梁沃涛
（广东电网江门供电局）
摘要：电费回收工作的好与坏，将会直接影响到电力企业的经营状况[1]。为了约束电力客户的用电行为，保证电费的及时收缴，事先正确地识别客户的信用状况，是最为主要的内容。考虑到电力企业信用管理以及电力企业对客户信息的掌握情况 [2]的要求，本文设计了套符合实质管理需要的，可以反映电力客户实质信用水平的指标体系，并且在此指标体系的基础上利用自适应神经模糊推理系统（ANFIS）建立信用评级模型。这模型经测试样本检验证明是准确可靠的，适合用在实质配电管理中对电力客户信用类别的判别，然而为电力企业预知信用风险，并且采用不一样的信用管理对策，提供了有力的参考依据。
关键词：电力客户信用；电费回收；ANFIS；信用等级；判别模型
Abstract：Whether the electricity fare is retracted in time or not can affect the management status of electricity corporations.In order to supervise the clients’ consumption behavior and paying in time，one of key missions is how to classify the credit conditions of clients.Based on the data of MIS and objection of credit management，a special credit index system is designed.With the ANFIS，a model of discriminant analysis is established and tested，which has high precision.The model could be used to classify the clients according to its credit scoring，and the result could be regards as reference for making different credit management policies in the process of sales to decrease the potential risk resulted by those bad-credit clients.
Keywords：credit of electric clients；electricity fare retraction；ANFIS；credit rank；discriminant model
1.引言
信用对市场经济具备着有极为重要的意义，能够说它是市场经济的灵魂和基础 [3]。为此，对于任何一个企业来说，良好的信用管理体制是非常有必要的，其不仅仅意味着可以给公司带来预期的收入，且意味着可以抢占到更大的市场份额。
在我国，电力企业长期以来执行“先用电，后交费”的电费收缴模式。伴着电力市场的深入改革，该传统的销售电方式遇到了前所未有的挑战。在目前市场经济条件下，市场风险变化快，电力客户主体复杂性增加，然而造成用户长期拖欠电费的情况普遍出现。若该状况任由其继续发展下去，一定会影响电力企业的经济效益，乃至企业的正常运转。为此把信用管理体制引到电力企业管理中，是种积极的、预见性的措施。因为电力企业收缴电费过程中存有着一定程度的风险，即信用风险。为了能够约束用电客户缴费行为，减少信用风险的发生，防止电力企业遭受经济损失，预先准确地识别电力客户的信用情况是特别重要的[4-7]。
对电力客户的信用情况做出正确的判别，主要在评估模型的选择和信用指标体系的确立[8]以及收集到相应指标体系下的样本数据。我们通过对已把握的数据研究和分析，并且创建模型，能够对今后新加入的电力客户信用数据评判，对其信用进行评价分级。然而以此为根据，对不一样信用等级的用户采用相对应的信用管理政策，规避电力企业的信用风险。
本文以华北地区某电力公司为研究对象，从电力企业信用管理的实质情况出发，创建了一套实用的信用指标体系，并且简述了数据的收集渠道。在此信用指标体系的基础上，采取自适应神经模糊推理系统理论（ANFIS），创建了电力客户信用类别的判别模型。然而为电力企业预知信用风险，并且采用相应的信用管理对策，提供了有力的参考根据。
2.影响电力客户信用的具体因素及相应的指标体系建立
精确地确定未来电力客户的信用类别，是建立在以什么标准作为区分电力客户信用水平差异的基础之上的，即信用指标体系问题。
不同于专业的银行和信用管理公司等金融机构，电力企业极难像银行的资信评价机构或专业信用管理公司那样，获取电力客户的财务数据，此外电力公司的信用管理部门，信息资源和其人力与专业公司相比，存有着极大的差距，这些都需加以特别地考虑。
基于上述因素，在构建电力公司的客户信用管理指标体系时，就务必考虑到企业信用管理人员资源、信用数据的来源等这些具体情况。以实用为原则，便于实质的操作，从电力客户以下几个方面作为考察其信用度的指标：品格、能力、资本、担保或抵押、环境条件[3]。
表2-1为华北电网有限公司的电力客户信用管理指标：
4.结论
信用评级研究兴起的时间并不是很长，能够说是一新的研究领域，许多分析方法尚在探讨当中。针对电力客户的信用评级则是个全新的领域，在我国其是伴着电力市场改革的不断深化而出现的，并且对电力企业的影响愈来愈大。正基于此，我们才有必要对它进行深入的研究。归纳本文所做的工作，主要体现在以下几个方面：
（1）探讨了电力企业开展信用管理，在电力市场条件下的意义与迫切性，同时深入分析了开展此项工作，实质的电力系统存在的特殊问题。
（2）设计了一套适合电力企业信用管理需要的信用指标体系，并且分析该指标体系下数据的方法与获取途径。
（3）创建了新的电力客户信用分析模型——自适应神经模糊推理系统（ANFIS）模型，运用这一模型判别分析电力客户的信用等级，可克服很多不确定因素的干扰，具有较高的精度，为电力企业进行客户信用管理决策提供了科学可靠的依据。
需要指出的是，因为电力客户的信用状况并不是一成不变的，为此，在实质系统运行的时候，对于判别分析模型，应该注意实时更新数据，滚动训练模型，使之准确地跟踪实质情况的变化。
参考文献：
[1]罗书葵．电费回收困难的成因与对策[J]．华北电业，1998，14（7）：18-20.
Luo Shukui.Countermeasure to the reclaiming of electricity charge[J].Electricity industry in North of China，1998，14（7）：18-20（in Chinese）.
[2]袁闽杰．信用管理及其在电力企业中的应用[J]．电力技术经济，2004，5：45-46.
[3]张美灵，欧志伟．信用评估理论与实务[M].上海：复旦大学出版社，2004.
[4]Zhou Hui，Niu Wenjie，Wang Yi，et al.Discriminate analysis of clients’ credit management in electricity market[C].IEEE/PES T & D Conference & Exhibition，Dalian，China，2005.
[5]Zhou Hui，Niu Wenjie，Yang Shaobing.Study on clients’ credit risk in power delivery under electricity market[C].Proceedings of the fifth international conference of power transmission & distribution technology，Beijing，China，2005.
[6]方兆本，杨培洁，彭甘霖，等．电力客户信用风险实证研究[J]．电力系统自动化，2005，29（1）：61-64.
Fang Zhaoben，Yang Peijie，Peng Ganlin，et al.Empirical research on credit risk management for electric power clients[J].Automation of Electric Power Systems，2005，29（1）：61-64（in Chinese）.
[7]周晖，王毅，钮文洁，等．电力客户信用综合评价的研究[J]．电力自动化设备，2005，25（12）：15-18.
Zhou Hui，Wang Yi，Niu Wenjie，et al.Study of synthetic credit evaluation of power clients[J].Electric Power Automation Equipment，2005，25（12）：15-18（in Chinese）.
[8]杨淑霞，吕世森，乔艳芬．用电客户信用的主客观评价及分析[J]．中国电力，2005，6：1-4.
Yang Shuxia，lv shies，Qiao yanfen.Subjective and objective credit evaluation on electricity customers and its analysis[J].Electric Power，2005，6：1-4.
[9]杨帆，吴耀武，雄信银，等．用自适应模糊推理系统预测电力短期负荷[J]．高电压技术，2007，4：129-133.
Yang Fan，Wu Yaowu，Xiong Xinyin，et al.Short-term Load Forecasting in Power System Based on Adaptive Network-based Fuzzy Inference System[J].High Voltage Engineering，2007，4：129-133.
[10]罗可、郭恒、唐贤瑛.基于自适应神经模糊推理系统（ANFIS）的电力系统短期负荷预测[J]．水科学与工程技术，2005，6：56-58.
Luo Ke，Guo Heng，Tang Xianying.Short-term Load Forecasting in Power System Based on Adaptive Neuro-Fuzzy Inference System[J].Water Sciences and Engineering Technology，2005，6：56-58.
[11]楼顺天，胡昌华，张 伟．基于MATLAB的系统分析与设计——模糊系统[M]．西安：西安电子科技大学出版社，2001.
论文作者:梁沃涛
论文发表刊物:《电力设备》2015年5期供稿
论文发表时间:2015/12/21
标签：电力论文; 信用论文; 客户论文; 电力企业论文; 指标体系论文; 信用管理论文; 模型论文; 《电力设备》2015年5期供稿论文;