电能在现有技术条件下，无法进行大量存储，从发电、传输、配电、供电直到最后的用电，几乎都是同步发生的，由此导致的“先用电、后交费”的赊销模式，造成了电费难以及时回收的问题。部分发达国家已逐渐进入网络智能化的电力营销时代，交费周期可由用户根据自身情况自由选择按周或季度等长短不一的周期进行支付。其电力营销已经从业务管理转型为客户服务，将信用管理理念、征信系统运用在电费回收工作中，以服务用户为目标。
1基于大数据分析的电费回收背景
1.1现状
电费作为电力企业的重要组成部分，与经营指标息息相关，显示了具体的工作成果。目前，各个地区的用电方式较为统一，普遍采用“先用电后交费”形式，所以电费催收成为了工作重点，是否能够有效地完成电费催收，代表着电力企业的经济状况和运行状况。现阶段，电力企业拥有客户的大量用电信息，却忽略了数据信息的开发，电力营销系统的一些关键功能，始终应用传统模式，员工采用的催收方式以电费催收的记录为主，并未重视对数据的智能分析，人工方式工作效率慢而且复杂。
1.2用大数据分析电费回收风险的机遇
近年来，5G技术的快速发展使得万物互联成为了可能，电力企业要利用好这次机遇做好预测分析，将客户动态信息整体汇总后，挖掘其中的特征、规定、特点，实现对电费问题的预测。在电费回收方面，了解客户的部分需求，将风险绘制出来，促进电力企业向着个性化、制定化方面发展。在新形势背景下，电力企业要积极学习先进技术，努力创造现代化的电力企业。同时，工作人员也要保持敬业态度，尽心尽力完成上级交代的任务，为电费催收工作减忧担责。
3用电客户回收风险预测的大数据应用
3.1层次分析法
众所周知，层次分析法重点在于“层次”二字，是将决策内部的一些关键元素分解，具体分解为小目标、小准则、方案等，然后联系定性和定量两项因素。简单来说，一个决策包括很多小的支系，是要形成一个系统，各个目标分解为具体的、细致的，进而形成若干层次，在联合定性和定量两个准则，做出良好的总排序，为此优化决策。分析法的运算方法较为复杂，按照缓急分为总目标、各层次目标、评价体系、倍投方案等，形成形式不一的构造，工作人员结合矩阵特征向量的相关内容和方法进行深入地运算分解，明白相互配合的各个层次和单元的相关点在哪里，怎样排列优先权重;结合权加的形式与之递进，查看备折方案和总目标权重，确定权重后，将是最优方案的成型。
3.2建立模型
1)对于客户电力催收顺序因素分为定量指标、定性指标，这两者所蕴含的意义不同，定量指标是关于电力的拖欠方式、时间、金额等内容，定性指标是关于用电方式、电压等级、缴费方式等内容。在多次研究中，发现层次分析法优势比较明显，所以采用建立模型将是分析法的基础上，对风险预测做出合理的展示。在建立过程中，明确好用电客户催收顺序，排序为不同的层次，准则层为缴费时间、缴费方式、欠费数额等，一些欠费的客户要设置为方案层，对接上一步的准则层数据，得到用户的具体信息，进而实现目标层的回收方式。2)准则层缴费时间因素的不同，应作如下分类:①缴费时限已经超出，用户仍选择在当月缴费清单。②次月电费形成之前，缴费金额为上月电费。③次月电费即使发行，但仍未做出任何缴费行动。对于缴费方式通常分为微信缴费、支付宝缴费、银行卡缴费、线下现金缴费、营业厅缴费等。前2种缴费方式普遍被运用，明显高于后3种的使用率，对应分数较高。准则层其他的准则，会根据形势的变化作出调整，具体是回收风险与权重的设置，为此调整大小，举例来说，若是某客户的欠费期间较多，那么电费回收风险随着期数增加，权重随着风险和期数再次出现增加现象。
3.2模型计算步骤
应高度重视模型计算步骤，它联系着具体工作，影响着企业的收益，具体分为以下8项。（1）输入评价标准。关于标准含有以下内容:缴费时间、缴费方式、欠费金额，这三者涉及的范围以及权重、分数，还有缴费的分数、权重，可作为标准的重要内容，标准在后期要慢慢递减，将缴费时间、缴费金额、缴费方式的各个权重和分数作为依据，设置具体的递减目标。另外，在本月缴费的分数较高，次月缴费的分数低于本月缴费。（2）判断客户是否欠费。是否欠费所执行的步骤同样不同，客户是否欠费是通过查看缴费记录确定的，本月如果没有金额交易记录则为欠费，若有则为已缴费。（3）评价标准计算分数。评价标准将缴费方式、时间分数和权重作为依据，对第一评价标准进行计算，查看欠费用户对应的权重和分数，然后进行乘积，结果便是欠费人员的第一评价标准信息，其中有具体的分数。（4）继续评价标准计算，结合“i+1”方式进行值得关注的是，“i+1”增加了欠费期数相关的分数和权重，以客户欠费的期数，以及其中的分数、权重为依据计算乘积，得到的便是“i+1”评价标准的具体信息，还有分数。（5）输出全部客户的总分。在以上步骤中得到的评价标准分数，进行求和，得到总数，可作为信用分数使用。（6）是否全部计算客户的信用总分。完成执行下一步，若是有遗漏则继续执行第二步。简单来说，一部分客户被遗忘，没有完成总分计算，需要接着执行第二部，查看客户是否完成缴费、是否欠费等，必须完成全部的总分计算。（7）根据总分数高低进行排序。客户的分数由低到高排序即可，因为越前排的客户，说明催收电费越紧急，在后排的则以此类推紧急程度。（8）系统化完成催收，提高收费效率。最后的催收顺序成型，得到系统化的、明了的清单。由此可见，用电客户的信息得到全部整理和计算，具体分数由低到高的排序，决定了催收工作的前后和顺序，像一些分数较低的用电用户，工作人员要优先催收，特别关注，这样可以系统化地完成催收，提高收费效率。
结语
基于电力大数据的电费回收风险防控策略，充分将供电企业的客户历史缴费数据和用电数据与电费回收实际工作相结合，通过深度学习算法，构建四大模型，根据模型结果制订出差异化的、科学的电费回收工作流程，降低了供电企业电费回收风险，起到了较好风险防控效果。实践结果表明，应用新的风险防控策略后，月底欠费客户数下降48%，节省了供电企业电费催缴成本，提高了电费回收工作效率。下一步可与政府、互联网企业开展数据共享合作，自动关联并更新客户档案数据，减少人工数据收集工作量，同时引入智能语音客服、自动短信推送等智能化手段，进一步提高电费回收的工作效率。
参考文献
[1]张东霞，苗新，刘丽平，等．智能电网大数据技术发展研究［J］．中国电机工程学报，2021，35(1):2－12．
[2]朱朝阳，王继业，邓春宇．电力大数据平台研究与设计［J］．电力信息与通信技术，2021，13(6):1－7．
[3]彭小圣，邓迪元，程时杰，等．面向智能电网应用的电力大数据关键技术［J］．中国电机工程学报，2020，35(3):503－511．
