基于长短期记忆网络算法的电费回收风险预警

基于长短期记忆网络算法的电费回收风险预警
电力大客户电费回收风险一直都是电力公司关注的热点,但由于缺乏外部数据支撑和高效预警模型,使电费回收风险预警成为了一个难题。文中首先综合电力客户的电量、电费数据,以及电力客户在工商、税务、法院等部门的风险信息,建立电力大客户的电费回收风险指标体系。其次,基于熵值法得到的风险指标权重系数,过滤弱影响指标,采用相关性分析剔除重叠作用指标,得到客户电费回收风险预警指标。最后,基于深度学习中的长短期记忆(long short-term memory,LSTM)网络算法进行了客户电费回收风险预警。算例结果表明,提出的风险预警模型精确有效,且LSTM在准确率、查准率和查全率3个指标上较Logistic回归更加精准,能够精准定位风险客户,提高电费回收效率。

标题：
基于长短期记忆网络算法的电费回收风险预警
Application of Long Short-term Memory Network Algorithm in Tariff Recovery Risk Early Warning for Large Power Customers

作者：
谢林枫，钱立军，季聪，江明，吕辉
XIE Linfeng, QIAN Lijun, JI Cong, JIANG Ming, LYU Hui

关键词：
电力大客户;电费回收风险;风险评估;风险预警;深度学习;长短期记忆网络
large power customer;tariff recovery risk;risk early warning;deep learning;long short-term memory (LSTM)

2025-1-22 20:05 上传 基于长短期记忆网络算法的电费回收风险预警.pdf

文件大小:

800.96 KB

下载次数:

60

高速下载