曾艷秋，劉煒娜，袁少良

(1. 集美大學(xué) 誠毅學(xué)院，福建 廈門 361021;2. 江西理工大學(xué) 期刊社，江西 贛州 341000;3. 宜春學(xué)院 數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院，江西 宜春 336000)

為標(biāo)準(zhǔn)差;則第j 個(gè)指標(biāo)的變異系數(shù)權(quán)重定義為:

電力市場條件下，電力企業(yè)面臨著電力客戶信用問題帶來的經(jīng)營風(fēng)險(xiǎn)，電力客戶信用水平直接關(guān)系到電力企業(yè)的收益水平和智能電網(wǎng)建設(shè)的可持續(xù)發(fā)展能力問題，而且關(guān)系到市場經(jīng)濟(jì)的有序發(fā)展。［1－3］由于電力企業(yè)客戶信用評價(jià)問題涉及多個(gè)評價(jià)指標(biāo)，因而是一個(gè)復(fù)雜的決策問題. 為此很多學(xué)者基于多屬性決策理論，發(fā)展了一些電力企業(yè)客戶評價(jià)方法。文獻(xiàn)［1］提出了電力客戶信用評價(jià)模型的基于熵權(quán)改進(jìn)的密切值法，并針對不同信用水平客戶提出了差異化服務(wù)策略;文獻(xiàn)［2］利用模糊綜合評判方法確定客戶信用等級，并針對不同信用等級的客戶設(shè)置相應(yīng)的獎懲措施，從而提高企業(yè)經(jīng)營效益;文獻(xiàn)［4］通過建立基于多種單一評價(jià)法電力系統(tǒng)客戶信用的組合評價(jià)模型對客戶信用進(jìn)行綜合評級，并在實(shí)際應(yīng)用中證實(shí)了該系統(tǒng)獲得了較為滿意的應(yīng)用效果;文獻(xiàn)［5］采用層次分析法(AHP)對電力行業(yè)客戶信用進(jìn)行評價(jià);文獻(xiàn)［6］將客戶信用評價(jià)中的定性指標(biāo)，首先轉(zhuǎn)化為三角模糊數(shù)然后提出了一種基于三角模糊數(shù)的電力客戶信用評價(jià)法;文獻(xiàn)［7］運(yùn)用基于熵權(quán)改進(jìn)的TOPSIS 法對電力行業(yè)客戶信用進(jìn)行評價(jià);文獻(xiàn)［8］提出了大電力客戶信用評價(jià)的物元評價(jià)法。傳統(tǒng)的TOPSIS 法綜合評價(jià)值不能反映與理想最優(yōu)方案的真實(shí)接近程度。［9，10］文獻(xiàn)［9］提出了改進(jìn)的TOPSIS 決策法(MTOPSIS 法)，可以克服TOPSIS 法的上述不足，是一個(gè)較好的決策方法。為此，本文將在M－TOPSIS 法的基礎(chǔ)上建立電力企業(yè)客戶信用評價(jià)多屬性決策模型，為電力企業(yè)客戶評價(jià)提供參考。

1 基于M－TOPSIS 法的電力企業(yè)客戶信用評價(jià)模型步驟

步驟1. 針對電力企業(yè)客戶信用評價(jià)，設(shè)X ={x1，x2，…，xm}是m 個(gè)電力企業(yè)客戶的集合，O ={o1，o2，…，on}是所選擇的評價(jià)指標(biāo)集合。設(shè)aij表示待評價(jià)客戶xi在評價(jià)指標(biāo)oj下的評估值，建立多屬性決策矩陣A = (aij)m×n。

步驟2. 由于指標(biāo)權(quán)重在評價(jià)問題中占有重要的作用，不同的指標(biāo)權(quán)重往往會導(dǎo)致不同的排序結(jié)果，而為客觀地評價(jià)電力客戶信用評價(jià)問題，本文采用變異系數(shù)法確定指標(biāo)權(quán)重:［11］

為標(biāo)準(zhǔn)差;則第j 個(gè)指標(biāo)的變異系數(shù)權(quán)重定義為:

步驟4. 確定理想點(diǎn)和負(fù)理想點(diǎn):

步驟5. 分別計(jì)算方案xi到正理想解x*和負(fù)理想解x－的距離:

取c(xi，x2)值較小的評價(jià)對象為較優(yōu)，也就是當(dāng)評價(jià)方案與最優(yōu)參照點(diǎn)x1 距離相等的情況下，選擇與次優(yōu)參照點(diǎn)x2 相對距離較近的點(diǎn)為較優(yōu)。

2 實(shí)例分析

利用文獻(xiàn)［6］某供電企業(yè)客戶信用評價(jià)的實(shí)例說明本方法的有效性和實(shí)用性。設(shè)有3 個(gè)待評價(jià)客戶x1，x2和x3，采用的11 個(gè)評價(jià)指標(biāo):企業(yè)形象(o1)、法人代表品德(o2)、經(jīng)營業(yè)務(wù)市場前景(o3)、資產(chǎn)負(fù)債率(% )(o4)、盈利額(萬)(o5)、付電費(fèi)比率(%)(o6)、凈資產(chǎn)收益率(%)(o7)、總資產(chǎn)凈利率(%)(o8)、安全信用指標(biāo)(o9)、法律信用指標(biāo)(o10)和合作信用指標(biāo)(o11)。除資產(chǎn)負(fù)債率為成本型指標(biāo)外其他均為效益型指標(biāo)。并且對于定性指標(biāo)，其指標(biāo)評價(jià)值首先利用語言短語給出，然后采用轉(zhuǎn)換成數(shù)值型指標(biāo)，規(guī)定:好(10 分)，一般(6 分)，差(2 分)。得到電力企業(yè)客戶信用評價(jià)決策矩陣如下表1。

表1 客戶信用評價(jià)決策矩陣

下面用本文的方法對五個(gè)備選企業(yè)的信用進(jìn)行排序，具體實(shí)現(xiàn)步驟如下:

Step1. 利用變異系數(shù)法確定指標(biāo)權(quán)重向量:

w = (w1，w2，…，w11)= (0.1866，0.0882，0.2771，0.0494，0.0231，0.0009，0.0751，0.0351，0.0882，0.0882，0.0882)

Step2.利用線性變換法得到的規(guī)范化決策矩陣為:

Step3. 通過上節(jié)步驟4 到6，得到最優(yōu)參考方案x1 = (D+，D－)= (0.3663，0.6338)。則備選方案xi與最優(yōu)參考方案x1 的歐氏距離分別為:

d(x1，x1)= 0.5734，d(x2，x1)= 0，d(x3，x1)=0.4434

Step4. 按照d(xi，x)越小方案越優(yōu)的原則得到該企業(yè)客戶信用排序結(jié)果為:x2最高，x3次之，x1最低。此結(jié)論與文獻(xiàn)［6］的結(jié)論相同。

3 結(jié)論

電力客戶評價(jià)問題實(shí)質(zhì)上是一個(gè)多屬性決策問題，為此本文在多屬性決策法M－TOPSIS 基礎(chǔ)上發(fā)展出一套新的電力客戶信用評價(jià)方法。該評價(jià)方法中采用變異系數(shù)法來客觀的確定各指標(biāo)的權(quán)重，消除主觀定權(quán)的主觀偏好及不確定性。基于M－TOPSIS 法的評價(jià)方法操作簡便，易于軟件實(shí)現(xiàn)，可為電力及其他行業(yè)客戶信用評價(jià)提供參考。

［1］趙建華，劉宏志，薛松，等. 基于熵權(quán)密切值客戶信用評價(jià)的電力營銷智能化體系［J］. 水電能源科學(xué)，2011，29(7):174－177.

［2］任保瑞. 基于模糊綜合評判的電力客戶信用評價(jià)［J］. 現(xiàn)代電力，2011，28(4):90－94.

［3］彭萬里，宋昱. 淺談電力客戶信用管理體系的建設(shè)［J］. 中國經(jīng)貿(mào)，2012，(22):35.

［4］李頻. 電力客戶信用評價(jià)系統(tǒng)的設(shè)計(jì)及實(shí)現(xiàn)［J］. 測控技術(shù)，2010，29(7):98－102.

［5］劉新才，曾鳴，黃琰. 基于層次分析法的電力客戶信用風(fēng)險(xiǎn)評價(jià)［J］. 電力需求側(cè)管理，2005，7(6):19－21.

［6］李翔，楊淑霞，黃陳鋒. 基于模糊多屬性決策法的用電客戶信用評價(jià)［J］. 電網(wǎng)技術(shù)，2004，28(21):55－59.

［7］劉承水. 電力行業(yè)客戶信用主客觀評價(jià)與分析［J］. 中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2009，(3):60－65.

［8］周凱，栗秋華，周林，等. 基于物元分析理論的大電力客戶信用評價(jià)［J］. 電網(wǎng)技術(shù)，2009，(16):75－80.

［9］王一任，任力鋒，陳麗文，等. 一種新的改良TOPSIS 法及其醫(yī)學(xué)應(yīng)用［J］. 中南大學(xué)學(xué)報(bào)(醫(yī)學(xué)版)，2013，38(2):196－201.

［10］趙萌，邱菀華，劉北上. 基于相對熵的多屬性決策排序方法［J］. 控制與決策，2010，25(7):1098－1100.

［11］門寶輝，梁川. 基于變異系數(shù)權(quán)重的水質(zhì)評價(jià)屬性識別模型［J］. 哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2005，37(10):1373－1375.