摘要：建立完善的售電公司信用評價體系，有助于規(guī)范電力市場交易、提高電力市場的機(jī)制建設(shè)和行業(yè)管理水平。將核主成分分析法和物元可拓理論相結(jié)合，構(gòu)建 KPCA-MEE 售電公司信用評價模型。在所設(shè)計(jì)的售電公司信用評價指標(biāo)體系基礎(chǔ)上，采用核主成分分析法實(shí)現(xiàn)指標(biāo)體系降維并確定指標(biāo)權(quán)重，可有效避免主成分分析法中因各指標(biāo)貢獻(xiàn)率過度分散而影響評價效果的弊端。然后應(yīng)用物元可拓理論對售電公司進(jìn)行信用等級評價，解決評價對象的模糊性、不確定性問題，為等級評價提供可靠依據(jù)。基于4家售電公司的運(yùn)營數(shù)據(jù)進(jìn)行算例分析，計(jì)算結(jié)果證明該模型的有效性和合理性。

關(guān)鍵詞：電力市場;信用評價;核主成分分析;物元可拓;售電公司

0 引言

隨著中國電力體制改革的加速推進(jìn)，電力市場化競爭逐步加劇，出現(xiàn)了售電公司這類新型電力市場主體。目前國內(nèi)尚無對售電公司信用進(jìn)行科學(xué)評價的方法，建立完善的售電公司信用評價體系，能夠?yàn)殡娏τ脩暨x擇售電公司提供標(biāo)準(zhǔn);

確保輸供電平衡、激發(fā)售電公司提升自身的售電服務(wù)水平;在規(guī)范電力市場交易、維護(hù)電力市場穩(wěn)定性等方面具有積極意義;能夠提高電力市場的機(jī)制建設(shè)和行業(yè)管理水平。因此，亟須構(gòu)建科學(xué)合理的售電公司信用評價體系。

目前，國內(nèi)電力市場主體信用評價的研究對象主要是電力用戶 [1-2] ，尚無針對售電公司的信用評價研究，但評價模型是通用的，可以通過其他主體信用評價指標(biāo)和方法，進(jìn)而構(gòu)建售電公司信用評價模型。現(xiàn)行的主要評價方法有模糊綜合評價 [3] 、理想解法 [4] 等，但上述方法無法解決評價信息重復(fù)或計(jì)算過程復(fù)雜等問題，物元可拓 (matter-element extension, MEE) 理論能夠兼顧不確定性和模糊性，又能體現(xiàn)出評價指標(biāo)對兩級級別的差異及統(tǒng)一級別內(nèi)部的不同狀態(tài)，已經(jīng)應(yīng)用到了產(chǎn)品質(zhì)量評價 [5] 和產(chǎn)業(yè)安全評價 [6] 等領(lǐng)域，并取得較好的評價效果。因此，本文嘗試將物元可拓評價方法運(yùn)用到售電公司信用評價研究中，但售電公司信用評價指標(biāo)之間存在多重相關(guān)性，冗余指標(biāo)數(shù)據(jù)會損害模型的仿真能力，直接運(yùn)用物元可拓模型開展售電公司信用評價會產(chǎn)生一定誤差，因此，需要使用一種特征提取方法以準(zhǔn)確提取變量間的重要信息特征。同時，原始數(shù)據(jù)中存在非線性屬性，采用傳統(tǒng)特征提取方法可能會出現(xiàn)較大偏差，核主成分分析 (kernel principal componentanalysis，KPCA) 是一種非線性主成分評價模型，能更有效地處理變量間的非線性關(guān)系，廣泛應(yīng)用于特征提取研究 [7] ，因此，本文將 KPCA 和 MEE相結(jié)合對售電公司進(jìn)行信用評價。

本文設(shè)計(jì)售電公司信用評價指標(biāo)體系和指標(biāo)分級標(biāo)準(zhǔn);構(gòu)建 KPCA-MEE 售電公司信用綜合評價模型，利用核主成分分析法實(shí)現(xiàn)指標(biāo)降維，并應(yīng)用 MEE 模型完成售電公司信用評價。以 4 家售電公司為案例進(jìn)行算例分析，驗(yàn)證 KPCA-MEE 售電公司信用綜合評價模型的有效性。

1 售電公司信用評價指標(biāo)體系設(shè)計(jì)

1.1 售電公司信用評價指標(biāo)體系

建立售電公司信用評價模型的首要環(huán)節(jié)是構(gòu)建科學(xué)合理的信用評價指標(biāo)體系，通過監(jiān)測和分析相關(guān)指標(biāo)反映售電公司的信用情況。根據(jù)《售電企業(yè)及電力大用戶信用評價指標(biāo)體系(試行)》，以如下原則構(gòu)建售電公司信用評價指標(biāo)體系。

(1)科學(xué)性原則：選取的指標(biāo)能夠通過觀察、統(tǒng)計(jì)、評議等方式得到明確的定性或定量結(jié)論 [8] 。

(2)系統(tǒng)性原則：指標(biāo)體系要盡可能涵蓋售電公司信用情況的特征，并形成系統(tǒng)，指標(biāo)既要有相關(guān)性、層次性，也要有整體性，要能夠全面地評價售電公司的信用情況。

(3)定性與定量相結(jié)合的原則：售電公司的信用評價指標(biāo)體系需要根據(jù)不同評價內(nèi)容的特點(diǎn)采用不同性質(zhì)的評價指標(biāo)，能更準(zhǔn)確地反映電力客戶信用的現(xiàn)狀和趨勢。

(4)簡約性原則：體現(xiàn)售電公司的守信能力與意愿的內(nèi)容十分繁雜，為保證評價體系的有效性，指標(biāo)應(yīng)具有高概括力，從而反映最重要的特征 [9] 。

依據(jù)上述原則和行業(yè)試行標(biāo)準(zhǔn)，確定售電公司信用評價指標(biāo)體系，如表 1 所示。其中，一級指標(biāo)包含基本條件、守信能力、守信意愿、守信表現(xiàn)、財(cái)務(wù)狀況、信用記錄 6 項(xiàng)。該指標(biāo)體系利用 17 個二級指標(biāo) [10-11] 和 28 個三級指標(biāo)合理地體現(xiàn)售電公司的技術(shù)水平、經(jīng)濟(jì)水平、守信水平，對企業(yè)信用評價具有重要影響的因素。

1.2 指標(biāo)分級標(biāo)準(zhǔn)

根據(jù)各指標(biāo)值的歷史數(shù)據(jù)和專家意見，對各個指標(biāo)進(jìn)行信用等級劃分及取值范圍規(guī)定。售電公司信用評價指標(biāo)分級標(biāo)準(zhǔn)如表 2 所示，其中基礎(chǔ)信息、企業(yè)資質(zhì)、基礎(chǔ)管理、產(chǎn)品品牌指標(biāo)、營銷能力、設(shè)備技術(shù)能力、信用管理、制度規(guī)范、交易管理、合同履行、電力調(diào)度管理的三級指標(biāo)(除交易電量、設(shè)備完好率外)均由德爾菲法決定：定性指標(biāo)采用 50 分制和百分制，0 分為條件最差，根據(jù)行業(yè)專家打分情況取均值，作為

定性指標(biāo)的最終指標(biāo)值。

2 售電公司信用綜合評價模型

2.1 核主成分分析法

核主成分分析是一種非線性主成分評價模型，可有效地處理變量間的非線性關(guān)系，廣泛應(yīng)用于多指標(biāo)的綜合評價中 [12-13] ，相比主成分分析能夠取得更合理的指標(biāo)約簡結(jié)果。該方法可以將大量指標(biāo)變量中包含的信息壓縮為少數(shù)能反映原有信息特征的綜合變量指標(biāo)，通過對綜合變量指標(biāo)的分析，處理變量之間的非線性關(guān)系，同時保證原有數(shù)據(jù)信息量的丟失達(dá)到最小化 [14] ，其基本步驟如下。

之后可以運(yùn)用傳統(tǒng)主成分分析中提取主成分的方法計(jì)算某一數(shù)據(jù)點(diǎn)在特征向量上的投影，最終求出該點(diǎn)的核主成分。

2.2 物元可拓模型

物元可拓模型是通過建立目的物元、條件物元、對象物元和關(guān)系元，利用物元可拓集和關(guān)聯(lián)函數(shù)定量分析矛盾問題的方法，其理論基礎(chǔ)是把評價指標(biāo)體系及其特征值作為物元，利用評價級別和實(shí)際數(shù)據(jù)來表示經(jīng)典域、節(jié)域，并計(jì)算出關(guān)聯(lián)度，最終形成定量的綜合評價方法 [15] 。該方法由于能夠有效抓住關(guān)鍵策略，最大限度地滿足主系統(tǒng)、將不相容的矛盾轉(zhuǎn)化為相容關(guān)系，從而實(shí)現(xiàn)全局性最佳決策目標(biāo)，被廣泛應(yīng)用于評價領(lǐng)域 [16-18] ，且評價性能表現(xiàn)良好。模型具體計(jì)算步驟如下。

(1)確定同征物元體和物元矩陣。物元 R 是以事物 、特征 及事物關(guān)于該特征的量值所組成的三元組，記作

售電公司信用評價模型中售電公司的信用情況代表物元 [19] 。若一個事物U需要n個特征

其相應(yīng)的量值用

來描述，則為n維物元，可用物元矩陣為

2.3 構(gòu)建 KPCA-MEE 售電公司信用評價模型

K P C A - M E E 模 型 利 用 核 主 成 分 分 析 法(KPCA)對指標(biāo)進(jìn)行降維，并應(yīng)用 MEE 模型分析售電公司信用水平。應(yīng)用該模型評價售電公司信用的流程如圖 1 所示。

3 算例分析

3.1 KPCA 分析

(1)樣本數(shù)據(jù)采集。以 4 家售電公司(分別為 ZG 電氣、HR 電力、Y 電力、NMH 電)經(jīng)處理后的運(yùn)營數(shù)據(jù)為樣本進(jìn)行算例實(shí)證分析，應(yīng)用上文所構(gòu)建的售電公司信用評價指標(biāo)體系，采用KPCA-MEE 模型進(jìn)行綜合評價。為保證模型適用性，樣本企業(yè)中包含了獨(dú)立的售電公司、由發(fā)電集團(tuán)企業(yè)內(nèi)部組建的售電公司等多種不同性質(zhì)的售電公司。具體數(shù)據(jù)如表 3 所示。

(2)該售電公司的信用評價指標(biāo)體系中，部分指標(biāo)值越小代表風(fēng)險越小，部分指標(biāo)越大代表信用水平越低，為排除各個評價指標(biāo)值量綱和數(shù)量級的不同對結(jié)果造成的影響，首先需要對售電公司各信用評價指標(biāo)和評價的等級標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行預(yù)處理。

(3)選取多項(xiàng)式為本試驗(yàn)的核函數(shù)，取值為 s=0.000 015，m = 0.03，d = 3，則

價，同時 4 個主元所對應(yīng)的貢獻(xiàn)率經(jīng)數(shù)據(jù)歸一化處理后即為 KPCA-MEE 評價模型中所應(yīng)用的指標(biāo)權(quán)重(0.574 754 53，0.256 402 47，0.106 286 061，0.062 556 939)。

3.2 MEE 物元可拓評價

利用通過 KPCA 法所得的綜合指標(biāo)及其權(quán)重，將處理后數(shù)據(jù)代入 MEE 評價模型中，計(jì)算關(guān)聯(lián)度結(jié)果如表 5 所示。

通過表 5 可以看出，ZG 電氣的信用水平對Ⅱ級的隸屬度高，為 0.091 465 594;HR 電力和Y 電力的信用水平對Ⅰ級的隸屬度高，分別為0.117 890 455 和 0.111 574 501;NMH 電的信用水平對Ⅳ級的隸屬度高，為 0.062 435 975。因此，4 個樣本售電公司中，NMH 電的信用等級最高，信用水平屬于Ⅳ級;HR 電力和 Y 電力的信用評級最低，都屬于Ⅰ級;ZG 電氣雖然擁有最大年售電量，但綜合考慮 ZG 電氣的市場交易行為表現(xiàn)，其信用水平并沒有被單一地評判為高級，而是處于Ⅱ級，屬于中下游水平。

該算例可證明，本文所構(gòu)建的模型不僅考慮了供電規(guī)模，更兼顧了供電可靠性、安全性等方面，能夠較為準(zhǔn)確合理地評價市場上各售電公司的信用等級，具有較高的準(zhǔn)確性和客觀性，對購電主體選擇交易對象具有較大的參考價值。同時可以進(jìn)一步說明經(jīng)過 KPCA 處理指標(biāo)之后進(jìn)行MEE 信用評價，能夠有效剔除冗雜信息并得到科學(xué)合理的評價結(jié)果，提升評價的準(zhǔn)確性和客觀性。

4 結(jié)語

本文將核主成分分析法和物元可拓模型結(jié)合起來，構(gòu)建了 KPCA-MEE 售電公司綜合信用評價模型，實(shí)現(xiàn)優(yōu)化售電公司信用評價指標(biāo)體系、客觀合理地評價售電公司信用水平的目標(biāo)。并應(yīng)用模型對 4 家售電公司的信用水平進(jìn)行評價，KPCA-MEE 售電公司綜合信用評價模型所得結(jié)果與現(xiàn)實(shí)情況一致，說明該模型具有較高的可靠性和合理性，可以為電力市場針對售電公司的選擇決策提供依據(jù)，在一定程度上維護(hù)電力市場穩(wěn)定平衡。

參考文獻(xiàn)：

趙琳, 張富春, 董興華, 等. 大電力客戶信用綜合評價體系研究[J].

電力科學(xué)與工程, 2016, 32(1): 31–36.

ZHAO Lin, ZHANG Fuchun, DONG Xinghua,et al. Research oncomprehensive assessment system of large electricity customercredit[J]. Electric Power Science and Engineering, 2016, 32(1):

31–36.[1]

王宇哲, 雷霞, 陳曉盛, 等. 基于 BP 神經(jīng)網(wǎng)絡(luò)電力大客戶信用等級評價研究[J]. 電力需求側(cè)管理, 2015, 17(5): 49–53.

WANG Yuzhe, LEI Xia, CHEN Xiaosheng, et al. Large powercustomer credit rating based on BP eural network[J]. Power DSM,

2015, 17(5): 49–53.

ZHU R, LIANG Q, ZHAN H. Analysis of aero-engine performance and ion based on fuzzy comprehensive evaluation[J]. Procedia Engineering, 2017, 174: 1202–1207.

[3]王敬敏, 孫艷復(fù), 康俊杰. 基于熵權(quán)法與改進(jìn) TOPSIS 法的電力企業(yè)競爭力評價[J]. 華北電力大學(xué)學(xué)報 (自然科學(xué)版), 2010, 37(6):61–64.

WANG Jingmin, SUN Yanfu, KANG Junjie. Evaluation of competitive of power enterprises based on entropy and improved

TOPSIS[J]. Journal of North China Electric Power University (Natural Science Edition), 2010, 37(6): 61–64.

[4]張勇剛, 張學(xué)偉, 高遠(yuǎn),等. 物元可拓法在烤煙感官質(zhì)量評價中的應(yīng)用[J]. 西北農(nóng)業(yè)學(xué)報, 2010, 19(10): 96–100.

ZHANG Yonggang, ZHANG Xuewei, GAO Yuan, et al. Application of matter-element extension in sensory quality evaluation of flue-cured tobacco[J]. Acta Agriculturae Boreali-Occidentalis Sinica,2010, 19(10): 96–100.

[5]李向東, 李南. 基于物元可拓分析的高新技術(shù)產(chǎn)業(yè)安全研究[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理, 2009, 30(2): 142–147.LI Xiangdong, LI Nan. The evaluation of security for hi-tech industry based on hierarchy method[J]. Science of Science and Management of S.&T., 2009, 30(2): 142–147.

[6]牛東曉, 馬天男, 王海潮,等. 基于 KPCA 和 NSGAⅡ優(yōu)化 CNN 參數(shù)的電動汽車充電站短期負(fù)荷預(yù)測[J]. 電力建設(shè), 2017, 38(3):85–92.

NIU Dongxiao, MA Tiannan, WANG Haichao, et al. Short-term load foreing of electric vehicle ging station based on KPCA and CNN parameters optimized by NSGAⅡ[J]. Electric Power Construction, 2017, 38(3): 85–92.

[7]彭張林, 張愛萍, 王素鳳,等. 綜合評價指標(biāo)體系的設(shè)計(jì)原則與構(gòu)建流程[J]. 科研管理, 2017, 38(S1): 209–215.

PENG Zhanglin, ZHANG Aiping, WANG Sufeng, et al. Designing principles and constructing processes of the comprehensive evaluation indicator system[J]. Science Research Management, 2017,38(S1): 209–215.

[8]李菁苗, 吳吉義, 章劍林,等. 電子商務(wù)環(huán)境下中小企業(yè)信用評價[J]. 系統(tǒng)工程理論與實(shí)踐, 2012, 32(3): 555–560.

LI Jingmiao, WU Jiyi, ZHANG Jianlin, et al. Study on SMEs credit evaluation system in e-commerce environment[J]. System Engineering-Theory &Practice, 2012, 32(3): 555–560.

[9]郭宏. 創(chuàng)業(yè)板上市公司基于新指標(biāo)視角的發(fā)展能力評價模型及應(yīng)用研究[J]. 工業(yè)技術(shù)經(jīng)濟(jì), 2016, 35(12): 76–83.

GUO Hong. The development capability evaluation model based on the new index of GEM listing corporation application research[J].

[10]Journal of Industrial Technological Economics, 2016, 35(12): 76–83.鄭和忠, 魏長江, 王樹華. 基于主成分分析和核主成分分析的地震屬性優(yōu)化的研究[J]. 青島大學(xué)學(xué)報 (自然科學(xué)版), 2017, 30(3):76–80.

ZHENG Hezhong, WEI Changjiang, WANG Shuhua. Seismic attribute optimization research based on principal component analysis and kernel principal component analysis[J]. Journal of Qingdao

University(Natural Science Edition), 2017, 30(3): 76–80.

[11]呂蔚,王新峰, 孫智信. 基于核主成分分析的高校科技創(chuàng)新能力評價研究[J]. 國防科技大學(xué)學(xué)報, 2008, 30(3): 81–85.

LV Wei, WANG Xinfeng, SUN Zhixin. Application of the kernel principal component analysis method to university S&T innovation capability evaluation[J]. Journal of National University of Defense

Technology, 2008, 30(3): 81–85.

[12]JIANG L L, DENG Z Q, TANG S W. KPCA denoising and its application in machinery fault diagnosis[J]. Applied Mechanics&Materials, 2011, 103:274-278.

[13]杜卓明, 屠宏, 耿國華. KPCA 方法過程研究與應(yīng)用[J]. 計(jì)算機(jī)工程與應(yīng)用, 2010, 46(7): 8–10.

DU Zhuoming, TU Hong, GENG Guohua. KPCA method research and application process[J]. Computer Engineering and Applications,2010, 46(7): 8–10.

[14]李義超, 廖枝靈, 杜易成. 基于物元可拓模型的地方政府信用風(fēng)險評估及對策[J]. 經(jīng)濟(jì)經(jīng)緯, 2016, 33(4): 133–138.

LI Yichao, LIAO Zhiling, DU Yicheng. Local government credit risk assessment and ermeasures based on element extension model[J]. Economic Survey, 2016, 33(4): 133–138.

[15]何玉鈞, 劉毅, 周生平. 基于物元可拓模型的電力通信網(wǎng)風(fēng)險評估[J]. 電力系統(tǒng)保護(hù)與控制, 2017, 45(14): 64–69.

HE Yujun，LIU Yi，ZHOU Shengping. Risk evaluation for electric power communication network based on matter-element extensible model[J]. Power System Production and Control, 2017, 45(14):

64–69.

[16]張晶晶,馬傳明,匡恒,等. 青島市土壤重金屬污染的物元可拓評價[J]. 中國環(huán)境科學(xué), 2017, 37(2): 661–668.

ZHANG Jingjing, MA Chuanming, KUANG Heng, et al. Assessment of heavy metals pollution in soil of Qingdao based on matter-element extension model[J]. China Environmental Science, 2017, 37(2):661–668.

[17]林立. 基于物元可拓模型的中國地方政府融資平臺風(fēng)險研究[J].

經(jīng)濟(jì)理論與經(jīng)濟(jì)管理, 2012(5): 65–71.

LIN Li. Research on the risks of the local government financing platform based on entropy-weight and matter-element model[J].

Economic Theory and Business Management, 2012(5): 65–71.