据任一用电客户的用电信息，拟合所述任一用电客户在当前结算周期的用电趋势；

35、基于所述计算基准和所述用电趋势以及各时段电价，累积所述任一用电客户的预期到账金额；

36、累加供电区域内所有用电客户的预期到账金额，以获得预测到账金额。

37、本申请实施例还提出一种基于账款跟踪的电企应收款项预警系统，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被处理器执行时实现如前述的基于账款跟踪的电企应收款项预警方法的步骤。

38、本申请实施例提出了一种实现电企账款跟踪的方法，能够对当前结算周期的到账金额进行预测、预警，实现了为电力企业、金融机构提供有力的数据支撑。

39、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

技术特征：

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：

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：

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：

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：

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；

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：

7.如权利要求6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，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包括：

8.一种基于账款跟踪的电企应收款项预警系统，其特征在于，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于账款跟踪的电企应收款项预警方法的步骤。

技术总结
本申请公开了一种基于账款跟踪的电企应收款项预警方法及系统，涉及数据处理技术领域，包括：预先构建训练集；拟合用电信息以获得拟合用电信息；为各典型用电客户的历史账款到账信息添加训练标签；提取各拟合用电信息的用电趋势特征；将提取的用电趋势特征以及客户特征输入特征融合器；基于训练标签，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，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，并利用深度分类器和浅层分类器输出分类结果；根据分类结果确定预测到账金额；若预期到账金额低于期望到账金额，则进行预警。本申请的方法能够为电力企业、金融机构提供有力的数据支撑。

技术研发人员：黄华胜,程少华,刘畅,李重庆,汤永久,徐晓耘,赵永红,向维,彭新宇,项慧飞
受保护的技术使用者：国网安徽省电力有限公司营销服务中心
技术研发日：
技术公布日：2024/1/13