基于單位ＢＰ神經網絡算法的數據挖掘技術在電力客戶信用等級評價中的應用研究

［收稿日期］2008-12-23

［作者簡介］黃文杰(1945-)，男，華北電力大學工商管理學院教授、博士生導師，碩士，主要研究方向：項目管理與工程管理，風險分析與決策。

［摘 要］電力客戶信用管理和信用評價，已經成為電力企業的一種經營工具和手段。本文結合數據挖掘技術在信用評價中的應用優勢，以數據挖掘的通用模型CRISP-DM為基礎，建立了電力客戶信用評價的過程標準，構建了電力客戶信用評價指標體系，應用單位BP神經網絡算法構造了電力客戶信用模型，并對該模型進行了實例分析，從而將電力客戶信用分為5個等級。

［關鍵詞］電力客戶；信用評價；數據挖掘；單位BP神經網絡；CRISP-DM

doi:10.3969/j.issn.1673-0194.2009.13.028

［中圖分類號］F270.7;TP311［文獻標識碼］A［文章編號］1673-0194（2009）13-0082-04

1 引言

按期回收電費是電力企業經營成果的貨幣表現，是電力企業的一項重要經濟指標，為電力企業上繳稅金和提供資金，從而保證國家的財政收入，還可為維持電力企業再生產過程補償生產資料耗費資金，以促進電力企業的安全生產不斷進行，更好地完成發電任務，滿足國民經濟發展和人民生活對電能的需要。但是目前我國電力用戶惡意拖欠、逃避電費和偷電漏電等現象屢屢發生，這給電力公司帶來了極大的損失。鑒于此，國家電網公司印發的《關于加強電力營銷工作的若干規定》（［2003］490號文件）中明確指出：加強電費風險管理與研究，建立信用風險分析制度。

目前，很多學者對此做了大量的研究，主要是一些信用評價方法的運用和信用指標體系的建立。如劉新才 等提出運用層次分析法對電力客戶信用風險進行評價［1］；張素芳 等提出采用熵權法建立評價模型［2］；牛東曉對GRA方法進行了改進，并將其運用到電力客戶信用風險評價中［3］；

周暉 等依據電力公司客戶的戶務資料，參照電費管理人員的經驗，建立了客戶的繳費狀況、償還電費能力、資金變現能力、擔保水平和經營環境等5個指標[4]；李江、盧毅勤綜合考慮電力客戶信用評價的特點，建立了18項信用等級評價指標[5]。以上每種評價方法都有其一定的可行性，但是又有一定的局限性。針對傳統信用評價方法的不足，近年來在研究中引入了新的方法——數據挖掘技術，如嚴環、廖志高就把數據挖掘技術運用到企業信用評價中[6]；劉高軍，朱嬿則把數據挖掘技術具體應用到建筑企業信用評價中去[7]；張居彥、張林通過研究數據挖掘技術以及神經網絡算法，評價客戶信用[8]；莫禮平、樊曉平則討論了在數據挖掘領域中利用BP網絡進行數據分類的實現過程，并用該算法建立了一個分類模型，實現了對客戶信用等級的分類[9]。由此可見，數據挖掘技術是一種有效而準確的信用評價方法。因此，本文將應用數據挖掘技術，引進神經網絡理論，建立決策支持模型，根據選取的評價指標，對電力用戶進行信用評估，及時發現用戶的信用變化情況，為供電企業的管理提供決策基礎。

2 數據挖掘

20世紀90年代，美國信息工程領域的研究專家做了大量的嘗試與研究，并對數據挖掘概念做了詳細的論述。數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程，也被稱為數據庫中的知識發現（KDD）過程和知識提取等。數據挖掘能夠對將來的趨勢和行為進行預測，所以把它運用到客戶關系管理中，就能在數據龐大的客戶數據庫中，對看似無關的數據進行處理、凈化、提取出有價值的客戶信用預測，從而采取相應的措施。數據挖掘技術應用于信用評價的優勢在于：①能處理和修正實際數據問題，算法模型具有自檢驗能力，能更準確地描述信用要素和信用水平之間的關系特征；②不先驗地建立信用規則，而是從實例數據中通過學習去發現信用規則，然后用這些規則去預測用戶未來的信用風險，更符合解決問題的科學步驟。

3 單位BP神經網絡算法

3.1 標準BP網絡

BP網絡和它的變化形式是目前應用最廣、基本思想最直接的多層次誤差反向傳播神經網絡（Error Back-Propagation NN），它是多層前饋神經網絡的核心部分，具有三層或三層以上的層次神經模型（如圖1所示）。

BP網絡雖然是目前應用最為廣泛的網絡，但它仍然存在許多問題，其中最大的問題就是收斂速度問題，它的訓練很難掌握，尤其是當網絡的訓練達到一定的程度后。為了克服上述問題，本文特引進了單位BP算法。算法的基本思想是：用梯度法確定搜索方向，以該方向上多維空間中的單位向量作為基本修正量進行權值調整，并引入了基量函數的概念?；亢瘮档亩x公式如下：