电费回收管理一直是供电企业的工作重点,通常供电企业采用先用电后交费的规则来管理,因而存在电费回收周期长、催费措施落后等问题,这些问题长期困扰着供电企业。此外,缺少有效的欠费回收风险分析手段,未建立差异化风险防控策略。目前只能通过人工或系统的分析工具单一的识别电费回收风险,一方面未根据客户的基本情况、行业特征、行为特点等信息进行全方位融合分析,无法精确甄别高风险客户。另一方面由于风险防范的时间点相对滞后,没有形成事前的标准化预警机制,导致难以及时制定针对性的防控措施,加大了企业的运营风险。为了有效提高欠费风险控制能力,精准预测欠费风险,基于用电客户的海量历史数据信息,借助大数据分析技术与犹豫直觉模糊集,建立集评价与预测一体化的欠费管理方法,即基于犹豫直觉模糊层次分析法(HIFAHP)的电力客户欠费风险评价与预测模型。该方法能够高效准确的识别欠费高风险客户,从而帮助供电企业制定催费措施,提高回收率。本文的主要研究成果如下:1)基于供电企业电费回收管理情况和相关行业风险评价理论,将电力客户分为两大类,根据两类客户特点分别构建电力客户欠费风险评价指标体系,并给出每项指标的计算定义。2)针对电力系统中的欠费问题,结合犹豫直觉模糊集与层次分析法,提出了HIFAHP方法。在该方法中,构造了犹豫直觉判断矩阵。提出了犹豫直觉判断矩阵的一致性检验方法以及非一致性犹豫直觉判断矩阵的修正方法。利用正态分布赋权法和位置权重确定属性权重,进而计算犹豫直觉模糊矩阵的得分函数,对电力客户欠费风险进行评价。3)在电力客户欠费风险评价和国网大数据平台软件资源的基础上,根据两类电力客户的特点,运用Logistic回归算法和决策树算法分别对第一类电力客户和第二类电力客户欠费风险进行预测。以四家电力客户为实际应用背景,在电力客户欠费风险评价指标体系的基础上,建立多属性评价矩阵并计算犹豫直觉模糊决策矩阵的得分函数,从而判断出高风险电力用户。接着利用Logistic回归算法和决策树算法预测了第一类电力客户和第二类电力客户的欠费风险,根据预测的结果采取相应的措施可大大提高电费的回收效率。说明了该指标体系及其预测模型的可行性和有效性。