作为供电企业管理的最后一个环节,电费回收管理一直是供电企业的工作重点,是供电企业经营活动中重要的环节之一,对于电力企业的经营成果有着举足轻重的作用。长期以来,供电企业一直采用"先用电、后缴费"的市场规则,因此存在电费回收周期长、催费措施落后等隐患。这使得电费回收越来越成为困扰电力企业的一大问题。随着市场竞争的加剧,一些电力客户采用不正当的手段盗窃电能或欠交、拒交电费,这种现象日趋严重。虽然供电企业不断加大收费力度,但全国范围内采用新型设备盗窃电能、拖欠电费的形势仍然十分严峻,这就使供电企业在进行正常生产、经营的同时,还要拿出大量的人力、物力来与不法客户作斗争,大大加重了供电企业的负担。目前主要原因2个。一是中低压电费回收压力逐渐加剧。近年来,随着城镇化水平提高,大量农村用户成为城镇用户,加上城市用电规模扩大,中低压用户数量急剧增加。同时,我国低压用户流动变化快、结构复杂,这些原因导致低压电费缴纳面临巨大困难。二是对于拖欠电费的行为无有效处理办法。目前,电力企业针对中低压用户缺乏有效的处罚手段,只能通过断电或收取少量违约金来进行制约,然而这些方法约束力低,导致拖欠电费频发,影响供电企业日常运作与发展。为了解决此问题,有效降低电网公司的经营压力,各电力公司纷纷提出了各种行政管理手段和技术手段,建立了基于客户风险的电费回收策略。但是,电网企业对于客户欠费风险的预判能力不足,不能根据客户欠费风险等级提前采取具有针对性的防范措施,是目前防范电费回收风险面临的一大难题。为了有效地提高电力企业的风险防控能力,降低企业经营风险,高效准确的欠费风险预测尤为重要。随着信息技术的发展,国内开始使用数据挖掘技术分析海量用户的用电特征,并试图找出用户用电特征与欠费间的联系。比如在对用户欠费因素进行统计分析的基础上,运用逻辑回归模型,对影响高压用户电费回收风险的关键因素及其影响程度进行建模分析,验证了电费回收预测关键因素在加强资金管理、提高经济效益中的作用;或在分析了引起电力客户拖欠电费原因的基础上,深入挖掘分析客户缴费、欠费行为,设计了欠费风险识别相关的关键影响变量,运用决策树算法建立了客户欠费风险识别模型。实际上售电收入的形成较为复杂,电力用户有不同类别且执行的电价标准不同。本文从低压居民客户基础数据、电费信息、历史缴费记录等方面对用户的历史数据进行了统计分析,深度挖掘了影响客户电费回收率的关键因素,构建了低压用户影响因素指标体系,基于逻辑回归算法构建了电费风险量化分析模型,预测客户的欠费风险等级,减少电费呆账、坏账的发生,为制定差异化措施及电费回收管理办法、提高电费回收率指标提供理论依据。