凌衛(wèi)家　施永益　夏洪濤　吳尚遠　趙燕波

摘 要：隨著電網(wǎng)信息化和電力公司營銷數(shù)據(jù)分析的發(fā)展，各級電力公司越來越多地對基于量化分析方法的電費風(fēng)險預(yù)測研究產(chǎn)生興趣，并取得了不少進展。在這一研究領(lǐng)域內(nèi)，較多的關(guān)注點集中在預(yù)測模型的選擇應(yīng)用，而事實上，電費風(fēng)險數(shù)據(jù)的一個重要特點是其不平衡性。本文致力于對電費風(fēng)險預(yù)測中的不平衡數(shù)據(jù)問題進行研究，嘗試比較幾種處理方法，并基于某電力公司實際案例，進行試驗比較。

關(guān)鍵詞：風(fēng)險預(yù)測 分類 電費 不平衡數(shù)據(jù)

電力營銷是電力供應(yīng)與需求兩側(cè)的直接銜接環(huán)節(jié)，也成為電力數(shù)據(jù)分析應(yīng)用最為豐富的一類業(yè)務(wù)。作為電力公司主營業(yè)務(wù)收入來源，電費回收及時性直接關(guān)系到公司的生存和發(fā)展。因此，對電費回收進行精益化的管理也是電力公司一直關(guān)注的重點之一。近年來，各級電力公司開展了很多基于數(shù)據(jù)挖掘分析的電費回收管理研究與實踐，致力于對風(fēng)險管理的方法和預(yù)測模型的探討。本文所屬的研究正是對電力大用戶的電費欠費風(fēng)險進行預(yù)測，采用統(tǒng)計分析軟件SAS和數(shù)據(jù)挖掘軟件WEKA進行數(shù)據(jù)處理、分析、挖掘，在研究過程中發(fā)現(xiàn)，電力用戶的繳費數(shù)據(jù)是典型的高度不平衡數(shù)據(jù)：其中的欠費發(fā)生比例不超過3%。因此著重于探討電費風(fēng)險預(yù)測中的不平衡數(shù)據(jù)問題。

一、不平衡數(shù)據(jù)處理原理

不平衡數(shù)據(jù)問題是發(fā)生在二分類或多分類問題上的不同類之間樣本大小不均衡現(xiàn)象。通常的分類問題，各類樣本量大小不會嚴(yán)格相同，但小的差異不會對分類效果評估造成問題，但當(dāng)數(shù)據(jù)不平衡明顯，通常是達到4：1時，便可能導(dǎo)致結(jié)果誤差。由此，產(chǎn)生了不平衡數(shù)據(jù)分類問題及相應(yīng)的處理方法。鑒于課題研究的電費風(fēng)險預(yù)測是一個二分類問題，本文所討論的是二分類設(shè)定下的不平衡數(shù)據(jù)分類問題，基本工具是混淆矩陣，如表 1所示。

二、電費風(fēng)險預(yù)測中不平衡分類問題的處理

本文基于某電力公司的電費風(fēng)險預(yù)測，建立業(yè)務(wù)邏輯、獲取并清洗的數(shù)據(jù)，通過處理和選擇的變量，進行不平衡數(shù)據(jù)分類問題試驗。試驗中采用SMOTE過采樣方法，Boosting算法、以及基于邏輯回歸的集成算法LogitBoost方法[15]。其中的弱分類器，采用決策樹、支持向量機（Support Vector Machine， SVM）、邏輯回歸等不同方法。使用不同的采樣策略、不同集成算法、不同弱分類算法和不同測試方法的組合進行試驗。結(jié)果如表 2所示。

2.在采樣后欠費vs不欠費占比接近1：2

3.訓(xùn)練集拆分66%，剩余的為測試集

4.基于訓(xùn)練集的交叉驗證。使用邏輯回歸模型，命中率較高而覆蓋率較低，且試驗1、2和3的表現(xiàn)未存在明顯差異，說明邏輯回歸未存在明顯的過擬合現(xiàn)象。應(yīng)用第一種SMOTE采樣（采樣后欠費vs不欠費占比接近1：1）后再構(gòu)建邏輯回歸模型，使用新數(shù)據(jù)集測試（試驗6）與另外兩種測試方法（試驗4、5）之間存在極為明顯的差異。應(yīng)用SMOTE-BOOSTING-SVM 方法后，過適應(yīng)現(xiàn)象并未有明顯改善；與未采用集成算法的邏輯回歸和LibSVM相比，預(yù)測結(jié)果對覆蓋率較高而命中率較低的傾向性減弱，F(xiàn)-score有明顯的改善。采用SMOTE-LOGITBOOST方法后，過適應(yīng)現(xiàn)象仍未有明顯改善；與未采用集成算法的邏輯回歸和LibSVM相比，預(yù)測結(jié)果對覆蓋率較高而命中率較低的傾向性減弱，F(xiàn)-score有改善但不及SMOTE-BOOSTING-SVM方法。

三、結(jié)語

模型測試試驗說明，應(yīng)用采樣方法和不同的算法模型未能解決模型的過適應(yīng)現(xiàn)象，但能夠在要求改善覆蓋率或命中率的具體場景下發(fā)揮作用，且SMOTE-BOOSTING-SVM方案對覆蓋率和命中率的總體表現(xiàn)（F-Score）有明顯改善。因此需要在實際應(yīng)用時根據(jù)具體需求，選擇較為適用的評估指標(biāo)。對本次不平衡問題研究中總結(jié)如下：

1.本次研究將選用邏輯回歸模型，在實際應(yīng)用中根據(jù)業(yè)務(wù)的需要對閾值進行調(diào)節(jié)，從而獲得針對具體需要的命中率和覆蓋率，這是更為有效的方法。同時，從監(jiān)測功能出發(fā)，對命中率的關(guān)注更甚于覆蓋率，因此從這個角度，邏輯回歸模型也是較好的選擇。

2.若應(yīng)用于營銷業(yè)務(wù)中，有更關(guān)注覆蓋率的需求，則可引入SMOTE采樣處理。

3.在后續(xù)的研究中，隨著國網(wǎng)公司數(shù)據(jù)管理水平的提高，數(shù)據(jù)質(zhì)量和完備性的提高，應(yīng)致力于通過更為完備的數(shù)據(jù)準(zhǔn)備和更為全面的業(yè)務(wù)邏輯，來構(gòu)建適應(yīng)性更廣的模型。

4.隨著全社會數(shù)據(jù)化程度的提高，尤其是數(shù)據(jù)共享程度的提高，后續(xù)將關(guān)注企業(yè)征信數(shù)據(jù)的可獲取性，以期將其納入預(yù)測模型，構(gòu)建更為有效的模型。

參考文獻：

[1]黃文思等. 基于決策樹算法的電力客戶欠費風(fēng)險預(yù)測[J]. 電力信息與通信技術(shù)， 2016， 14（1）：19-22.

[2]王宇哲等. 基于BP神經(jīng)網(wǎng)絡(luò)電力大客戶信用等級評價研究[J]. 電力需求側(cè)管理， 2015， 17（5）：49-53.

[3]楊帆等. 基于博弈論的電費回收風(fēng)險分析[J]， 湖北電力， 2012， 36（6）：76-78.

[4]陳靚等. 基于支持向量機的電費信用評估模型[J]. 電力信息化， 2008， 6（10）：75-78

[5]Gary M Weiss， Foster Provost. Learning When Training Data are Costly： The Effect of Class Distribution on Tree Induction[J]. Journal of Artificial Intelligence Research 19（2003） 315-354.

[6]楊明等. 不平衡數(shù)據(jù)分類方法綜述[J]. 南京師范大學(xué)學(xué)報（工程技術(shù)版）. 2008， 8（4）：7-12.