[發明專利]一種電力客戶信用等級評價方法和裝置

在審

• 申請號: 201810069269.3
• 申請日: 2018-01-24
• 公開（公告）號: CN108399453A
• 公開（公告）日: 2018-08-14
• 發明（設計）人: 何偉哲;劉琰;王紅軍;趙健麗;張勇;楊瑞;孫琦偉;尚美玲;李小兵;白宇峰;李煒東;楊承立;倪娜;劉佳;魏璐;趙紅慶;周通
• 申請（專利權）人: 國家電網公司;國網陜西省電力公司西安供電公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06Q30/06;G06Q50/06
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

1.一種電力客戶信用等級評價方法，其特征在于，包括以下步驟：

(1)獲取客戶歷史數據，對所述客戶歷史數據進行信用評分；

(2)初始化BP神經網絡結構，初始化權值和閾值，并傳輸至改進型PSO算法；

(3)初始化PSO種群并接收BP神經網絡傳輸的值，根據適應度函數不斷更新個體極值、全局極值更新速度和慣性權值，直到滿足最小誤差要求或達到最大迭代次數；

(3)將得到的值賦值給BP神經網絡，得到最優的權值和閾值，輸入客戶歷史數據，進行網絡訓練，直到滿足誤差要求或者達到最大迭代次數，則訓練結束；

(4)輸入待評價客戶數據進行信用評價。

2.如權利要求1所述的一種電力客戶信用等級評價方法，其特征在于，所述步驟(1)包括：

建立客戶信用等級評價指標體系；

基于所述指標體系統計樣本用戶的信用特征，并進行信用評分。

3.如權利要求2所述的一種電力客戶信用等級評價方法，其特征在于，所述信用特征包括商業信用、安全信用、法律信用和合作信用。

4.如權利要求1所述的一種電力客戶信用等級評價方法，其特征在于，所述BP神經網絡結構采用三層網絡結構。

5.如權利要求1所述的一種電力客戶信用等級評價方法，其特征在于，所述步驟(3)包括：

初始化粒子群的種群，確定粒子群算法的參數：粒子總個數，粒子初始位置、初始速度、最大訓練次數和加速常數；

采用均方誤差作為改進型PSO算法的適應度函數：

其中，分別為訓練的實際輸出值和期望輸出值，M為BP神經網絡的輸出層節點數，取M＝1，表示輸出客戶信用等級；

迭代更新，更新每個粒子的適應度函數F_i，以此確定每次的個體極值pbest_i和全局極值gbest，更新位置x_i、速度vi和權重w；

根據更新后的值重新計算適應度F_i，并根據F_i更新pbest_i和gbest的值，算法的終止條件有兩個，一是迭代次數達到最大次數，二是達到最小誤差要求時，當算法滿足其中一個時則結束訓練，gbest的位置即為神經網絡模型的權值和閾值。

6.如權利要求5所述的一種電力客戶信用等級評價方法，其特征在于，

更新位置xi的公式為：

更新速度vi的公式為：

權重更新公式為：

其中，k代表第k次迭代，i為輸入層節點數，j為隱含層節點數，x_id為粒子初始位置，c₁和c₂為加速常數，k_max為最大訓練次數，表示粒子i(有j個維度)當前的速度，為粒子i先前的速度，表示粒子i(有j個維度)在第k次迭代的個體極值點的位置，表示在第k次迭代的全局極值點的位置，表示粒子i在j維空間更新后的位置。

7.如權利要求5所述的一種電力客戶信用等級評價方法，其特征在于，所述網絡訓練包括由前向后依次計算各層的輸出：

隱含層：

輸出層：

i為輸入層節點數；j為隱含層節點數；s為輸出層節點數；o_s為模型實際輸出值；u_ij為輸入層到隱含層的權值；c_js為隱含層到輸出層的權值；b_j為隱含層閾值；β_s為輸出層閾值。

8.如權利要求5所述的一種電力客戶信用等級評價方法，其特征在于，所述方法還包括：(5)根據電力客戶信用等級及各個等級的取值范圍，得出客戶的信用等級。

9.一種電力客戶信用等級評價裝置，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-8任一項所述的方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時執行如權利要求1-8任一項所述的一種電力客戶信用等級評價方法。