王宇哲，雷 霞，陳曉盛，黃貴鴻，徐貴陽(yáng)

（西華大學(xué) 電氣與電子信息學(xué)院，成都 610039）

隨著電力市場(chǎng)的發(fā)展，電力供需形勢(shì)得到了緩解。電力供應(yīng)具有公益服務(wù)的特點(diǎn)，供電企業(yè)提供優(yōu)質(zhì)服務(wù)差異化服務(wù)提上了議事日程。2011年國(guó)家電網(wǎng)公司提出對(duì)電力客戶實(shí)現(xiàn)差異化服務(wù)，旨在優(yōu)化電力客戶服務(wù)流程，健全內(nèi)部協(xié)同機(jī)制，建立以滿足客戶多樣化電力需求為基礎(chǔ)的服務(wù)理念，使客戶可以持續(xù)享有高效、優(yōu)質(zhì)、特色的電力服務(wù)。目前，我國(guó)供電企業(yè)在電費(fèi)回收預(yù)警、信用等級(jí)管理方面風(fēng)險(xiǎn)意識(shí)較為淡薄，電費(fèi)回收風(fēng)險(xiǎn)預(yù)警體系建設(shè)不全，缺少科學(xué)性、系統(tǒng)性和全面性；信用評(píng)級(jí)管理無統(tǒng)一標(biāo)準(zhǔn)，供電企業(yè)頻頻面臨惡意拖欠電費(fèi)、違規(guī)用電或者因?yàn)榻?jīng)營(yíng)不善導(dǎo)致無力支付電費(fèi)的風(fēng)險(xiǎn)，這無疑給供電企業(yè)的運(yùn)營(yíng)帶來巨大電費(fèi)回收風(fēng)險(xiǎn)和損失。2015年起，我國(guó)在深圳進(jìn)行電力改革試點(diǎn)，旨在打破輸配電壟斷，引入競(jìng)爭(zhēng)。屆時(shí)，競(jìng)爭(zhēng)將更加激烈，供電企業(yè)亟需一套系統(tǒng)能夠掌握電力客戶信用情況，為電力客戶提供優(yōu)質(zhì)、高效的服務(wù)。

現(xiàn)有的文獻(xiàn)主要是研究了電力客戶的信用等級(jí)評(píng)價(jià)指標(biāo)的選取，通過主成分分析法篩選出主要的評(píng)價(jià)指標(biāo)，再通過層析分析法確定各個(gè)指標(biāo)的權(quán)重，從而確定企業(yè)的信用等級(jí)。文獻(xiàn)[1]主要考慮了企業(yè)信用和經(jīng)營(yíng)能力2個(gè)方面的指標(biāo)，通過Fuzzy AHP對(duì)信用等級(jí)進(jìn)行評(píng)價(jià)。文獻(xiàn)[2]參照電費(fèi)管理人員的經(jīng)驗(yàn)，對(duì)客戶的繳費(fèi)狀況、償還電費(fèi)能力、資金變現(xiàn)能力、擔(dān)保水平及經(jīng)營(yíng)環(huán)境等5個(gè)指標(biāo)評(píng)分，并計(jì)算其相關(guān)系數(shù)，然后應(yīng)用主成分分析方法進(jìn)行處理，計(jì)算2個(gè)主成分的得分并排序，建立綜合函數(shù)作為最終的綜合評(píng)判標(biāo)準(zhǔn)，確定其信用等級(jí)。文獻(xiàn)[3]提出利用模糊綜合評(píng)判的方法對(duì)電力客戶進(jìn)行信用評(píng)價(jià)，從而確定客戶所屬的信用等級(jí)。文獻(xiàn)[4]按照倒U性指標(biāo)、線性指標(biāo)和定性指標(biāo)的不同特性，結(jié)合評(píng)分函數(shù)以及指標(biāo)權(quán)重，共設(shè)立了18項(xiàng)信用等級(jí)評(píng)價(jià)指標(biāo)。文獻(xiàn)[5]充分結(jié)合“5C”要素，選取了3個(gè)一級(jí)指標(biāo)，7個(gè)二級(jí)指標(biāo)，21個(gè)三級(jí)指標(biāo)，建立了基于區(qū)間數(shù)和熵權(quán)法的信用評(píng)價(jià)模型。

基于以上研究背景，本文信用等級(jí)評(píng)價(jià)指標(biāo)的選取考慮了行業(yè)的發(fā)展?fàn)顩r、電力大客戶的信用指標(biāo)以及企業(yè)運(yùn)營(yíng)的財(cái)務(wù)指標(biāo)。采用層次分析法建模對(duì)部分企業(yè)進(jìn)行評(píng)價(jià)得到企業(yè)的信用等級(jí)，將其作為BP神經(jīng)訓(xùn)練的目標(biāo)值，通過訓(xùn)練一旦生成BP神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)能夠通過代入指標(biāo)對(duì)電力大客戶的信用等級(jí)進(jìn)行計(jì)算，使得信用評(píng)級(jí)簡(jiǎn)單化。該方法將作為電力大客戶風(fēng)險(xiǎn)預(yù)警管理系統(tǒng)的子模塊，為供電企業(yè)對(duì)電力大用戶的標(biāo)準(zhǔn)化、規(guī)范化風(fēng)險(xiǎn)管理提供統(tǒng)一標(biāo)準(zhǔn)，實(shí)現(xiàn)供電企業(yè)和電力客戶的協(xié)調(diào)發(fā)展。

1 信用等級(jí)評(píng)價(jià)指標(biāo)的選取

指標(biāo)體系的選取與確定是評(píng)價(jià)模型的基礎(chǔ)。指標(biāo)體系的選取的合理性、科學(xué)性直接關(guān)系到模型的可靠性、輸出的準(zhǔn)確性，因此指標(biāo)的選取一般要遵循以下規(guī)則：①指標(biāo)數(shù)據(jù)真實(shí)可靠，容易獲?。虎谠撝笜?biāo)能夠反應(yīng)出電力客戶的信用情況，以及電力客戶所處行業(yè)、環(huán)境的運(yùn)營(yíng)情況；③指標(biāo)應(yīng)該盡量精簡(jiǎn)，避免指標(biāo)復(fù)雜、重復(fù)給運(yùn)算帶來的不便[5]。本文中信用評(píng)級(jí)一年評(píng)價(jià)一次，為了對(duì)電力客戶提供差異化服務(wù)，供電企業(yè)應(yīng)該掌握客戶的運(yùn)營(yíng)情況以及行業(yè)動(dòng)態(tài)，供電公司可與電力大客戶簽署協(xié)議，供電企業(yè)為其提供更優(yōu)質(zhì)高效的服務(wù)，電力客戶配合其考核指標(biāo)數(shù)據(jù)的收集。

本文建立了能夠反映客戶所在行業(yè)的行業(yè)指標(biāo)、反映客戶歷史交費(fèi)情況的信用指標(biāo)和反映客戶運(yùn)營(yíng)情況的財(cái)務(wù)指標(biāo)。

1.1 行業(yè)信用指標(biāo)

行業(yè)信用指標(biāo)主要包括4個(gè)定量指標(biāo)和2個(gè)定性指標(biāo)。定量指標(biāo)包括產(chǎn)業(yè)的政策、企業(yè)的生命周期、是否為支柱產(chǎn)業(yè)、該企業(yè)所占的市場(chǎng)地位，通過專家打分確定其值，其評(píng)分度量表如表1所示。

表1 行業(yè)信用等級(jí)評(píng)分度量表

行業(yè)信用定量指標(biāo)包括行業(yè)欠費(fèi)率以及行業(yè)用電量下降戶數(shù)比率。其計(jì)算公式為

行業(yè)欠費(fèi)率X5=行業(yè)欠費(fèi)總戶數(shù)/行業(yè)總戶數(shù)

行業(yè)用電量下降戶數(shù)比率X6=行業(yè)用電量下降戶數(shù)/行業(yè)總戶數(shù)

1.2 企業(yè)信用指標(biāo)

企業(yè)信用指標(biāo)包括企業(yè)本期欠費(fèi)比重、企業(yè)用電量環(huán)比增長(zhǎng)率、企業(yè)拖欠電費(fèi)次數(shù)比率3個(gè)定量指標(biāo)，其數(shù)據(jù)均能夠從營(yíng)銷平臺(tái)中計(jì)算獲取。其計(jì)算公式為

企業(yè)本期欠費(fèi)比重X7=企業(yè)本年欠費(fèi)額/本年應(yīng)收電費(fèi)額的比重

企業(yè)用電量環(huán)比增長(zhǎng)率X8=（企業(yè)本期用電量-企業(yè)上期用電量）/企業(yè)本期用電量

企業(yè)拖欠電費(fèi)次數(shù)比率X9=企業(yè)本年拖欠電費(fèi)費(fèi)次數(shù)/應(yīng)交電費(fèi)次數(shù)

1.3 企業(yè)財(cái)務(wù)指標(biāo)

1.3.1 資產(chǎn)負(fù)債率

資產(chǎn)負(fù)債率是負(fù)債總額與資產(chǎn)總額比值，資產(chǎn)負(fù)債率反映在總資產(chǎn)中有多大比例是通過借債來籌資的[6]，也可以衡量企業(yè)在清算時(shí)保護(hù)債權(quán)人利益的程度。

資產(chǎn)負(fù)債率X10=總負(fù)債/總資產(chǎn)

1.3.2 流動(dòng)比率

流動(dòng)比率是流動(dòng)資產(chǎn)與流動(dòng)負(fù)債的比值，用來衡量企業(yè)流動(dòng)資產(chǎn)在短期債務(wù)到期以前，可以變?yōu)楝F(xiàn)金用于償還負(fù)債的能力[6]。

流動(dòng)比率X11=流動(dòng)資產(chǎn)合計(jì)/流動(dòng)負(fù)債合計(jì)

1.3.3 資產(chǎn)報(bào)酬率

資產(chǎn)報(bào)酬率是凈利潤(rùn)、利息費(fèi)用、所得稅總和與平均資產(chǎn)總和的比值[6]。

資產(chǎn)報(bào)酬率X12=（凈利潤(rùn)+利息費(fèi)用+所得稅）/平均資產(chǎn)總額

2 評(píng)價(jià)方法及過程

2.1 數(shù)據(jù)樣本預(yù)處理技術(shù)

由于各個(gè)指標(biāo)數(shù)據(jù)太大，指標(biāo)之間又存在不同的數(shù)量級(jí)，在BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)候，會(huì)導(dǎo)致網(wǎng)絡(luò)傳遞函數(shù)提前達(dá)到飽和值，而且大量級(jí)數(shù)據(jù)會(huì)對(duì)小量級(jí)數(shù)據(jù)提供的信息產(chǎn)生覆蓋，導(dǎo)致訓(xùn)練失敗。因此應(yīng)對(duì)樣本數(shù)據(jù)預(yù)處理，本文采用傳統(tǒng)較為簡(jiǎn)單的歸一化數(shù)據(jù)處理。

對(duì)于正向指標(biāo)有

對(duì)于負(fù)向指標(biāo)有

2.2 BP神經(jīng)網(wǎng)絡(luò)技術(shù)

BP神經(jīng)網(wǎng)絡(luò)作為目前最常用的人工神經(jīng)網(wǎng)絡(luò)方法，是一個(gè)高度復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng)，它是基于誤差反向傳播算法的多層前向神經(jīng)網(wǎng)絡(luò)，包含輸入層、隱含層和輸出層3個(gè)神經(jīng)元層次。輸入信號(hào)從輸入節(jié)點(diǎn)穿過各隱含層，然后傳到輸出節(jié)點(diǎn)，每一層節(jié)點(diǎn)的輸出只影響下一層節(jié)點(diǎn)的輸出，其最大特點(diǎn)是僅憑樣本數(shù)據(jù)就能實(shí)現(xiàn)由Rm空間（m為輸入層的節(jié)點(diǎn)數(shù)）到Rn空間（n為輸出層節(jié)點(diǎn)數(shù)）的高度非線性映射，且映射結(jié)果由足夠的訓(xùn)練樣本來保證。其結(jié)構(gòu)示意圖如圖1所示。

BP神經(jīng)網(wǎng)絡(luò)構(gòu)建時(shí)應(yīng)注意隱含節(jié)點(diǎn)數(shù)的選擇，BP網(wǎng)絡(luò)結(jié)構(gòu)選擇過大，訓(xùn)練中效率不高，可能出現(xiàn)過擬合現(xiàn)象，造成網(wǎng)絡(luò)性能低，容錯(cuò)性下降；若選擇過小，不能建立復(fù)雜映射關(guān)系，網(wǎng)絡(luò)預(yù)測(cè)誤差較大。本文采用公式（3）確定隱含層節(jié)點(diǎn)數(shù)

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

其中n1為隱含層單元數(shù)，n為輸入單元數(shù)，m為輸出單元數(shù)，a為[1，10]之間。通過該公式得到隱含層節(jié)點(diǎn)最大值和最小值。從小到大逐個(gè)驗(yàn)證，待訓(xùn)練結(jié)果收斂后比較確定n1。

2.3 信用評(píng)級(jí)劃分標(biāo)準(zhǔn)

為了為電力大客戶提供更加多樣化的服務(wù)，本文提出將信用評(píng)級(jí)的結(jié)果分為5個(gè)等級(jí)，其信用等級(jí)分類表如表2所示。

表2 信用等級(jí)分類

信用等級(jí)評(píng)價(jià)的目的是根據(jù)不同客戶的信用等級(jí)采取不同的獎(jiǎng)懲措施，以降低電力企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)，提高電力企業(yè)的經(jīng)營(yíng)水平[3]。針對(duì)不同信用等級(jí)的客戶可采取如下具體的獎(jiǎng)懲策略。

AAAAA級(jí)信用客戶，該類企業(yè)具有優(yōu)秀的信用記錄，財(cái)務(wù)結(jié)構(gòu)健全，對(duì)于市場(chǎng)有堅(jiān)強(qiáng)適應(yīng)力，欠電費(fèi)風(fēng)險(xiǎn)極小，可給予調(diào)度優(yōu)先政策、優(yōu)惠電量、允許先用電后付費(fèi)等優(yōu)惠政策。

AAAA級(jí)信用客戶，該類企業(yè)具有良好的信用記錄，市場(chǎng)變化對(duì)其雖有影響但影響不大。對(duì)于此類用戶，供電企業(yè)應(yīng)多對(duì)其引導(dǎo)發(fā)展成AAAAA類用戶。

AAA級(jí)信用客戶，供電企業(yè)應(yīng)對(duì)其發(fā)出黃色預(yù)警信號(hào)。該類企業(yè)信用記錄一般，對(duì)市場(chǎng)適應(yīng)力較弱。對(duì)此類用戶可采取在調(diào)度、搶修、負(fù)荷上等級(jí)設(shè)為較低的優(yōu)先級(jí)等政策。

AA級(jí)信用客戶，該類企業(yè)信用記錄差，多次拖欠電費(fèi)，供電企業(yè)應(yīng)對(duì)其發(fā)出橙色預(yù)警信號(hào)。實(shí)時(shí)關(guān)注其經(jīng)營(yíng)運(yùn)營(yíng)狀況，采用預(yù)付電費(fèi)、繳納違約金等方式規(guī)避電費(fèi)風(fēng)險(xiǎn)。

A級(jí)信用客戶，信用等級(jí)狀況甚為惡劣，隨時(shí)可能中止?fàn)I業(yè)，長(zhǎng)期多次拖欠電費(fèi)，電費(fèi)回收機(jī)會(huì)甚微，供電企業(yè)應(yīng)對(duì)其發(fā)出紅色預(yù)警信號(hào)?？刹捎妙A(yù)付電費(fèi)、叫繳納違約金、上門催收、必要時(shí)限電等方式。

供電企業(yè)可結(jié)合客戶的實(shí)際情況對(duì)其設(shè)計(jì)相應(yīng)的懲獎(jiǎng)措施，激勵(lì)電力客戶向更好的信用等級(jí)發(fā)展，降低電費(fèi)風(fēng)險(xiǎn)的同時(shí)提高供電公司的服務(wù)質(zhì)量。

2.4 層次分析信用評(píng)級(jí)模型

根據(jù)以上建立的電力客戶信用分級(jí)指標(biāo)，建立層次分析信用評(píng)價(jià)模型。信用指標(biāo)分級(jí)及權(quán)重如表3所示。

表3 信用指標(biāo)分級(jí)及權(quán)重

邀請(qǐng)10名電力公司營(yíng)銷部專家，遵照電力客戶電費(fèi)管理數(shù)據(jù)、電費(fèi)管理人員的管理經(jīng)驗(yàn)，對(duì)不同客戶在以上所討論的標(biāo)準(zhǔn)按照百分制原則進(jìn)行了打分，屬性層Ci滿分都取100分，將其分為4個(gè)檔次（0，25，50，75，100）。其計(jì)算公式如下

其中C為信用總得分，Ci為單項(xiàng)指標(biāo)得分，ui為指標(biāo)所占權(quán)重。根據(jù)最終得分將信用得分分為5級(jí)。0～20分為A類客戶，20～40為AA類客戶，40～60分為AAA類客戶，60～80分為AAAA類客戶，80～100分為AAAAA類客戶。此結(jié)果作為BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的目標(biāo)值。

圖2 電力大客戶風(fēng)險(xiǎn)預(yù)警管理系統(tǒng)

3 電力大客戶風(fēng)險(xiǎn)預(yù)警管理系統(tǒng)

初步搭建了電力大客戶風(fēng)險(xiǎn)管理預(yù)警系統(tǒng)，系統(tǒng)主要包括5個(gè)子系統(tǒng)。本文提出的信用等級(jí)評(píng)價(jià)方法將作為該系統(tǒng)的子模塊，系統(tǒng)框圖如圖2所示。

電力客戶管理子系統(tǒng)主要是按照行業(yè)分類管理，進(jìn)行統(tǒng)一、標(biāo)準(zhǔn)化管理。行業(yè)分析預(yù)警子系統(tǒng)主要是將電力大客戶按照行業(yè)分類，通過分析行業(yè)電量走勢(shì)、電價(jià)走勢(shì)、電費(fèi)走勢(shì)、線損走勢(shì)、欠費(fèi)標(biāo)準(zhǔn)化數(shù)據(jù)等，以表格數(shù)據(jù)、趨勢(shì)線圖、棒圖等反映出來，對(duì)一類行業(yè)進(jìn)行預(yù)警。電力客戶信用評(píng)級(jí)子系統(tǒng)主要是通過建立指標(biāo)，能夠通過對(duì)指標(biāo)的計(jì)算得出電力大客戶的信用等級(jí)。電力客戶欠費(fèi)風(fēng)險(xiǎn)預(yù)測(cè)子系統(tǒng)主要是通過建立風(fēng)險(xiǎn)預(yù)測(cè)指標(biāo)，能夠?qū)﹄娏Υ笥脩羟焚M(fèi)風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。風(fēng)險(xiǎn)管理預(yù)警決策子系統(tǒng)主要是結(jié)合行業(yè)風(fēng)險(xiǎn)預(yù)警、信用等級(jí)評(píng)價(jià)模型與欠費(fèi)風(fēng)險(xiǎn)預(yù)測(cè)模型得到的結(jié)果納入到風(fēng)險(xiǎn)預(yù)警決策模型，為供電企業(yè)給出對(duì)電力大用戶欠費(fèi)風(fēng)險(xiǎn)防范、規(guī)避和提供差異化服務(wù)提供有力的科學(xué)依據(jù)。

4 算例分析

本文通過收集某市電力公司2012—2013年56家電力大用戶的歷史數(shù)據(jù)進(jìn)行算例分析。總共112組數(shù)據(jù)，篩選其中100組數(shù)據(jù)50家企業(yè)進(jìn)行仿真計(jì)算，其中85組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，15組數(shù)據(jù)作為測(cè)試數(shù)據(jù)。首先對(duì)50家電力企業(yè)進(jìn)行評(píng)判，邀請(qǐng)營(yíng)銷部10位專家，根據(jù)其管理經(jīng)驗(yàn)、信用評(píng)級(jí)的等級(jí)劃分表，通過層次分析信用評(píng)價(jià)模型得到BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練的目標(biāo)值。設(shè)置BP訓(xùn)練精度為0.01，訓(xùn)練次數(shù)為100 000次，隱含層節(jié)點(diǎn)數(shù)選取為12，使用Matlab軟件進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，其訓(xùn)練過程曲線如圖3所示，模型經(jīng)過32 805次訓(xùn)練達(dá)到設(shè)定的精度要求。

圖3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程曲線

根據(jù)Matlab軟件運(yùn)行的結(jié)果可以得出訓(xùn)練樣本檢驗(yàn)結(jié)果如表4所示，準(zhǔn)確率可達(dá)到91.76%。

表4 樣本訓(xùn)練結(jié)果

15組數(shù)據(jù)作為測(cè)試樣本數(shù)據(jù)，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)均方誤差曲線如圖4所示。

通過生成BP神經(jīng)網(wǎng)絡(luò)得到的輸出結(jié)果與層次分析模型得出的期望值對(duì)比如表5所示。由表5可得15組數(shù)據(jù)中出現(xiàn)3組數(shù)據(jù)輸出值與期望值不相符，可得準(zhǔn)確率達(dá)到80%。由于本文將信用等級(jí)分

為5個(gè)等級(jí)，即便評(píng)價(jià)值與期望值不相符，其評(píng)價(jià)結(jié)果信用等級(jí)只會(huì)上下浮動(dòng)一個(gè)等級(jí)，供電企業(yè)對(duì)其提供的差異化服務(wù)不會(huì)出現(xiàn)太大的偏差。

表5 樣本測(cè)試結(jié)果

圖4 均方誤差曲線

5 結(jié)論

本文通過建立信用等級(jí)評(píng)價(jià)指標(biāo)，使用層次分析模型得到電力大用戶信用等級(jí)，將其作為BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的目標(biāo)值，通過Matlab軟件進(jìn)行訓(xùn)練仿真分析得出BP神經(jīng)網(wǎng)絡(luò)，一旦生成BP神經(jīng)網(wǎng)絡(luò)，便能通過指標(biāo)對(duì)客戶進(jìn)行信用等級(jí)評(píng)價(jià)。但本方法也存在許多不足，本文為了使模型具有更高的精度，需要大量的歷史數(shù)據(jù)進(jìn)行訓(xùn)練，建立了行業(yè)指標(biāo)、企業(yè)交費(fèi)指標(biāo)和財(cái)務(wù)指標(biāo)3類指標(biāo)，導(dǎo)致指標(biāo)數(shù)太多，使得BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練花費(fèi)大量的時(shí)間和訓(xùn)練次數(shù)?？筛倪M(jìn)BP神經(jīng)網(wǎng)絡(luò)算法、精簡(jiǎn)指標(biāo)等方法加快收斂速度；BP神經(jīng)網(wǎng)絡(luò)存在樣本依賴性問題，神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性和訓(xùn)練數(shù)據(jù)多少有著極大的關(guān)系，尤其對(duì)于一個(gè)多輸入多輸出的網(wǎng)絡(luò)，如果缺乏足夠多的網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，網(wǎng)絡(luò)預(yù)測(cè)值可能存在較大的誤差。本文為使仿真效果明顯，選取典型樣本實(shí)例組成訓(xùn)練集，但在實(shí)際應(yīng)用中，該模型可通過軟件模擬，選擇更多組數(shù)據(jù)進(jìn)行仿真訓(xùn)練，克服BP神經(jīng)網(wǎng)絡(luò)對(duì)樣本依賴性問題[7]。

信用評(píng)價(jià)指標(biāo)體系的建立是一個(gè)不斷完善的過程，在這個(gè)過程中要借鑒銀行等其他行業(yè)的先進(jìn)經(jīng)驗(yàn)。隨著電力市場(chǎng)的不斷發(fā)展，供電企業(yè)更加注重客戶信用評(píng)價(jià)、風(fēng)險(xiǎn)預(yù)警防范、多樣化營(yíng)銷服務(wù)。因此，本文還存在許多的后續(xù)工作，構(gòu)建營(yíng)銷決策模型，完善電力大用戶風(fēng)險(xiǎn)預(yù)警管理系統(tǒng)。為企業(yè)提高業(yè)績(jī)，規(guī)避風(fēng)險(xiǎn)。

[1]陳婷婷，姜健，張麗華.基于Fuzzy AHP的電力客戶信用等級(jí)評(píng)價(jià)[J].科技與產(chǎn)業(yè)，2013，13（5）：107-109.

[2]周輝，王毅，鈕文潔，等.電力客戶信用綜合評(píng)價(jià)的研究[J].電力自動(dòng)化設(shè)備，2005，25（12）：15-18.

[3]任保瑞.基于模糊綜合評(píng)判的電力客戶信用評(píng)價(jià)[J].現(xiàn)代電力，2011，28（4）：90-94.

[4]李江，盧毅勤.電力客戶信用等級(jí)評(píng)價(jià)體系構(gòu)建研究[J].華北電力大學(xué)學(xué)報(bào)，2007，4（4）：9-12.

[5]許東輝.電力客戶信用評(píng)價(jià)研究[D].北京：華北電力大學(xué)，2011.

[6]顧曦華.濟(jì)南供電公司電力大客戶欠費(fèi)風(fēng)險(xiǎn)預(yù)警研究[D].保定：華北電力大學(xué)，2007.

[7]王小川.MATLAB神經(jīng)網(wǎng)絡(luò)43個(gè)案例分析[M].北京：北京航空航天大學(xué)出版社，2013.

[8]孔偉偉，張利益，鄭斌，等.電力客戶信用動(dòng)態(tài)智能分析系統(tǒng)的設(shè)計(jì)及實(shí)現(xiàn)[J].現(xiàn)代電子技術(shù)，2013，36（4）：136-140.

[9]未瑞，羅國(guó)亮.基于聚類分析和層次分析法的電力客戶信用評(píng)價(jià)研究[J].現(xiàn)代電力，2007，24（6）：80-84.

[10]牛小梅，張銀玲.層次分析法在電力客戶信用風(fēng)險(xiǎn)中的評(píng)價(jià)[J].計(jì)算機(jī)仿真，2010，28（5）：333-336.

[11]韓寧寧.供電公司電費(fèi)安全風(fēng)險(xiǎn)預(yù)警模型研究[D].北京：華北電力大學(xué)，2012.

[12]周韓，劉東，吳子美.電力系統(tǒng)安全預(yù)警評(píng)估指標(biāo)及其應(yīng)用[J].電力系統(tǒng)自動(dòng)化，2007，31（20）：45-48.

[13]李美娟.電力市場(chǎng)中市場(chǎng)風(fēng)險(xiǎn)預(yù)警系統(tǒng)的構(gòu)建[J].科技管理研究.2011，31（8）：75-79.

[14]吳子美，劉東，周韓.基于風(fēng)險(xiǎn)的電力系統(tǒng)安全預(yù)警的預(yù)防性控制決策分析[J].電力自動(dòng)化設(shè)備，2009，29（9）：105-109.