【技术实现步骤摘要】
本专利技术涉及电力数据分析和机器学习，具体为基于电力数据的企业还款风险模型协同训练方法及系统。
技术介绍
1、随着以服务“双碳”为目标的新型电力系统建设和数字电网的深入推进，电力系统发输配用各环节采集数据范围更加广泛，采集的数据项和数据类型更丰富，数据采集的频率大幅增加，数据采集量和处理量呈现动态的增长。电力数据包括企业客户信息、用电情况等多种信息的记录，海量的用户电力数据蕴含着巨大的应用价值，如何实现用户电力数据对外安全共享，满足政府、企业客户对电力数据的需求，充分挖掘电力数据深化应用价值，支撑数字政府、金融征信、企业用电优化等服务，是当前亟需解决的问题。
2、在金融征信方面，企业用户的电费欠缴或拖延行为能够反映企业的信用水平，企业用户的用电量数据能够反映企业的生产经营情况，对金融企业评估企业用户的征信和逾期还款风险等具有重要的参考价值，因此将企业用户电力数据对金融企业机构进行共享，有助于帮助金融企业评估企业征信和逾期还款风险等问题。然而，针对电力数据的跨行业对外安全开放共享，国内电网企业暂未有系统化的深入研究，未建立电力...
【技术保护点】
1.基于电力数据的企业还款风险模型协同训练方法，其特征在于，包括：
2.如权利要求1所述的基于电力数据的企业还款风险模型协同训练方法，其特征在于：电网企业提供的特征样本包括企业每月电费欠缴或拖缴的记录、企业每个月的电费欠缴或拖缴金额、企业每个月电费欠缴或拖缴导致延误缴电费的时长以及企业每个月的用电量数据；
3.如权利要求2所述的基于电力数据的企业还款风险模型协同训练方法，其特征在于：所述电网企业和金融企业进行特征样本标准化处理是将收集到的状态数据去噪，去掉缺失值，异常值，以及错误格式的无效数据，把原始格式数据转换为需求分析的格式，将数据标准化、...
【技术特征摘要】
1.基于电力数据的企业还款风险模型协同训练方法，其特征在于，包括：
2.如权利要求1所述的基于电力数据的企业还款风险模型协同训练方法，其特征在于：电网企业提供的特征样本包括企业每月电费欠缴或拖缴的记录、企业每个月的电费欠缴或拖缴金额、企业每个月电费欠缴或拖缴导致延误缴电费的时长以及企业每个月的用电量数据；
3.如权利要求2所述的基于电力数据的企业还款风险模型协同训练方法，其特征在于：所述电网企业和金融企业进行特征样本标准化处理是将收集到的状态数据去噪，去掉缺失值，异常值，以及错误格式的无效数据，把原始格式数据转换为需求分析的格式，将数据标准化、归一化完成数据预处理，使归一化处理后的企业用户特征服从均值为0、标准差为1的标准正态分布，表达式为：
4.如权利要求3所述的基于电力数据的企业还款风险模型协同训练方法，其特征在于：所述基于逻辑回归模型建立企业逾期还款风险评估模型是使用逻辑回归模型为联邦训练模型，进行企业逾期还款风险评估模型训练，得到企业逾期还款的概率函数，将金融企业提供的各企业特征样本和电网企业提供的各企业特征样本作为自变量，将金融企业提供的各企业每个月的还款记录作为因变量输入逻辑回归模型对企业逾期还款风险进行预测；
5.如权利要求4所述的基于电力数据的企业还款风险模型协同训练方法，其特征在于：所述基于极大似然估计方法获取求解企业逾期还款风...
【专利技术属性】
技术研发人员：王轶，代盛国，赵毅涛，刘斌，刘兴龙，茶建华，李家浩，
申请(专利权)人：云南电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。