基于模糊期望决策法的电力客户信用评价研究

基于模糊期望决策法的电力客户信用评价研究

目前，我国各医院客户信用不足、欠班现象严重，相关部门高度重视。如何采用科学的管理方法和科技手段来解决目前存在的问题,有效降低电力公司的经营风险,保护企业的合法利益,为地方电力事业可持续发展创造有利条件,是摆在我们面前迫切需要解决的问题。用电客户的信用评价要解决几个关键问题:(1)用电客户信用评价的指标体系问题;(2)定性指标值的合理表述问题,以及评价者的主观感觉问题。针对信用评价指标体系问题,本文分析评价模型所需的指标有3类:客户的基本信息,客户的电力信息,客户信用状况标识。这样才能使所建立的指标体系能够全面反映研究对象各方面的特征,保持信用相关信息的完整性。1待评估项目如电力客户信用评价是一种普遍用来测量电力客户信用风险的方法。评价系统产生的信用等级通常分为6级:AAA[0.9,1]、AA[0.8,0.9]、A[0.65,0.8]、B[0.50,0.65]、C[0.35,0.5)、D[0,0.35)。信用等级是对一个电力客户信用状况的整体评价,通过评估客户的信用级别,决定给予客户怎样的信用额度,这也是供电企业控制信用风险的重要手段。待评分项指标如表1所示。为了使定性指标尽量反映客观实际,本文采用三角模糊数方式表示,该类指标值可由专家根据预先设计好的如表1所示的语言评价集,转换为对应的三角模糊数;对于定量指标,可通过客户统计数据得到,数值也可以表示为三角模糊数,如数值6可以表示为(6,6,6)。评价指标的语言变量及其对应的三角模糊数如表2所示。2电力客户主观偏好的确定设X={x1,x2,…,xn}为n个待评价电力客户的集合,评价指标共有m个,U={u1,u2,…,um}为电力客户的指标集合,ω=(ω1,ω2,…,ωm)T为指标的权重向量,决策者对电力客户xj∈X有一定的主观偏好,设主观偏好值为三角模糊数,0≤vjL≤vjM≤vjU≤1。按指标ui对电力客户xj进行评价,xj关于ui的指标值为三角模糊数。2.1建立评价模型(1)建立三角模糊矩阵。设有P个专家参与评价模型的确定,由第j个专家对第i个指标给出评价[aij,bij,cij],其中aij表示最保守的评价,bij表示最可能评价,cij表示最乐观评价。要求专家在间自由打分,从而形成初始评价矩阵。(2)确定专家评价的权重集Z=[z1,z2,…,zp],其中zj表示第j个专家给出的评价值在综合评价中所占的比重。本文中设定专家评价的权重相等。(3)模糊评价矩阵的规范化。为使各指标之间具有可比性,必须采取无量纲化处理指标,将评价矩阵转化为规范化矩阵R。评价指标处理分为2种:(1)对越大越好型指标有;(2)对越小越好型指标有(4)模糊合成。用ZeR表示专家重要性与评价值的模糊合成结果,式中e为模糊合成算子,加权平均型模糊算子M(g⊕)在体现权数作用、综合程度和利用R信息方面都有优势,适用于兼顾考虑整体因素的综合评价。本文综合考虑了客户信用评价各个方面指标,属于整体因素的综合评价,因而文中利用M(g⊕)算子进行模糊合成。2.2计算主矩阵中元素的预测值和规范化矩阵的元素的预测值由三角模糊数分别计算主观偏好值,以及规范化矩阵阵元素的期望值:2.3综合期望模型把与之间的偏差记为σij,则;电力客户xj的所有指标期望与主观感觉期望值之间的偏差记为σj,则,为了使决策具有合理性,指标权重向量ω的选择应使决策者的主观偏好与客观偏好的总偏差最小,因此建立下列单目标优化模型:解此模型,可以得到利用权重向量计算各电力客户的综合指标期望值为根据Ej(α)值的大小对电力客户的信用进行排序和择优,期望值大的电力客户信用度相对较高。3线性回归问题的构造支持向量回归包括线性回归和非线性回归,本文介绍非线形回归方法,通过非线性映射Φ数集X映射到D维特征空间F,然后在高维空间进行线性回归。其结构如下:Φ(X)称为特征,这样就将较低维数的输入数据的非线性回归问题转化为高维空间的线性回归问题。而高维特征空间D由函数Φ(X)确定。定义k(X,X′)=Φ(X)·Φ(X′),那么该非线性回归问题就变为计算b,有如下形式:核函数可以是任一满足Mercer条件的正定函数,主要有多项式核函数、RBF核函数、Fourier核函数。4模型应用4.1客户期望评价以某供电企业对5个电力客户进行信用评价,请10位专家参与本次评价,并设每位专家的重要程度相等,如表1所示设置客户属性指标19个。根据前面所设计的评价指标体系及模糊评价模型,对客户信用等级进行分析。因矩阵较大,所以略去具体计算过程,本文只给出计算结果。具体步骤如下:第一步,给出指标模糊评价。请10位专家对5个电力客户给出19个客户属性指标的三角模糊评价。第二步,规范化模糊评价矩阵。采取无量纲化处理使各指标之间具有可比性,利用M(g⊕)算子进行三角模糊合成,从而合成模糊规范化评价矩阵第三步,计算主观感觉值及规范化矩阵中元素的期望值。假设供电企业对5个电力客户xj的主观偏好值分别为根据式(1)得到期望评价矩阵其中α=0.5。第四步,模型权重的确定。4.2客户造模改造以上述电力客户信用评价为例,采用不同的核函数训练样本。本文比较了不同核函数,最终采用使误差均方误差(MSE)最小的RBF核函数:利用软件包svmdark训练样本,由其optimize函数确定最优训练参数,最终选定优化训练参数为:C=126,!=0.001,σ2=3。训练程序运行时间都在300~1000ms之间,测试时间小于20ms,具有较快的运行速度。客户信用等级分类如表3所示。通过表3可以发现,用SVM修正后的电力客户信用期望值在总体上比模糊评价模型具有更好的准确性,更符合供电企业原先设定的信用等级。5电力客户综合指标期望(1)运用SVM修正的基于期望值的模糊多属性决策进行电力客户的信用评价,不仅妥善处理了各指标的合理表述问题,也充分考虑了评价者的主观偏好。(2)专家对评价指标的表述简单明了,并综合考虑了定性指标与定量指标,所得结果具有综合性。(3)对信用的期望值采用SVM修正,修正后的结果与供电企业原先设定的信用等级基本符合,相比单一使用模糊多属性决策模型更能贴近实际。(4)本文所使用的评价方法基本上实现和完成了对专家的主观经验和数理评价方法有机结合,提高了电力客户信用评价的科学性,增强了信用评价的说服力,为供电企业信用评价提供了一种科学、简便的信用评价方法。根据式(3),计算最优权重向量ω=(0.0602,0.0507,0.0523,0.0495,0.0542,0.0450,0.0513,0.0468,0.0532,0.0564,0.0555,0.0544,0.0518,0.0430,0.0518,0.0535,0.0616,0.0537,0.0550)