本公开涉及电力，尤其涉及一种电力用户欠费风险的预警方法及相关设备。
背景技术：
1、电费能否按时按量地足额回收，关系到供电企业的资金回笼，是电网企业持续健康发展的重要保证。而随着近年来经济运行进入新常态，很多企业面临转型压力，在多重因素综合影响下，用户面临产量下降、销售困难等问题，从而进一步增大了电费回收风险，造成电力公司经营损失，严重影响了电网企业的正常生产运营，难以保证为客户提供优质的服务和不间断的电能，从而在一定程度上影响了社会经济发展和人民生活质量的提高。因此，电费能否按时按量地足额回收，关系到供电企业的资金回笼，是企业持续健康发展的重要保证。
技术实现思路
1、有鉴于此，本公开的目的在于提出一种电力用户欠费风险的预警方法及相关设备。
2、基于上述目的，本公开提供了一种电力用户欠费风险的预警方法，包括：
3、获取目标用户的第一特征数据；
4、处理所述第一特征数据，得到第二特征数据；
5、根据预设的第一模型和所述第二特征数据，确定所述目标用户的欠费概率；
6、基于预设的预警规则和所述欠费概率，确定所述目标用户的欠费风险并提示；其中，所述第一特征数据包括行业售电量预测数据；
7、所述第一模型为经过训练的机器学习算法模型。
8、基于同一发明构思，本公开实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任意一项所述的预警方法。
9、基于同一发明构思，本公开实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行上述任一所述的预警方法。
10、从上面所述可以看出，本公开提供的一种电力用户欠费风险的预警方法及相关设备，通过目标用户的第一特征数据和预测的预设的第一模型，确定所述目标用户的欠费概率；基于预警规则和所述欠费概率，确定所述目标用户的欠费风险并提示；其中，所述第一特征数据包括行业售电量预测数据；所述第一模型为经过训练的机器学习算法模型。借助这样的技术方案，使得行业售电量预测数据参与用户的欠费风险分析，提升用户欠费风险的预测精准性。
1.一种电力用户欠费风险的预警方法，其特征在于，包括：
2.根据权利要求1所述的预警方法，其特征在于，所述行业售电量预测数据包括基于存量容量的预测数据；
3.根据权利要求2所述的预警方法，其特征在于，所述第二模型基于历史经济指标、历史行业有效小时数以及经济指标和行业售电量关系，利用预设回归算法构建得到；其中，所述经济指标和行业售电量关系基于k-l信息量法确定。
4.根据权利要求2所述的预警方法，其特征在于，所述行业售电量预测数据还包括基于业扩容量的预测数据；所述第一模型对应的周期为月；
5.根据权利要求4所述的预警方法，其特征在于，所述基于所述第一有效小时数预测值以及所述第二比例，确定第二有效小时数预测值，包括：
6.根据权利要求1所述的预警方法，其特征在于，所述第一模型通过用户数据集，对预设的机器学习算法进行训练得到；其中，所述用户数据集包括正常用户和风险用户；其中，所述风险用户的数据通过预设过采样方法增加得到。
7.根据权利要求1所述的预警方法，其特征在于，所述第一特征数据还包括政策环境特征数据；至少部分所述政策环境特征数据基于所述目标用户的行业确定。
8.根据权利要求1所述的预警方法，其特征在于，所述机器学习算法选自梯度提升决策树算法或随机森林。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，其特征在于，所述处理器在执行所述计算机程序时实现根据权利要求1至8中任意一项所述的预警方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行根据权利要求1至8中任意一项所述的预警方法。
