【技术实现步骤摘要】
本专利技术属于智慧供热，具体涉及一种基于欠费预测和催费差异化的供热企业收费智能管理方法。
技术介绍
1、智慧供热是供热技术与信息技术的深度融合，是集热源生产输出、供热信息采集、热网监控、热网水力分析、室温采集于一体的现代供热一体化方案。供热企业的重要职责是通过智慧供热来满足热用户的用热需求和提高用热满意度。
2、然而，供暖费用管理也作为供热企业的一项主要工作之一，虽然有些地区是采取先缴费后用热的方式，不存在欠费缴纳，但是仍然有地区也是采用先用热后缴费，采取远程计量的方式进行热费计算和形成缴费账单，对于供热企业来说，面向的热用户数量很多，不同热用户的基础信息不一样，缴费行为也具有差异化，热用户欠费后如何减少欠费、提高效益，从海量的热用户收费相关数据中，挖掘热用户欠费行为及其欠费数据特征，进行热用户差异化、精确化判别和热用户欠费进行提前预测，予以分类处理，是目前急需解决的问题。
3、基于上述技术问题，需要设计一种新的基于欠费预测和催费差异化的供热企业收费智能管理方法。
技术实现思路
1、本专利技术所要解决的技术问题是，克服现有技术的不足，提供一种基于欠费预测和催费差异化的供热企业收费智能管理方法，通过设置热费计算管理、欠费预测管理、催费差异化管理和停复热管理，能够对供热企业收费相关的管理业务进行智能化、科学化、个性化和差异化的管理。
2、为了解决上述技术问题，本专利技术的技术方案是：
3、本专利技术提供了一种基于欠费预测和催费差异化的供热
4、热费计算管理：通过供热收费平台获取热用户入网基础信息，将热用户划分为不同热用户群体类别，并根据热用户群体类别和收费模式计算相应的供热费用，推送给热用户进行热费查询和缴纳；所述热用户群体类别包括居民热用户、工商业热用户和困难群体热用户；
5、欠费预测管理：获取热用户欠费相关的静态数据和动态数据，建立热用户欠费概率预测模型，获得热用户欠费初始概率预测值，并对热用户欠费初始概率预测值进行修正后，计算获得最终的热用户欠费概率预测值；
6、催费差异化管理：将热用户欠费概率预测值转化为热用户信用风险值，再依据热用户信用风险值的不同区间将欠费的热用户划分为高风险群体、中风险群体、低风险群体和无风险群体；建立恶意欠费热用户判别模型，进行恶意欠费热用户判别；依据欠费热用户的风险群体划分结果和恶意欠费判别结果设置热用户欠费催缴策略；
7、停复热管理：对热用户由于热费欠费、缴纳欠费行为导致的热用户停热、复热的申请、审批、派工管理。
8、进一步，所述热用户入网基础信息至少包括热用户的客户性质、在网状态、用热状态、用热方式、入网面积、供热合同；
9、所述将热用户划分为不同热用户群体类别，包括：在热用户的客户性质中增加热用户群体标签，包括居民热用户标签、工商业热用户标签和困难群体热用户标签；通过对热用户群体标签的识别，将热用户划分为不同热用户群体类别；所述工商业热用户包括大工商业用户、普通工商业用户、农业生产热用户和中小学教学用户；所述困难群体热用户包括低保用户、低收入家庭、散居孤儿、散居特困户和军人优抚；
10、所述根据热用户群体类别和收费模式计算相应的供热费用，包括：对不同热用户群体类别设置对应的收费策略，并支持给不同的困难群体热用户给予相应的优惠价格；按照面积收费和热计量收费的模式，供热企业基于热基本费、热预收费、供热面积、热计量单价生成热用户年度应交费用，且支持对接热计量抄表平台实现远程热计量表远程抄表，并计算相应费用。
11、进一步，所述获取热用户欠费相关的静态数据和动态数据，建立热用户欠费概率预测模型，获得热用户欠费初始概率预测值，包括：
12、获取热用户欠费相关的静态数据和动态数据；所述静态数据包括供热单位、收费模式、热用户群体类别、收费策略、热基本费计算方式和收费模式；所述动态数据包括年度热费逾期天数、年度欠费次数、短期逾期天数、中期逾期天数、长期逾期天数、欠费回收周期长短、年度违约金额、年度欠费金额、年最小欠费间隔和最近一次欠费距今间隔；
13、对所述静态数据和动态数据进行数据预处理后，获得标准数据集；其中所述标准数据样本包括静态数据集和动态数据集；
14、采用第一特征提取算法对静态数据集进行特征提取，获得静态特征数据集；
15、采用第二特征提取算法对动态数据集进行特征提取，获得动态特征数据集；
16、通过第一机器学习算法，利用所述静态特征数据集构建第一欠费概率预测模型，计算获得第一欠费概率集；
17、通过第二机器学习算法，利用所述第一欠费概率集和所述动态特征数据集构建热用户欠费概率预测模型，计算获得热用户欠费初始概率预测值。
18、进一步，所述第一特征提取算法为lightgbm算法；所述第二特征提取算法为tcn时间卷积网络；
19、所述第一机器学习算法为卷积神经网络；所述第二机器学习算法为长短期记忆网络，包括依次连接的时间感知长短期记忆单元、全连接层以及激活层。
20、进一步，所述对热用户欠费初始概率预测值进行修正后，计算获得最终的热用户欠费概率预测值，包括：
21、计算热用户欠费初始概率预测值与实测值的相对误差序列，并通过误差范围对状态区间进行划分；
22、计算相对误差对应的误差状态转移概率，表示为：
23、
24、pi,j(k)为状态ei经过k步转移到状态ej的概率；mi,j(k)为状态ei经过k步转移到ej的次数；mj为状态ej在相对误差序列中出现的次数；
25、将当前状态转移到下一状态的概率组合形成马尔科夫状态转移概率矩阵，表示为：
26、
27、获取预测时间点t在每个状态区间的概率，并获取修正区间；所述修正区间为预测时间点t所有状态区间中最大概率所在的区间；
28、基于修正区间和欠费概率预测相对误差对热用户欠费初始概率预测值进行修正，表示为：
29、
30、e*为修正误差，pmax和pmin分别为修正区间的热用户欠费概率预测误差最大值和最小值；为热用户欠费初始概率预测值；为修正后的最终的热用户欠费概率预测值。
31、进一步，所述将热用户欠费概率预测值转化为热用户信用风险值，表示为：
32、
33、s为热用户信用风险值；k和λ为预设系数；y为热用户欠费概率预测值；
34、所述依据热用户信用风险值的不同区间将欠费的热用户划分为高风险群体、中风险群体、低风险群体和无风险群体，包括：依据热用户信用风险值和预设的信用风险值范围划分区间，将欠费的热用户划分为高风险群体、中风险群体、低风险群体和无风险群体，表示为：
35、
36、ri为第i个热用户；d1、d2和d3为预设的风险区间值。
37、进一步本文档来自技高网...
【技术保护点】
1.一种基于欠费预测和催费差异化的供热企业收费智能管理方法，其特征在于，所述供热企业收费智能管理方法包括：
2.根据权利要求1所述的供热企业收费智能管理方法，其特征在于，所述热用户入网基础信息至少包括热用户的客户性质、在网状态、用热状态、用热方式、入网面积、供热合同；
3.根据权利要求1所述的供热企业收费智能管理方法，其特征在于，所述获取热用户欠费相关的静态数据和动态数据，建立热用户欠费概率预测模型，获得热用户欠费初始概率预测值，包括：
4.根据权利要求3所述的供热企业收费智能管理方法，其特征在于，所述第一特征提取算法为LightGBM算法；所述第二特征提取算法为TCN时间卷积网络；
5.根据权利要求1所述的供热企业收费智能管理方法，其特征在于，所述对热用户欠费初始概率预测值进行修正后，计算获得最终的热用户欠费概率预测值，包括：
6.根据权利要求1所述的供热企业收费智能管理方法，其特征在于，所述将热用户欠费概率预测值转化为热用户信用风险值，表示为：
7.根据权利要求1所述的供热企业收费智能管理方法，其特征在于
8.根据权利要求1所述的供热企业收费智能管理方法，其特征在于，所述依据欠费热用户的风险群体划分结果和恶意欠费判别结果设置热用户欠费催缴策略，包括：
9.根据权利要求1所述的供热企业收费智能管理方法，其特征在于，所述供热企业收费智能管理方法还包括收费可视化管理：通过智能终端以平面收费示意图的形式展示从换热站到小区到热用户的基础信息、缴纳信息、欠费信息、停供状态、阀门状态。
10.根据权利要求1所述的供热企业收费智能管理方法，其特征在于，所述供热企业收费智能管理方法还包括费用核减管理：支持按照金额、天数、面积、比例核减方式换算出实际的热费金额，并发起业务办理流程经由各个审批人员进行审核通过后对热费进行减免或增加。
...【技术特征摘要】
1.一种基于欠费预测和催费差异化的供热企业收费智能管理方法，其特征在于，所述供热企业收费智能管理方法包括：
2.根据权利要求1所述的供热企业收费智能管理方法，其特征在于，所述热用户入网基础信息至少包括热用户的客户性质、在网状态、用热状态、用热方式、入网面积、供热合同；
3.根据权利要求1所述的供热企业收费智能管理方法，其特征在于，所述获取热用户欠费相关的静态数据和动态数据，建立热用户欠费概率预测模型，获得热用户欠费初始概率预测值，包括：
4.根据权利要求3所述的供热企业收费智能管理方法，其特征在于，所述第一特征提取算法为lightgbm算法；所述第二特征提取算法为tcn时间卷积网络；
5.根据权利要求1所述的供热企业收费智能管理方法，其特征在于，所述对热用户欠费初始概率预测值进行修正后，计算获得最终的热用户欠费概率预测值，包括：
6.根据权利要求1所述的供热企业收费智能管理方法，其特征...
【专利技术属性】
技术研发人员：梁晓龙，徐平平，李金刚，
申请(专利权)人：国能宁夏供热有限公司，
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。