基于并行分类算法的电力客户欠费预警

来源：计算机应用杂志2016年第6期北京时间：

作者：陈羽中, 郭松荣, 陈宏, 李婉华, 郭昆, 黄启成

单位：1. 福州大学 数学与计算机科学学院, 福州 350116;2. 福建省网络计算与智能信息处理重点实验室, 福州 350116;3. 国网信通亿力科技有限责任公司, 福州 350001

摘要：针对供电企业"先消费后付款"的经营模式可能造成用电客户因失信引发的欠费风险,需要在用电客户欠费行为发生之前实时快速地分析海量的用电用户的数据,给出潜在的欠费客户名单的问题,提出一种基于并行分类算法的电力客户欠费预警方法。首先,该方法使用基于Spark的随机森林(RF)分类算法对欠费用户进行建模;其次,根据用户以往历史用电行为和缴费记录使用时间序列进行预测得到其未来用电和缴费行为特征;最后,使用之前得到的模型对用户进行分类得到未来潜在高危险欠费用户。将该方法与并行化后的支持向量机(SVM)算法和在线序列极限学习机(OSELM)算法进行对比分析,实验结果表明,所提方法相对于对比算法在准确率上有较大提高,便于电费回收管理人员进行提前催缴,确保电费回收的及时性,有利于电力企业进行客户欠费风险管理。

关键词：欠费预警,随机森林,并行算法,时间序列,海量数据

基金资助：国家自然科学基金资助项目(61300104,61300103);福建省科技创新平台建设项目(2009J1007);福建省自然科学基金资助项目(2013J01230,2013J01232);福建省高校杰出青年科学基金资助项目(JA12016);福建省高等学校新世纪优秀人才支持计划资助项目(JA13021);福建省教育厅科技重点项目(JK2012003);福建省科技厅产学重大项目(2014H6014)。