试析大数据挖掘对电费回收风险预测优化

袁霄

摘 要 供电企业通过电费回收获取经济效益，电费回收率成为供电企业考核工作的一项主要经济指标。基于此，本文从影响电费回收风险预测的因素入手，对企业电费回收风险管理现状展开分析，并对大数据挖掘电费回收风险预测优化方案进行探索，试图为今后的电费回收工作提供一些借鉴意义。

关键词 大数据挖掘;电费回收;风险预测优化

引言

供电企业的不断发展促进了我国经济的快速增长，近年来，我国电力用户不断增长的同时电费拖欠情况也越发严重，供电企业的效益因此受到了很大的影响，因此采取有效的措施对电费回收风险进行有效预测显得十分重要。通过对用户缴费情况进行分析，并针对性地对其中的重点问题进行解决，提高电费回收率。

1影响电费回收风险预测的因素分析

电费回收风险预测工作涉及的范围较广，所包含的内容也较多，企业在开展此项工作前，事先需要对多种数据进行分析处理，并充分保证企业内部管理工作的平稳运行，一旦企业的内部管理工作出现任何疏忽，都将会对电费回收工作造成不良影响，降低电力企业的经济效益。企业内部的信息系统根据用户类型将客户进行分类处理，并对客户的信息做好相应的记录工作。用户的类型较多，包括个人用户、企业用户、政府用户等，这些用户的类型对数据挖掘都有一定的影响。通常企业用户比较容易出现拖欠电费的情况。个人用户的基数较大，所以一旦个人用户出现拖欠电费的情况，将不会对电费回收工作造成很大的影响。由于政府一类的机关部门责任体系较强，所以此类部门对于电费回收工作的影响便微乎其微，即使出现拖欠电费的情况，也不会对电费回收产生不可逆转的影响。

2企业电费回收风险管理现状分析

国家政策的改变和电费收费制度的调整，使供电企业在电费回收风险管理工作中的工作效率逐渐降低，国家经济情况的变化增加了电费回收风险预测工作的难度。对于政府单位来说，可以从节能减排方面入手，对高危企业实施关停处理，通过颁布相关政策对高耗能企业进行限制，为经济效益做保障。公司可以建设电费回收率的考核制度，并对电费回收风险进行精准预判，通过这些手段来保障电费的回收率。社会用电作为一种最普遍的用电途径，“先用电、后付费”的观念已经深入人心，而供电企业因此面临着一定的信用风险，部分电力客户素质存在一定的问题且缺乏相关的法律意识，时常出现个人用户恶意拖欠电费，拒绝缴费的情况，这使供电企业的利益受到直接的损害。虽然目前的互联网科学技术正在高速的发展和普及，支付渠道也十分丰富，但大多数的支付方式都存在效率较低的弊端，对客户群体的支付特点分析的不到位，因此有必要将大数据挖掘技术应用到电费回收工作中，切实的对电费回收模式进行优化，进而降低电费回收的风险指数。

3大数据挖掘电费回收风险预测优化方案

3.1 基于大数据挖掘电费回收模型构建

供电企业开展电费回收风险预测工作时，用户数据的质量决定了挖掘分析的效果，高质量的用户数据是挖掘分析环节顺利实施的基础。数据管控能力的作用非常大，它将直接对数据分析结果的实时性和准确度造成影响，若数据管控力度强，那么挖掘分析出的数据也将真实准确，对电费回收风险预测工作起到一定的促进作用。在进行用户数据挖掘分析时，首先要从业务和数据两个方面进行综合考量，通过对用户的缴费时间、缴费频率和用户个人业务的变更情况等多方面进行分析。其次，对采集到的基础数据进行整理，将用户缴费方式和频率作为重点研究项目，找寻出二者之间的联系。最后，将用户缴费行为作为参照对象，对相关数据进行统计处理，利用回归分析、神经网络等统计计算法，评估电力当前用户的缴费情况。由于客户群体运用不同的缴费模式完成电费缴纳行为，因此这些数据的分析结果有利于电费回收风险预测工作的顺利实施。

3.2 数据存储以及数据预处理

数据存储是应用程序中一种常见的数据处理技术，该技术凭借自身的优势特點，获得了多种行业的青睐。数据预处理技术可以对不同类型的数据实时存储处理，为用户提供数据存储和外接服务。供电企业在存储用电用户的基础信息时，通常是将信息数据存储在云端，为后续的信息检索和信息传输工作的顺利实施奠定基础。数据预处理技术通过对采集到的信息数据进行清洗、填补、合并等多个程序的处理，将复杂凌乱的数据排列成便于处理的结构，方便后期开展数据分析工作[1]。数据预处理包含的内容较多，运用此模式进行数据处理工作，为数据的存储工作提供便捷。

3.3 高风险用户电费回收“一户一策”解决措施

由于电费回收工作中经常遇到拖欠电费的情况，因此供电企业通过数据分析的方式标记出风险较大的用电用户，并针对此类用户量身定制出一套电费风险对策，用来保障电力企业电费回收工作的顺利实施。电力企业根据用户的风险程度划分成不同的风险等级，对于高风险用户，电力企业会对其进行专门分析。大数据挖掘技术可以对用电用户的基础数据进行分析，从用户信息、缴费情况、缴费时间等多个方面进行分析和评审。对于电费信用较差的用户，电力企业采取惩戒性收费的方式进行处理。针对不同等级的用电用户，做出相应的电费控制策略，并运用大数据挖掘技术开展电费回收风险的预测，有效降低电费回收风险的同时，提升企业的经济效益[2]。

4结束语

综上所述，在信息化科学技术的不断发展的背景下，大数据被应用在电费回收工作中，充分发挥大数据挖掘技术的优势，从多个层面对用电用户展开分析，提高电费回收风险预测的准确性和实效性，优化传统模式中存在的不足，提高电费回收工作的工作效率，切实的为供电企业的发展做出保障。

参考文献

[1] 赵阳.A公司零电量用户行为大数据分析及用户信用建设研究[D].北京：华北电力大学（北京），2019.

[2] 赵永良，吴尚远.基于数据挖掘的高压用户电费回收风险预测[J].电力信息与通信技术，2015，13（9）：57-61.