[發明專利]基于風控評分卡模型的用電客戶竊電風險評估方法

在審

• 申請號: 201911264568.3
• 申請日: 2019-12-11
• 公開（公告）號: CN111178690A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 李超;黃靜;胡忠;熊磊;李世勉;徐溦;陳西寅;周虎;盧希
• 申請（專利權）人: 國網重慶市電力公司北碚供電分公司;杭州致成電子科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06
• 代理公司: 杭州中利知識產權代理事務所(普通合伙) 33301
• 代理人: 盧海龍

1.基于風控評分卡模型的用電客戶竊電風險評估方法，包括以下步驟：

步驟一：數據清洗：對樣本數據的缺失值、冗余值、異常值進行處理，減少異常數據對模型帶來的干擾；

步驟二：特征構造：在原特征的基礎上進行特征衍生，構造更多的特征；

(1)單變量構造：僅使用單個變量進行構造，包括過去7/14/28/56/81天的平均值/最大值/最小值/標準差/中位數；

(2)多變量構造：使用多個變量進行構造，包括多個變量的加/減/乘/除操作；

步驟三：特征分箱和編碼：特征構造完成后，對連續型變量進行分箱操作，對類別型變量進行onehot操作；分箱操作按照最優KS標準來選擇切分點，即在所有滿足上述條件的方案下，選取KS值最高的方案來進行分箱，KS的計算公式如下所示：

其中Bad_k為第k個分位點中的壞樣本數量，Bad_total為總的壞樣本數量，Good_k為k個分位點中的好樣本數量，Good_total為總的好樣本數量，KS越大說明好壞樣本的區分能力越強；分箱操作是編碼的基礎，對每個特征分箱后再進行WOE編碼操作：

步驟四：特征分析：變臉分析包括單特征分析和多特征分析，單特征分析指的是計算單個特征對好壞樣本的區分程度，識別與結果具有高相關性的特征；多特征分析指的是計算特征間的相關性，識別兩兩相關性較高的特征；相關性的計算選用person系數，其計算公式如下所示：

如果兩個特征相關性較高，通常認為相關性絕對值大于0.7為較高，選用IV值較高的特征，刪除較低的特征，IV值的計算公式如下所示：

其中，Good_k和Bad_k指的是第k個分箱好樣本和壞樣本的數量，Good_total和Bad_total指的是總體好壞樣本的數量；

步驟五：模型構造與評價：構造線性回歸模型，計算公式如下所示，其中x為各變量，a為變量的系數，b為截距，

根據回歸模型計算得到每個用戶的竊電評估概率，概率值越高則竊電可能性越大，分析所有樣本數據，遍歷所有的閾值構造ROC曲線，得到auc評價指標，用auc評價指標進行模型評價，現有樣本的auc值達到了0.90，具有較高的好壞樣本區分能力。

2.根據權利要求1所述的基于風控評分卡模型的用電客戶竊電風險評估方法，其特征在于：步驟一中缺失值處理：對樣本數據中缺少關鍵字段的樣本進行刪除，包括竊電日期、竊電戶號，日志數據(電量數據、負荷數據)缺失超過1/3也刪除樣本；冗余值處理：對重復樣本數據進行刪除處理，對重復的日志數據也進行刪除操作；異常值處理：對竊電日期大于當前日期或小于日志表起始日期的樣本進行刪除。