电费信用风险管理绩效评价研究

提出了采用智能权重分析算法的模糊智能综合评价方法,在一定程度上解决了绩效评价指标权重设置易受主观因素影响的问题。模型中引入了评价指标相对隶属度模糊评价矩阵的概念,解决了绩效评价结果的稳定性、横向和纵向可比性问题。应用结果表明,模糊智能综合评价模型简便、通用,评价结果较为客观和稳定,其方法具有通用性,在电费信用风险管理绩效评价中具有一定的应用价值。

电费信用风险关键影响因素研究

电费拖欠是影响电力企业经营和发展的重要问题之一,正确掌控电费信用风险关键影响因素并采取切实有效措施规避电费回收风险就显得尤为重要。采用主成份分析方法对电费信用风险影响因素进行了研究,分析了其中的关键性影响因素及影响程度。研究结果表明,该方法具有较强的通用性和实用性,有助于提高电力企业电费回收预警和信用风险管理的能力。

基于支持向量机的电费信用评估模型

将支持向量机(Support Vector Machine,SVM)这一智能化新技术运用于构建电费信用评估模型,选用径向基函数作为模型的内积核函数。实验证明,支持向量机具有全局收敛性和良好的泛化能力,比常用的线性区别模型、LOGIT模型和类神经网络模型在稳定性、灵敏度和泛化能力等方面更具有优势。同时,SVM在分类整体准确率和第一、二类错误率方面均优于上述几类模型,因此基于SVM方法构建的电费信用评估模型具有较强的实用性。

轻松化解电费回收风险——建立电力营销全程信用风险管理模式

电费拖欠已成为困扰电力企业经营和发展的重要问题之一，如何及时有效地回收当期和陈欠电费，降低不良债权，有效防范和化解电费回收风险，是摆在电力企业面前亟待解决的重要课题。