技术领域
[0001] 本发明属于售电市场、电力交易领域，尤其涉及一种适用于电力交易中心的售电公司信用评价方法。
相关背景技术
[0002] 随着电力体制改革的推进，电力市场主体趋向多元化，加之新型电力市场交易规则尚不完善，市场制度尚未健全等原因，电力市场环境日趋复杂多变。而售电公司作为连接电力批发市场和零售市场的中间商，是购售电环节的重要承担者，其信用水平对整个售电侧市场化交易的开展有着重要的影响。因此，针对售电公司的交易环节构建信用评价指标体系，开展信用评价工作具有重要的现实意义。
[0003] 已有的信用评价研究重点关注评价主体的经营状况和财务状况，而售电公司作为市场交易中的一员，在关注其基本情况的同时，更应注重其参与市场交易行为的信用状况。在此环境下，迫切需要一种适用于电力批发市场的售电公司信用评价方法降低市场风险。
售电公司信用评价方法的建立和应用，能够促进电力市场建设和发展。
具体实施方式
[0015] 下面根据说明书附图并结合具体实施例对本发明的技术方案进一步详细表述。
[0016] 请参阅图1，本发明提供的适用于电力交易中心的售电公司信用评价方法包括如下步骤：
[0017] 步骤1：根据场外指标对售电公司进入电力市场前的财务状况和信用情况作出综合评价，计算售电公司在进入电力市场交易前的初始信用评价等级。计算初始等级时，可以对得到的各个指标值进行加权计算，每个指标值的权重可以是根据指标的重要性确定的，也可以根据实际情况确定，本申请对此不予限制，仅对指标进行介绍。
[0018] 场外指标由财务状况和信用情况两个一级指标组成，财务状况包括资产总额、资产负债率、净利润、净资产收益率、净利润增长率五个指标；信用情况包括信用记录和资信证明两个指标。计算公式及说明如下：
[0019] 资产负债率＝负债总额/资产总额*100％，来自于市场主体的资产负债表。
[0020] 净资产收益率＝净利润/平均净资产*100％。
[0021] 净利润增长率＝(本期净利润-上期净利润)/上期净利润*100％。
[0022] 信用记录由信用评级机构对市场主体信用状况的判断。
[0023] 资信证明是银行对市场主体的记录资料作较全面的描述并对该市场主体信誉状况进行评价的证明文件。如果市场主体没有提供银行开具的资信证明，由交易中心根据市场主体入市提供的材料给出得分。
[0024] 步骤2：根据判据指标对售电公司在一个评价周期内的总体交易表现进行评价，直接对售电公司的信用等级作出加减分或升降级处理。计算此部分的得分时，计算方法同步骤1中，依然是对得到的各个指标值进行加权计算，本申请对此不予限制，仅对指标进行介绍。
[0025] 判据指标可以直接反映市场主体的信用情况，由股权稳定、用户优势、购电优势、专业程度、参与积极性、购售电量匹配能力、合同履约失信行为七个一级指标构成。股权稳定包括注册信息变更频次；用户优势包括签约用户规模、用户粘性两个指标；购电优势包括购电量规模、市场占有率、中长期代理合同比率三个指标；专业程度包括申报电量成交率；参与积极性包括市场交易参与率、电费核对单确认两个指标；购售电量匹配能力包括购售电量匹配程度；合同履约包括全年合同电量履约率、合同纠纷次数、违约金缴费及时率两个指标；失信行为包括虚假信息、串谋行为两个指标。计算公式及说明如下：
[0026] 注册信息变更频次指地理区域、属地、所属行业、法人代表、企业经营范围、股东构成、法人名称等注册信息的变更次数。
[0027] 签约用户规模指各电压等级下的签约用户数量。
[0028] 用户粘性＝1-客户流失率(客户流失率＝(流失的用户数量/全部用户数量)×流失用户的合同电量占比×100％)。
[0029] 购电量规模指上一年售电公司的实际结算电量。
[0030] 市场占有率＝省内直接交易中该售电公司的累计成交电量/省内全年总成交电量×100％。
[0031] 中长期代理合同比率＝年度中长期代理合同电量/该售电公司的累计合同电量×100％。
[0032] 申报电量成交率＝该售电公司的累计成交电量/该售电公司全年总申报电量×100％。
[0033] 市场交易参与率＝该售电公司全年参与直接交易次数/省内全年组织交易次数×100％。
[0034] 电费核对单确认指在自动确认前手动确认电费核对单，视为及时确认。
[0035] 购售电量匹配程度＝∣与用户签订合同电量-与发电企业签订合同电量∣/min(与用户签订合同电量，与发电企业签订合同电量)×100％。
[0036] 全年合同电量履约率＝省内直接交易中该售电公司全年实际结算电量/该售电公司的全年合同电量×100％。
[0037] 虚假信息指提交材料具有虚假信息(资质造假；伪造、编造许可证件；提供虚假财务状况或业绩；提供虚假项目负责人或主要技术人员建立、劳动关系证明；提供虚假信用状况；其他弄虚作假行为等)。
[0038] 串谋行为指交易中是否利用串谋行为谋取不法利益。
[0039] 步骤3：识别疑似失信行为时，主要考虑售电公司在集中竞价交易环节中的表现，失信行为主要有“串谋”、“搭便车”，“钓鱼”等。根据失信行为及其相应的特征，结合云模型确定网络结构、设计相应的推理算法，建立潜在失信行为识别模糊Petri网。并以某一值(例如0.6)，作为该行为的预警阈值，当计算的概率大于阈值时，说明售电公司有较强的失信嫌疑，进而对疑似失信的行为作出预警。
[0040] 预警模型构建过程如下：
[0041] (1)构建特征集
[0042] 特征集
[0043]
[0044] 部分特征的特征值计算公式如下：
[0045] 1)平均报价价格
[0046]
[0047] 式中： 为平均报价；Vi为第i段报价；Qi为第i段申报量。
[0048] 2)申报信息相似度
[0049] 申报信息相似度以两家企业报价曲线间的面积进行衡量，面积越小，申报曲线重合度越高，串谋的可能性越大。
[0050]
[0051] 式中：V(λ)为单个购电企业的申报价、申报量占比曲线；λ为申报量占比占比；ρ代表申报信息相似度。
[0052] 3)市场份额
[0053]
[0054] 式中：qi表示第i个购电企业的申报量。
[0055] (2)构建特征云
[0056] 特征云的参数以电价绝对值模式进行设定，表中价格的单位均为元/兆瓦时。
[0057]编号 特征集 特征云(Ex，En，He) 隶属度计算公式类型
P1 平均报价(高) (405,1.667,0.280) 上限型
P2 平均报价(低) (397.3,0.35,0.02) 下限型
P3 最后一段报价(低) (397.1,0.35,0.110) 下限型
P4 最后一段申报电量占比(低) (0.1,0.05,0.005) 正态型
P5 市场份额(高) (0.16,0.03,0.002) 上限型
P6 申报信息相似度(高) (0.02,0.17,0.01) 下限型
[0058] (3)特征隶属度计算
[0059] 正态云模型可表示为由三个数字特征构成的元组(Ex，En，He)。其中：Ex是云模型的期望，是隶属度为1的点；En是云模型的熵，熵越大，评价等级边界的模糊性越大；He是云模型的超熵，超熵越大，评价等级边界的随机性越大。
[0060] 设有n个样本已确定为属于某一潜在危害行为，Xi表示第i个样本的特征值。
[0061] 则逆向云发生器算法如下：
[0062]
[0063]
[0064]
[0065] 将待识别对象的特征值带入特征云即可计算待识别对象对该特征的隶属度即相似测度，云模型计算公式包括如下四个。
[0066] 1)上限型云模型
[0067]
[0068] 式中：ui是待识别对象对第i个特征的隶属度；x为待识别对象的第i个特征值。
[0069] 2)正态型云模型
[0070]
[0071] 3)下限型云模型
[0072]
[0073] 4)适度型云模型
[0074]
[0075] 式中：cmax与cmin分别表示可以判定隶属度为1的特征值的边界值。
[0076] 由于云模型存在随机性，每一次计算结果均有差异，我们称一次计算结果为一个云滴，所有计算结果构成一个云团。
[0077] 综合所有计算结果，计算隶属度的期望值：
[0078]
[0079] 式中： 代表第i个特征隶属度的期望值；uij代表第i个特征、第j个云滴的隶属度；m为云滴总数，暂取500。
[0080] (4)行为隶属度测算
[0081] 计算行为隶属度时应用模糊Petri网算法，推理过程中需要用到如下几个算子，计算方法如下：
[0082] 算子 A、B、C为m×n矩阵，则cij＝max(aij,bij)。
[0083] 算子 D、E分别为n×q、m×q矩阵，则
[0084] 算子⊙：A⊙B＝C，则cij＝aij×bij。
[0085] 算子 则
[0086] β、 均为n维向量，1n为元素全为1的n维向量。
[0087] 过程1：输入参数
[0088] ① 其中 为p1—p6的初始状态值，来源于云模型计算出的6个特征隶属度；p7—p10，分别代表“搭便车”、“钓鱼”、暴利定价、串谋四种潜在危害行为，初始状态值为0，经过计算后的最终状态值即为该行为隶属度。
[0089] ②U，
[0090] ③I，
[0091] ④O，
[0092] ⑤Th，Th＝[0.6,0.6,0.6,0.6]T
[0093] 若市场主体的报价段数为1段，钓鱼行为不做考虑。此时上述参数作如下调整：
[0094] 1、θ0中去掉
[0095] 2、U去掉第2行、第2列
[0096]
[0097] 3、I去掉第2行、第3列、第4列、第8列
[0098]
[0099] 4、O去掉第2行、第3列、第4列、第8列
[0100]
[0101] 5、Th去掉第2列
[0102] Th＝[0.6,0.6,0.6]T
[0103] 过程2：循环推理
[0104] 第k+1次推理过程如下：
[0105] a.转化库所状态的表达
[0106]
[0107] 式中： 表示库所为假的可信度。
[0108] b.变迁合成输入可信度的计算
[0109]
[0110] 式中：Fk+1是m维列向量，表示规则为真的可信度。
[0111] c.比较合成输入可信度与变迁阈值
[0112]
[0113] 式中：Gk+1是m维列向量，属于中间变量。
[0114] d.输出可信度的计算
[0115] Hk+1＝Fk+1⊙Gk+1
[0116] e.库所新状态的生成
[0117]
[0118] θ1与θ0不相等，则继续按照上述步骤进行计算，直到当θk+1＝θk时，推理结束。
[0119] 综上，模糊推理过程可以总结为以下步骤：①输入输入矩阵、初始状态，令推理次数k＝0；②根据计算公式计算合成输入可信度、中间变量与输出可信度；③计算库所的新状态θk+1；④比较新状态θk+1与旧状态θk，若相等则推理结束，若不相等，令k＝k+1并返回步骤②。
[0120] 过程3：输出结果
[0121] 输出θk里面P7到p10的值，就是4种行为的隶属度。高于0.6阈值的疑似失信行为需要进行进一步审核。
[0122] 步骤4：对上述步骤中得出的疑似失信行为进行人工核实，根据预警指标的识别结果确定其严重程度，核实后，针对不同的预警结果采取不同的措施：
[0123] (1)当市场主体在单次交易中的失信行为隶属度大于0.6时，向该市场主体提供相应的识别依据，发出警告通知，并扣减其信用评分。
[0124] (2)当市场主体在单次交易中的失信行为隶属度大于0.85或者连续三次交易中的失信行为隶属度均大于0.6时，向该市场主体提供相应的识别依据，并进行约谈，并将其信用等级下调一级。
[0125] (3)当市场主体在连续三次交易中的失信行为隶属度均大于0.85时，将该市场主体列入失信名单，形成失信黑名单建议，提交市场管委会认定、报送政府审核。对于经政府审核列入黑名单的市场主体，可以根据相关规定强制其退出市场。
[0126] 从上述评价方法可知，运用本发明对售电公司的财务状况及其交易行为进行评价，能够提供一套综合考虑交易行为的信用评价方法，整个评价方法思路清晰，适合推广使用。
[0127] 另外，本领域技术人员还可在本发明精神内作其它变化，当然这些依据本发明精神所作的变化，都应包含在本发明所要求保护的范围内。
