[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN111461574B - 一种基于区域地理位置信息的用户电费清欠风险发现方法 - Google Patents

一种基于区域地理位置信息的用户电费清欠风险发现方法 Download PDF

Info

Publication number
CN111461574B
CN111461574B CN202010329533.XA CN202010329533A CN111461574B CN 111461574 B CN111461574 B CN 111461574B CN 202010329533 A CN202010329533 A CN 202010329533A CN 111461574 B CN111461574 B CN 111461574B
Authority
CN
China
Prior art keywords
user
consistency
qtable
operator
calculation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010329533.XA
Other languages
English (en)
Other versions
CN111461574A (zh
Inventor
王德春
迟昊
曹华彬
陈雪莹
孔祥靖
王秀燕
蔡雪梅
马钲
杨柏欢
关平
于淼
于景阳
裴洋
毕莹
赵宇菲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
State Grid Jilin Electric Power Corp
Original Assignee
Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
State Grid Jilin Electric Power Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd, State Grid Jilin Electric Power Corp filed Critical Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
Priority to CN202010329533.XA priority Critical patent/CN111461574B/zh
Publication of CN111461574A publication Critical patent/CN111461574A/zh
Application granted granted Critical
Publication of CN111461574B publication Critical patent/CN111461574B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Calculators And Similar Devices (AREA)

Abstract

本发明公开了一种基于区域地理位置信息的用户电费清欠风险发现方法，利用一致性膨胀算子将一定地理区域范围内清欠费用情况近似的用户组织在一起存储在用户清欠区域表中。进而对于一个新的用户基于其与户清欠区域表中表项的距离对其清欠风险进行计算，实现对用户存在的电费清欠风险的发现。利用本发明专利，可以在仅输入一组用户的位置和欠费信息情况下，达到引入较少的、易于收集的地理位置属性，又能较为准确的对电费清欠风险进行发现的目标。

Description

一种基于区域地理位置信息的用户电费清欠风险发现方法
技术领域：
本发明公开了一种基于区域地理位置信息的用户电费清欠风险发现方法，涉及用户电费清欠风险发现方法，属于电网用户的用电管理技术领域。
背景技术：
随着经济发展与电网用户的扩大，会有一部分用户的电费存在清欠的风险，如果较多用户欠费将对电网企业的收入造成较大影响。因此非常有必要对用户电费清欠风险进行预判和决策，提前对可能出现的清欠进行预防性的处理，因此对用户电费清欠风险进行发现对于电网企业的健康有序经营十分重要。
在传统的基于大数据分析的领域，对一定范围内的用户的欠费、欺诈、违约情况进行分析主要采取的手段是：收集用户在一定时期范围内的属性数据，如：收入、职业、种族、年龄、婚姻、购买力、住房等诸多属性；同时引入人工智能模型，如神经网、决策树、支持向量机学习数据构建决策模型，进而对其他用户进行判断。该类方法在一些领域和实验环境下可以取得成功，但是这类方法的一个关键假设是掌握用户大量的基础信息数据，如果没有这些数据则很难构建决策模型。对于电网用户，由于电网企业不是政府机构或银行，很多数据（如家庭收入、年龄、住房、婚姻）这些内容是难以获得，也是没有权利收集的，缺失的数据将直接导致利用传统方法进行用户电费清欠风险的发现过程失败。
电网用户在分布上存在典型的地理位置特性，这些位置信息是电网企业可以很容易获得的，近似类型的企业和用户可能地理区域相对比较集中，他们受到的经济和产业的影响也会相对趋同。收集统计这些地理位置的可以反应一定区域上用户对于电力资源使用的情况，而这一情况也隐含了用户的经济以及支付的能力。因此可以构造一种方法，引入地理空间位置属性数据以及相近似群体里的关系来完成决策和发现的过程，实现利用较少属性来进行用户电费清欠风险发现。
发明内容
本发明提供一种基于区域地理位置信息的用户电费清欠风险发现方法，利用一致性膨胀算子将一定地理区域范围内清欠费用情况近似的用户组织在一起存储在用户清欠区域表中。进而对于一个新的用户基于其与户清欠区域表中表项的距离对其清欠风险进行计算，实现对用户存在的电费清欠风险的发现。
本发明所述的一种基于区域地理位置信息的用户电费清欠风险发现方法，包括以下步骤：
S1, 输入包含地理位置的电网用户欠费情况列表History，输入初始计算范围LDis和最大计算范围HDis;获取History中的用户数量QNum，建立用户清欠区域表QTable；
S101，输入包含地理位置的电网用户欠费情况列表History，该列表每一个表项为一个结构体，结构体包含字段如下：
HID：用户编号；
HX：用户所在地理位置的经度坐标；
HY：用户所在地理位置的纬度坐标；
HQF：该用户是否欠费0表示不欠费，1表示欠费；
S102，输入初始计算范围LDis，LDis为一个整型数其默认值为10；输入最大计算范围HDis，HDis为一个整型数其默认值为200；
S103，用户数量QNum=History中的表项个数；
S104，初始化用户清欠区域表QTable=空表；
S105，初始化表计数器 HCounter=1；
S106，建立区域结构体QTableStruct， QTableStruct的字段内容如下：
QID：区域结构体对应用户编号；
QHX：区域结构体对应用户所在地理位置的经度坐标；
QHY：区域结构体对应用户所在地理位置的纬度坐标；
QDis：区域结构体对应用户参与计算的范围值；
QJL：区域结构体对应用户参与计算的距离；
QPr：区域结构体对应用户在一定邻域范围内欠费百分比；
QCundu：区域结构体对应用户在一定邻域范围内的纯度；
S107，设定QTableStruct内部字段的值，
QTableStruct.QID=History[HCounter]. HID，
QTableStruct.QHX=History[HCounter].HX,
QTableStruct.QHY=History[HCounter].HY,
QTableStruct.QDis=LDis,
QTableStruct.QJL=0,
QTableStruct.QPr=0，
QTableStruct.QCundu=0；
S108，将QTableStruct加入到QTable中；
S109, HCounter=HCounter+1, 如果HCounter大于QNum则转到S110，否则转到S106
S110，该过程结束；
S2，建立区域一致度计算算子ConsisOperator，该算子输入为一致度整型数变量ConsisPos，输出为一致度结果结构体ConsisOperatorResult；
S201，一致度计算算子第一暂存变量TS1=QTable[ConsisPos]；
S202,建立空间邻近列表ConsisNeighbor=空列表；
S203，一致度计算算子计数器ConsisHCounter=1；
S204，一致度计算算子第二暂存变量TS2=QTable[ConsisHCounter]；
S205，建立空间邻近结构体ConsisStruct，该结构体的字段如下：
ConsisDis：邻近结构体对应的距离；
ConsisQF: 邻近结构体对应的欠费情况；
S206，计算ConsisStruct.ConsisDis的值，其公式为：
Figure DEST_PATH_IMAGE002
S207，ConsisStruct.ConsisQF=History[ConsisHCounter].HQF，将ConsisStruct加入到ConsisNeighbor中；
S208,ConsisHCounter=ConsisHCounter+1,如果ConsisHCounter大于QNum则转到S209，否则转到S204；
S209，基于ConsisDis的值对ConsisNeighbor的列表内容进行从小到大排序；
S210，一致度暂存计数器ConsisTCounter=1,一致度求和值 Sum=0,
欠费计数器QFCounter=0,
一致度暂存距离变量ConsisTempD1=ConsisNeighbor[TS1.QDis].ConsisDis；
S211, 计算一致度欠费暂存变量ConsisTQF，其计算公式为：
ConsisTQF=
Figure DEST_PATH_IMAGE004
S212, 对于Sum，通过计算如下公式计算：
Figure DEST_PATH_IMAGE006
S213，如果ConsisNeighbor[ConsisTCounter].ConsisQF等于1则QFCounter=QFCounter+1
S214，ConsisTCounter=ConsisTCounter+1, 如果ConsisTCounter大于TS1.QDis则转到S215，否则转到S211；
S215，建立一致性结果结构体ConsisOperatorResult，该结构体包含以下字段：
ConsistResult：一致性结果结构体所描述的一致性；
ConsistResultDis: 一致性结果结构体所描述距离；
ConsisQF：欠费比例；
S216，设定ConsisOperatorResult的各个字段的值，
ConsisOperatorResult.ConsistResult=1-Sum/TS1.QDis；
ConsisOperatorResult.ConsistResultDis=ConsisTempD1；
ConsisOperatorResult.ConsisQF=QFCounter/TS1.QDis；
S217, 输出ConsisOperatorResult作为算子的结果；
S3，建立区域一致性膨胀算子ExpandOperator，该算子的输入为一致性膨胀算子处理条目变量ExpandPos,该算子的计算结果写入到QTable的第ExpandPos个条目之中；
S301, 建立区域一致性膨胀算子ExpandOperator，该算子的输入为ExpandPos；
S302,一致度计算算子的结果结构体变量EConsisStruct=使用ConsisOperator进行计算输入ConsisPos=ExpandPos获得结果ConsisOperatorResult并返回该结果；
S303，如果EConsisStruct.ConsistResult>QTable[ExpandPos].QCundu则转到S304，否则转到S308；
S304，QTable[ExpandPos].QCundu=EConsisStruct.ConsistResult；
S305，QTable[ExpandPos].QJL =EConsisStruct. ConsistResultDis；
S306，QTable[ExpandPos].QPr=EConsisStruct.ConsisQF；
S307，QTable[ExpandPos]. QDis= QTable[ExpandPos]. QDis+LDis；
S308，如果QTable[ExpandPos].QDis大于HDis则转到S309，否则转到S302；
S309,该算子计算过程结束；
S4，利用ExpandOperator对QTable的所有条目进行计算：
S401, 条目计数器 ECounter=1；
S402, 利用ExpandOperator进行计算，算子输入ExpandPos=ECounter；
S403，ECounter=ECounter+1，如果ECounter大于QNum则转到S404，否则转到S402
S404，计算过程结束；
S5，输入一个用户的地理位置经度ZX和纬度ZY，利用QTable计算其电费清欠风险；
S501，风险发现计数器变量DCounter=1，风险求和变量 PSum=0，风险计数器变量PCounter=0；
S502，QDTemp=QTable[DCounter]；
S503, 计算风险发现距离变量QD,其计算公式为：
Figure DEST_PATH_IMAGE008
S504，如果QD>=QDTemp.QJL则转到506，否则转到S505；
S505，PSum=PSum+QDTemp.QPr, PCounter=PCounter+1；
S506, DCounter=DCounter+1, 如果DCounter大于QNum则转到S507，否则转到S502；
S507，PSum=PSum/PCounter；
S508, 如果PSum>0.15则输出发现该用户存在电费清欠风险，否则输出该用户不存在电费清欠风险；
S509，计算过程结束。
本发明的有益效果是：
本发明利用一致性膨胀算子将一定地理区域范围内清欠费用情况近似的用户组织在一起存储在用户清欠区域表中。进而对于一个新的用户基于其与户清欠区域表中表项的距离对其清欠风险进行计算，实现对用户存在的电费清欠风险的发现。利用本发明专利，可以在仅输入一组用户的位置和欠费信息情况下，达到引入较少的、易于收集的地理位置属性，又能较为准确的对电费清欠风险进行发现的目标。
具体实施方式
通过以下实施例进一步举例描述本发明，并不以任何方式限制本发明，在不背离本发明的技术解决方案的前提下，对本发明所作的本领域普通技术人员容易实现的任何改动或改变都将落入本发明的权利要求范围之内。
实施例1
本发明所述的一种基于区域地理位置信息的用户电费清欠风险发现方法，包括以下步骤：
S1, 输入包含地理位置的电网用户欠费情况列表History，输入初始计算范围LDis和最大计算范围HDis;获取History中的用户数量QNum，建立用户清欠区域表QTable；
S101，输入包含地理位置的电网用户欠费情况列表History，该列表每一个表项为一个结构体，结构体包含字段如下：
HID：用户编号；
HX：用户所在地理位置的经度坐标；
HY：用户所在地理位置的纬度坐标；
HQF：该用户是否欠费0表示不欠费，1表示欠费；
S102，输入初始计算范围LDis，LDis为一个整型数其默认值为10；输入最大计算范围HDis，HDis为一个整型数其默认值为200；
S103，用户数量QNum=History中的表项个数；
S104，初始化用户清欠区域表QTable=空表；
S105，初始化表计数器 HCounter=1；
S106，建立区域结构体QTableStruct， QTableStruct的字段内容如下：
QID：区域结构体对应用户编号；
QHX：区域结构体对应用户所在地理位置的经度坐标；
QHY：区域结构体对应用户所在地理位置的纬度坐标；
QDis：区域结构体对应用户参与计算的范围值；
QJL：区域结构体对应用户参与计算的距离；
QPr：区域结构体对应用户在一定邻域范围内欠费百分比；
QCundu：区域结构体对应用户在一定邻域范围内的纯度；
S107，设定QTableStruct内部字段的值，
QTableStruct.QID=History[HCounter]. HID，
QTableStruct.QHX=History[HCounter].HX,
QTableStruct.QHY=History[HCounter].HY,
QTableStruct.QDis=LDis,
QTableStruct.QJL=0,
QTableStruct.QPr=0，
QTableStruct.QCundu=0；
S108，将QTableStruct加入到QTable中；
S109, HCounter=HCounter+1, 如果HCounter大于QNum则转到S110，否则转到S106
S110，该过程结束；
S2，建立区域一致度计算算子ConsisOperator，该算子输入为一致度整型数变量ConsisPos，输出为一致度结果结构体ConsisOperatorResult；
S201，一致度计算算子第一暂存变量TS1=QTable[ConsisPos]；
S202,建立空间邻近列表ConsisNeighbor=空列表；
S203，一致度计算算子计数器ConsisHCounter=1；
S204，一致度计算算子第二暂存变量TS2=QTable[ConsisHCounter]；
S205，建立空间邻近结构体ConsisStruct，该结构体的字段如下：
ConsisDis：邻近结构体对应的距离；
ConsisQF: 邻近结构体对应的欠费情况；
S206，计算ConsisStruct.ConsisDis的值，其公式为：
Figure DEST_PATH_IMAGE002A
S207，ConsisStruct.ConsisQF=History[ConsisHCounter].HQF，将ConsisStruct加入到ConsisNeighbor中；
S208,ConsisHCounter=ConsisHCounter+1,如果ConsisHCounter大于QNum则转到S209，否则转到S204；
S209，基于ConsisDis的值对ConsisNeighbor的列表内容进行从小到大排序；
S210，一致度暂存计数器ConsisTCounter=1,一致度求和值 Sum=0,
欠费计数器QFCounter=0,
一致度暂存距离变量ConsisTempD1=ConsisNeighbor[TS1.QDis].ConsisDis；
S211, 计算一致度欠费暂存变量ConsisTQF，其计算公式为：
ConsisTQF=
Figure DEST_PATH_IMAGE004A
S212, 对于Sum，通过计算如下公式计算：
Figure DEST_PATH_IMAGE006A
S213，如果ConsisNeighbor[ConsisTCounter].ConsisQF等于1则QFCounter=QFCounter+1
S214, ConsisTCounter=ConsisTCounter+1, 如果ConsisTCounter大于TS1.QDis则转到S215,否则转到S211；
S215，建立一致性结果结构体ConsisOperatorResult，该结构体包含以下字段：
ConsistResult：一致性结果结构体所描述的一致性；
ConsistResultDis: 一致性结果结构体所描述距离；
ConsisQF:欠费比例；
S216，设定ConsisOperatorResult的各个字段的值，
ConsisOperatorResult.ConsistResult=1-Sum/TS1.QDis；
ConsisOperatorResult.ConsistResultDis=ConsisTempD1；
ConsisOperatorResult.ConsisQF=QFCounter/TS1.QDis；
S217, 输出ConsisOperatorResult作为算子的结果；
S3，建立区域一致性膨胀算子ExpandOperator，该算子的输入为一致性膨胀算子处理条目变量ExpandPos,该算子的计算结果写入到QTable的第ExpandPos个条目之中；
S301, 建立区域一致性膨胀算子ExpandOperator，该算子的输入为ExpandPos；
S302,一致度计算算子的结果结构体变量EConsisStruct=使用ConsisOperator进行计算输入ConsisPos=ExpandPos获得结果ConsisOperatorResult并返回该结果；
S303，如果EConsisStruct.ConsistResult>QTable[ExpandPos].QCundu则转到S304，否则转到S308；
S304，QTable[ExpandPos].QCundu=EConsisStruct.ConsistResult；
S305，QTable[ExpandPos].QJL =EConsisStruct. ConsistResultDis；
S306，QTable[ExpandPos].QPr=EConsisStruct.ConsisQF；
S307，QTable[ExpandPos]. QDis= QTable[ExpandPos]. QDis+LDis；
S308，如果QTable[ExpandPos].QDis大于HDis则转到S309，否则转到S302；
S309,该算子计算过程结束；
S4，利用ExpandOperator对QTable的所有条目进行计算：
S401, 条目计数器 ECounter=1；
S402, 利用ExpandOperator进行计算，算子输入ExpandPos=ECounter；
S403，ECounter=ECounter+1，如果ECounter大于QNum则转到S404，否则转到S402
S404，计算过程结束；
S5，输入一个用户的地理位置经度ZX和纬度ZY，利用QTable计算其电费清欠风险；
S501，风险发现计数器变量DCounter=1，风险求和变量 PSum=0，风险计数器变量PCounter=0；
S502，QDTemp=QTable[DCounter]；
S503, 计算风险发现距离变量QD,其计算公式为：
Figure DEST_PATH_IMAGE008A
S504，如果QD>=QDTemp.QJL则转到506，否则转到S505；
S505，PSum=PSum+QDTemp.QPr, PCounter=PCounter+1；
S506, DCounter=DCounter+1, 如果DCounter大于QNum则转到S507，否则转到S502；
S507，PSum=PSum/PCounter；
S508, 如果PSum>0.15则输出发现该用户存在电费清欠风险，否则输出该用户不存在电费清欠风险；
S509，计算过程结束。
实施例2
以某XXXX公司电网用户的电费清欠为例：
S1, 输入包含地理位置的电网用户欠费情况列表History，该表的内容如下：
HID HX HY HQF
71001 126.351 43.882 1
81022 126.317 43.882 0
44020 126.376 43.871 0
35221 126.354 43.862 1
45214 126.343 43.833 1
　… 　
输入初始计算范围LDis=10和最大计算范围HDis=200;
获取History中的用户数量QNum=5021，
建立用户清欠区域表QTable，该表的内容如下：
QID QHX QHY Qdis QJL QPr QCundu
71001 126.351 43.882 10 0 0 0
81022 126.317 43.882 10 0 0 0
44020 126.376 43.871 10 0 0 0
35221 126.354 43.862 10 0 0 0
45214 126.343 43.833 10 0 0 0
　… 　
S2，建立区域一致度计算算子ConsisOperator，该算子输入为一致度整型数变量ConsisPos，输出为一致度结果结构体ConsisOperatorResult
S3，建立区域一致性膨胀算子ExpandOperator，该算子的输入为一致性膨胀算子处理条目变量ExpandPos, 该算子的计算结果写入到QTable的第ExpandPos个条目之中
S4，利用ExpandOperator对QTable的所有条目进行计算
在该步骤计算之后QTable的内容变为如下结果：
QID QHX QHY Qdis QJL QPr QCundu
71001 126.351 43.882 100 0.14 0.06 1.352
81022 126.317 43.882 170 0.17 0.04 1.245
44020 126.376 43.871 130 0.17 0.04 1.670
35221 126.354 43.862 120 0.16 0.17 2.112
45214 126.343 43.833 130 0.13 0.04 2.332
　… 　
S5，输入一个用户的地理位置经度ZX和纬度ZY，利用QTable计算其电费清欠风险
输入用户经度ZX=126.352和纬度ZY=43.871, 获得PSum=0.17, 输出该用户存在电费清欠风险。
输入用户经度ZX=126.362和纬度ZY=43.880, 获得PSum=0.04, 输出该用户不存在电费清欠风险。
实施例3
为了测试和对比方法的有效性，引入某地区的2000个电网用户作为测试数据，本发明专利与传统的决策树、神经网方法进行对比，本发明专利引入电网用户的欠费、位置数据；决策树、神经网方法引入电网用户管理系统中所有可能开放和收集到的数据作为数据分析属性信息。对比结果如下：
方法 预测存在风险用户数 漏判风险但出现费用清欠情况的用户数
本发明专利的方法 　201 　13
决策树 　1302 　240
神经网 　2520 　179
可以看到本发明专利预测存在风险的用户数量较少，但是漏判的数量也较少，说明利用本发明专利可以进行更加有效的用户电费清欠风险预测，对于电网的管理具有重要的实用价值。

Claims (1)

1.一种基于区域地理位置信息的用户电费清欠风险发现方法，包括以下步骤：
S1, 输入包含地理位置的电网用户欠费情况列表History，输入初始计算范围LDis和最大计算范围HDis;获取History中的用户数量QNum，建立用户清欠区域表QTable；
S101，输入包含地理位置的电网用户欠费情况列表History，该列表每一个表项为一个结构体，结构体包含字段如下：
HID：用户编号；
HX：用户所在地理位置的经度坐标；
HY：用户所在地理位置的纬度坐标；
HQF：该用户是否欠费0表示不欠费，1表示欠费；
S102，输入初始计算范围LDis，LDis为一个整型数其默认值为10；输入最大计算范围HDis，HDis为一个整型数其默认值为200；
S103，用户数量QNum=History中的表项个数；
S104，初始化用户清欠区域表QTable=空表；
S105，初始化表计数器 HCounter=1；
S106，建立区域结构体QTableStruct， QTableStruct的字段内容如下：
QID：区域结构体对应用户编号；
QHX：区域结构体对应用户所在地理位置的经度坐标；
QHY：区域结构体对应用户所在地理位置的纬度坐标；
QDis：区域结构体对应用户参与计算的范围值；
QJL：区域结构体对应用户参与计算的距离；
QPr：区域结构体对应用户在一定邻域范围内欠费百分比；
QCundu：区域结构体对应用户在一定邻域范围内的纯度；
S107，设定QTableStruct内部字段的值，
QTableStruct.QID=History[HCounter]. HID，
QTableStruct.QHX=History[HCounter].HX,
QTableStruct.QHY=History[HCounter].HY,
QTableStruct.QDis=LDis,
QTableStruct.QJL=0,
QTableStruct.QPr=0，
QTableStruct.QCundu=0；
S108，将QTableStruct加入到QTable中；
S109, HCounter=HCounter+1, 如果HCounter大于QNum则转到S110，否则转到S106
S110，该过程结束；
S2，建立区域一致度计算算子ConsisOperator，该算子输入为一致度整型数变量ConsisPos，输出为一致度结果结构体ConsisOperatorResult；
S201，一致度计算算子第一暂存变量TS1=QTable[ConsisPos]；
S202,建立空间邻近列表ConsisNeighbor=空列表；
S203，一致度计算算子计数器ConsisHCounter=1；
S204，一致度计算算子第二暂存变量TS2=QTable[ConsisHCounter]；
S205，建立空间邻近结构体ConsisStruct，该结构体的字段如下：
ConsisDis：邻近结构体对应的距离；
ConsisQF: 邻近结构体对应的欠费情况；
S206，计算ConsisStruct.ConsisDis的值，其公式为：
Figure 759060DEST_PATH_IMAGE002
S207，ConsisStruct.ConsisQF=History[ConsisHCounter].HQF，将ConsisStruct加入到ConsisNeighbor中；
S208,ConsisHCounter=ConsisHCounter+1,如果ConsisHCounter大于QNum则转到S209，否则转到S204；
S209，基于ConsisDis的值对ConsisNeighbor的列表内容进行从小到大排序；
S210，一致度暂存计数器ConsisTCounter=1,一致度求和值 Sum=0,
欠费计数器QFCounter=0,
一致度暂存距离变量ConsisTempD1=ConsisNeighbor[TS1.QDis].ConsisDis；
S211, 计算一致度欠费暂存变量ConsisTQF，其计算公式为：
ConsisTQF=
Figure 833458DEST_PATH_IMAGE004
S212, 对于Sum，通过计算如下公式计算：
Figure 770452DEST_PATH_IMAGE006
S213，如果ConsisNeighbor[ConsisTCounter].ConsisQF等于1则QFCounter=QFCounter+1
S214, ConsisTCounter=ConsisTCounter+1, 如果ConsisTCounter大于TS1.QDis则转到S215,否则转到S211；
S215，建立一致性结果结构体ConsisOperatorResult，该结构体包含以下字段：
ConsistResult：一致性结果结构体所描述的一致性；
ConsistResultDis: 一致性结果结构体所描述距离；
ConsisQF:欠费比例；
S216，设定ConsisOperatorResult的各个字段的值，
ConsisOperatorResult.ConsistResult=1-Sum/TS1.QDis；
ConsisOperatorResult.ConsistResultDis=ConsisTempD1；
ConsisOperatorResult.ConsisQF=QFCounter/TS1.QDis；
S217, 输出ConsisOperatorResult作为算子的结果；
S3，建立区域一致性膨胀算子ExpandOperator，该算子的输入为一致性膨胀算子处理条目变量ExpandPos,该算子的计算结果写入到QTable的第ExpandPos个条目之中；
S301, 建立区域一致性膨胀算子ExpandOperator，该算子的输入为ExpandPos；
S302,一致度计算算子的结果结构体变量EConsisStruct=使用ConsisOperator进行计算输入ConsisPos=ExpandPos获得结果ConsisOperatorResult并返回该结果；
S303，如果EConsisStruct.ConsistResult>QTable[ExpandPos].QCundu则转到S304，否则转到S308；
S304，QTable[ExpandPos].QCundu=EConsisStruct.ConsistResult；
S305，QTable[ExpandPos].QJL =EConsisStruct. ConsistResultDis；
S306，QTable[ExpandPos].QPr=EConsisStruct.ConsisQF；
S307，QTable[ExpandPos]. QDis= QTable[ExpandPos]. QDis+LDis；
S308，如果QTable[ExpandPos].QDis大于HDis则转到S309，否则转到S302；
S309,该算子计算过程结束；
S4，利用ExpandOperator对QTable的所有条目进行计算：
S401, 条目计数器 ECounter=1；
S402, 利用ExpandOperator进行计算，算子输入ExpandPos=ECounter；
S403，ECounter=ECounter+1，如果ECounter大于QNum则转到S404，否则转到S402
S404，计算过程结束；
S5，输入一个用户的地理位置经度ZX和纬度ZY，利用QTable计算其电费清欠风险；
S501，风险发现计数器变量DCounter=1，风险求和变量 PSum=0，风险计数器变量PCounter=0；
S502，QDTemp=QTable[DCounter]；
S503, 计算风险发现距离变量QD,其计算公式为：
Figure 821453DEST_PATH_IMAGE008
S504，如果QD>=QDTemp.QJL则转到506，否则转到S505；
S505，PSum=PSum+QDTemp.QPr, PCounter=PCounter+1；
S506, DCounter=DCounter+1, 如果DCounter大于QNum则转到S507，否则转到S502；
S507，PSum=PSum/PCounter；
S508, 如果PSum>0.15则输出发现该用户存在电费清欠风险，否则输出该用户不存在电费清欠风险；
S509，计算过程结束。
CN202010329533.XA 2020-04-24 2020-04-24 一种基于区域地理位置信息的用户电费清欠风险发现方法 Active CN111461574B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010329533.XA CN111461574B (zh) 2020-04-24 2020-04-24 一种基于区域地理位置信息的用户电费清欠风险发现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010329533.XA CN111461574B (zh) 2020-04-24 2020-04-24 一种基于区域地理位置信息的用户电费清欠风险发现方法

Publications (2)

Publication Number Publication Date
CN111461574A CN111461574A (zh) 2020-07-28
CN111461574B true CN111461574B (zh) 2022-03-29

Family

ID=71683799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010329533.XA Active CN111461574B (zh) 2020-04-24 2020-04-24 一种基于区域地理位置信息的用户电费清欠风险发现方法

Country Status (1)

Country Link
CN (1) CN111461574B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106208042A (zh) * 2016-07-18 2016-12-07 国网河南省电力公司电力科学研究院 基于营配调融合的配电网停电信息共享方法
CN106251049A (zh) * 2016-07-25 2016-12-21 国网浙江省电力公司宁波供电公司 一种大数据的电费风险模型构建方法
CN107122911A (zh) * 2017-04-28 2017-09-01 国网山东省电力公司泰安供电公司 降低抄表风险的方法和装置
CN109034914A (zh) * 2018-08-30 2018-12-18 海南电网有限责任公司信息通信分公司 一种电力系统费用预警阈值计算系统及计算方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160065128A1 (en) * 2014-08-28 2016-03-03 OneRoof Energy, Inc. Iterative method of solar electrical system optimization

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106208042A (zh) * 2016-07-18 2016-12-07 国网河南省电力公司电力科学研究院 基于营配调融合的配电网停电信息共享方法
CN106251049A (zh) * 2016-07-25 2016-12-21 国网浙江省电力公司宁波供电公司 一种大数据的电费风险模型构建方法
CN107122911A (zh) * 2017-04-28 2017-09-01 国网山东省电力公司泰安供电公司 降低抄表风险的方法和装置
CN109034914A (zh) * 2018-08-30 2018-12-18 海南电网有限责任公司信息通信分公司 一种电力系统费用预警阈值计算系统及计算方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
"Electricity Price Prediction for Geographically Distributed Data Centers in Multi-Region Electricity Markets";Moh Moh Than.etc;《2018 3rd International Conference on Computer and Communication Systems (ICCCS)》;20180913;全文 *
"一种基于大数据挖掘的电费回收风险预测技术研究 ";钱正浩等;《电子世界》;20171008;第149-150页 *
"基于GIS的电力CRM系统研究";李一鸣;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20050815;C042-184 *
"基于标签库系统的电力企业客户画像构建与信用评估及电费风险防控应用";裘华东等;《电信科学》;20170620;第206-213页 *
"数据挖掘在电信CRM中的应用";赵越;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20111015;I138-390 *

Also Published As

Publication number Publication date
CN111461574A (zh) 2020-07-28

Similar Documents

Publication Publication Date Title
Xiao et al. Exploring the coupling coordination and key factors between urbanization and land use efficiency in ecologically sensitive areas: A case study of the Loess Plateau, China
Huang et al. Do China’s economic development zones improve land use efficiency? The effects of selection, factor accumulation and agglomeration
Liu et al. Spatio-temporal patterns and driving forces of urban land expansion in China during the economic reform era
Daskalaki et al. Data mining for decision support on customer insolvency in telecommunications business
Zhang et al. Mining sequential patterns of PM2. 5 pollution between 338 cities in China
Deng et al. Net anthropogenic nitrogen and phosphorus inputs in the Yangtze River economic belt: spatiotemporal dynamics, attribution analysis, and diversity management
Sun et al. Direct foreign investment and inter‐regional economic disparity in China
Zhao et al. The compactness of spatial structure in Chinese cities: Measurement, clustering patterns and influencing factors
CN111090780B (zh) 可疑交易信息的确定方法及装置、存储介质、电子设备
CN110119556B (zh) 一种区域水源涵养功能的时空演变分析方法
CN111461574B (zh) 一种基于区域地理位置信息的用户电费清欠风险发现方法
Xie et al. Evaluation and spatial–temporal difference analysis of urban water resource utilization efficiency based on two-stage DEA model
Wen et al. Privacy preserving trajectory data publishing with personalized differential privacy
Hu et al. Objective diagnosis of machine learning method applicability to land comprehensive carrying capacity evaluation: A case study based on integrated RF and DPSIR models
Ding et al. MO-Tree: an efficient forwarding engine for spatiotemporal-aware pub/sub systems
Fang et al. Mining co-location patterns with dominant features
Jiang et al. Migrant workers’ residential choices and China’s urbanization path: Evidence from Northeastern China
Alipour et al. An efficient optimization framework for distribution network planning by simultaneous allocation of photovoltaic distributed generations and transformers
Nicolson et al. Specimens as research objects: reconciliation across distributed repositories to enable metadata propagation
CN118228069A (zh) 用电负荷预测方法、装置、设备、介质和程序产品
Li et al. Consolidation potential of rural residential areas based on the village classification
CN117114284A (zh) 充电桩建设数量确定方法、装置、设备、介质和产品
Arhipova et al. Pattern identification by factor analysis for regions with similar economic activity based on mobile communication data
Tang et al. A data desensitization algorithm for privacy protection electric power industry
Chernyshenko et al. University Digital Document Management and Optimal Strategy of Education Data Warehouses’ Placement

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant