一種風(fēng)險控制系統(tǒng)及方法
【專利摘要】本發(fā)明提出一種風(fēng)險控制系統(tǒng)及方法，用于對電力交易平臺中的交易數(shù)據(jù)進行風(fēng)險監(jiān)控，其方法包括以下步驟：(1)確定評估指標(biāo)體系，根據(jù)被評對象的性質(zhì)、特征及評價目的確定評估指標(biāo)體系，包括評估指標(biāo)的分類和層次、評估指標(biāo)的具體設(shè)置、評估標(biāo)準(zhǔn)的確定；(2)收集基礎(chǔ)數(shù)據(jù)，根據(jù)評估指標(biāo)的設(shè)置收集評價對象的相關(guān)數(shù)據(jù)，對指標(biāo)進行預(yù)處理；(3)權(quán)重確定，對指標(biāo)賦予權(quán)重；(4)綜合評價，對被評對象的各方面與總體信用狀況進行評分并劃分級別，以此反映出評價對象的信用風(fēng)險狀況。其有益效果為解決了現(xiàn)有的電力交易平臺中風(fēng)險監(jiān)控方法成本高、效果差的問題。
【專利說明】—種風(fēng)險控制系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及電力交易平臺的風(fēng)險控制領(lǐng)域，具體地涉及一種電力交易平臺的風(fēng)險控制系統(tǒng)及方法。
【背景技術(shù)】
[0002]一直以來的電力交易平臺，采用一些簡單的信息技術(shù)，遠遠跟不上新時代的自動化技術(shù)、信息技術(shù)、計算機技術(shù)尤其是智能技術(shù)的發(fā)展，處于智能技術(shù)的低級、簡單應(yīng)用，業(yè)務(wù)自動化程度不高、數(shù)據(jù)實時性不強，供電企業(yè)與用戶聯(lián)動、互動平臺未形成。
[0003]電力用戶既是企業(yè)最大的利潤來源，也是最大的風(fēng)險來源。電力企業(yè)要掌握用電用戶的信用狀況，首先要對用電用戶進行信用風(fēng)險評估，信用風(fēng)險評估將反映用電用戶信用狀況的各種特征加以綜合考慮，最后得到對用電用戶的信用綜合評價值?，F(xiàn)有信息風(fēng)險評估都是采用人工簡單加權(quán)各項指標(biāo)，得到一個粗略的評價值，不能很正確反映用戶的信用等級和質(zhì)量，其投入的成本高，效率低。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于提供一種基于神經(jīng)網(wǎng)絡(luò)的電力交易平臺的風(fēng)險控制系統(tǒng)，以解決現(xiàn)有的電力交易平臺中風(fēng)險監(jiān)控方法成本高、效果差的問題。
[0005]本發(fā)明的目的在于提供一種基于神經(jīng)網(wǎng)絡(luò)的電力交易平臺的風(fēng)險控制方法，以解決現(xiàn)有的電力交易平臺中風(fēng)險監(jiān)控方法成本高、效果差的問題。
[0006]為了達到上述目的，本發(fā)明采用以下技術(shù)方案:
[0007]—種電力交易平臺的風(fēng)險控制系統(tǒng)，用于對電力交易平臺中的交易數(shù)據(jù)進行風(fēng)險監(jiān)控，所述系統(tǒng)包括風(fēng)險監(jiān)控模塊(10)和電網(wǎng)交易平臺(5)，風(fēng)險監(jiān)控模塊(10)實時對電網(wǎng)交易平臺(5)中的交易數(shù)據(jù)進行風(fēng)險監(jiān)控，所述風(fēng)險監(jiān)控模塊(10)由信息采集單元(I)、訓(xùn)練單元(2)、存儲單元(3)和應(yīng)用單元(4)組成，訓(xùn)練單元(2)由信息輸入單元(21)和計算單元(22)組成，所述存儲單元(3)用于對訓(xùn)練單元(2)的結(jié)果進行存儲，存儲單元(3)中的網(wǎng)絡(luò)特征值提取單元(31)對網(wǎng)絡(luò)特征值進行提取，應(yīng)用單元(4)與存儲單元(3)相連，所述應(yīng)用單元(4)包括風(fēng)險評估模型(41)和風(fēng)險監(jiān)控單元(42)。
[0008]進一步地，所述電網(wǎng)交易平臺(5)中的風(fēng)險監(jiān)控單元(42)直接與風(fēng)險監(jiān)控模塊
(10)相連，對風(fēng)險監(jiān)控模塊(10)中的交易數(shù)據(jù)進行實時監(jiān)控，所述訓(xùn)練單元(2)以機器學(xué)習(xí)的方式構(gòu)建，通過信息采集單元(I)采集到信息輸入單元(21)中，再經(jīng)過計算單元(22)計算出用戶信任等級，通過網(wǎng)絡(luò)特征值提取單元(31)將訓(xùn)練單元(2)中的運算結(jié)果提取出來，把提取的網(wǎng)絡(luò)特征值存入存儲單元(3)中，存儲單元(3)中包括數(shù)據(jù)庫，將存儲單元(3)中的數(shù)據(jù)作為結(jié)果直接應(yīng)用于風(fēng)險評估模型(41)中，再通過風(fēng)險監(jiān)控單元(42)反饋給電網(wǎng)交易平臺(5)。
[0009]本發(fā)明還提出一種基于神經(jīng)網(wǎng)絡(luò)的電力交易平臺的風(fēng)險控制方法，用于對電力交易平臺中的交易數(shù)據(jù)進行風(fēng)險監(jiān)控，包括以下步驟:[0010](I)確定評估指標(biāo)體系，根據(jù)被評對象的性質(zhì)、特征及評價目的確定評估指標(biāo)體系，包括評估指標(biāo)的分類和層次、評估指標(biāo)的具體設(shè)置、評估標(biāo)準(zhǔn)的確定；
[0011](2)收集基礎(chǔ)數(shù)據(jù)，根據(jù)評估指標(biāo)的設(shè)置收集評價對象的相關(guān)數(shù)據(jù)，對指標(biāo)進行預(yù)處理；
[0012](3)權(quán)重確定，對指標(biāo)賦予權(quán)重；
[0013](4)綜合評價，對被評對象的各方面與總體信用狀況進行評分并劃分級別，以此反映出評價對象的信用風(fēng)險狀況。
[0014]進一步地，所述的綜合評價為一種基于RBF神經(jīng)網(wǎng)絡(luò)的電力用戶信用評級方法，其實施步如下:
[0015]步驟一:由評價模型確定RBF網(wǎng)絡(luò)的輸入輸出變量；
[0016]在RBF網(wǎng)絡(luò)中，輸入層到隱含層的基函數(shù)輸出是一種非線性映射，隱含層采用的是方程式(I)中的Gaussian徑向基函數(shù)，而輸出層采用線性激活函數(shù)；
[0017]步驟二:獲取樣本數(shù)據(jù)，建立RBF學(xué)習(xí)樣本數(shù)據(jù)；
[0018]步驟三:RBF網(wǎng)絡(luò)初始化:
[0019]初始化網(wǎng)絡(luò)權(quán)值，選取隱層節(jié)點數(shù)，輸入節(jié)點數(shù)5個，輸出節(jié)點數(shù)I個；確定評估的指標(biāo)體系，即將評估的指標(biāo)體系作為RBF神經(jīng)網(wǎng)絡(luò)的輸入向量，在信用評級中，設(shè)定系統(tǒng)由五個考察電力用戶信用狀況的主要因素構(gòu)成，分別為:kl、k2、k3、k4、k5，由此對應(yīng)于RBF神經(jīng)網(wǎng)絡(luò)的五個輸入量。
[0020]步驟四:由模糊聚類算法確定網(wǎng)絡(luò)基函數(shù)中心；
[0021]步驟五:確定RBF網(wǎng)絡(luò)的寬度參數(shù)σ ;
[0022]步驟六:由梯度下降法調(diào)整RBF網(wǎng)絡(luò)的權(quán)值:
[0023]所述權(quán)值采用主觀賦權(quán)法與客觀賦權(quán)法相結(jié)合，首先根據(jù)專家經(jīng)驗設(shè)置指標(biāo)權(quán)重，以此作為RBF神經(jīng)網(wǎng)絡(luò)權(quán)值的初始值，隨后再根據(jù)學(xué)習(xí)樣本不斷調(diào)整神經(jīng)網(wǎng)絡(luò)權(quán)值，達到學(xué)習(xí)優(yōu)化的目標(biāo)；
[0024]步驟七:由網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化算法確定隱層節(jié)點數(shù)；
[0025]步驟八:網(wǎng)絡(luò)訓(xùn)練完成，建立信用評估模型:
[0026]步驟八:由信用評價模型對用戶進行評級
[0027]信用評價將指標(biāo)與指標(biāo)的權(quán)重結(jié)合起來，采用神經(jīng)網(wǎng)絡(luò)計算出對評價對象的綜合評價值，以此作為衡量評價對象風(fēng)險的直接依據(jù)，采用加權(quán)評分法對用戶進行信用等級評價。
[0028]相對于現(xiàn)有技術(shù)，本發(fā)明的有益效果是:
[0029]本發(fā)明的有益效果是:本發(fā)明采用RBF網(wǎng)絡(luò)的方式來構(gòu)建用戶信任評級模型，可以將一些潛在的風(fēng)險因素納入模型的計算過程中，有效地提高電力易平臺的用戶質(zhì)量。并且，本發(fā)明以用戶信任評級模型的輸出是作為風(fēng)險規(guī)則的輸入，可以大大提高電力交易平臺的質(zhì)量，以及降低電力交易平臺整體的風(fēng)險損失。
[0030]1、本發(fā)明在監(jiān)控風(fēng)險數(shù)據(jù)的過程中，始終是將用戶信任評級模型的輸出作為風(fēng)險規(guī)則的輸入，而用戶信任評級模型不同的輸出可能會引用到不同的風(fēng)險判斷規(guī)則，這樣可以大大提高風(fēng)險監(jiān)控的效果。
[0031]2、本發(fā)明所用的用戶信任評級模型是計算機自主構(gòu)建的，相對于傳統(tǒng)以人工經(jīng)驗訓(xùn)練的用戶信任評級模型，可以避免模型中出現(xiàn)主觀性和片面性的因素，并以數(shù)據(jù)本身作為模型的構(gòu)建基礎(chǔ)，可以將一些潛在的風(fēng)險因素納入模型的計算過程中，有效地提高了風(fēng)險數(shù)據(jù)的攔截效率。
[0032]當(dāng)然，實施本發(fā)明的任一產(chǎn)品并不一定需要同時達到以上所述的所有優(yōu)點。
【專利附圖】

【附圖說明】
[0033]圖1為風(fēng)險控制系統(tǒng)及方法結(jié)構(gòu)圖；
[0034]圖2為電力信用評級流程圖；
[0035]圖3為基于RBF神經(jīng)網(wǎng)絡(luò)的電力用戶信用評級模型；以及
[0036]圖4為基于RBF神經(jīng)網(wǎng)絡(luò)的用電用戶信用評級方法的實施流程圖。
[0037]信息采集單元I ;信息輸入單元21 ;計算單元22 ;訓(xùn)練單元2 ；網(wǎng)絡(luò)特征值提取單元31 ;存儲單元3 ;風(fēng)險評估模型41 ;風(fēng)險監(jiān)控單元42 ;應(yīng)用單元4 ;電網(wǎng)交易平臺5 ;風(fēng)險監(jiān)控模塊10
【具體實施方式】
[0038]電力用戶既是企業(yè)最大的利潤來源，也是最大的風(fēng)險來源。電力企業(yè)要掌握用電用戶的信用狀況，首先要對用電用戶進行信用風(fēng)險評估，信用風(fēng)險評估將反映用電用戶信用狀況的各種特征加以綜合考慮，最后得到對用電用戶的信用綜合評價值。
[0039]本發(fā)明的風(fēng)險控制系統(tǒng)就是用來對電力交易中的交易行為進行監(jiān)控，過濾出具有風(fēng)險的用電用戶的信用評價數(shù)據(jù)，并返回給電力交易平臺，進行電力調(diào)價、停供等相應(yīng)處理，以避免電力企業(yè)的財產(chǎn)損失。本風(fēng)險控制系統(tǒng)既可以是單獨設(shè)立的一個服務(wù)器，也可以是集成在電力交易平臺中的一個附屬系統(tǒng)。
[0040]本發(fā)明的主要思想是在風(fēng)險控制系統(tǒng)及方法中引入信用評級模型，作為判斷風(fēng)險的數(shù)據(jù)基準(zhǔn)，并將用戶信任評級模型的計算結(jié)果輸出作為風(fēng)險規(guī)則的輸入，實現(xiàn)對電力交易過程中的風(fēng)險進行監(jiān)控。
[0041]下面結(jié)合附圖，具體說明本發(fā)明:
[0042]參見圖1，為本發(fā)明的風(fēng)險控制系統(tǒng)及方法結(jié)構(gòu)圖，此風(fēng)險控制系統(tǒng)及方法包括風(fēng)險監(jiān)控模塊(10)和電網(wǎng)交易平臺(5)，風(fēng)險監(jiān)控模塊(10)實時對電網(wǎng)交易平臺(5)中的交易數(shù)據(jù)進行風(fēng)險監(jiān)控，發(fā)現(xiàn)存在風(fēng)險的用戶數(shù)據(jù)。其中風(fēng)險監(jiān)控模塊(10)由信息采集單元(I)、訓(xùn)練單元(2)、存儲單元(3)和應(yīng)用單元(4)組成，訓(xùn)練單元(2)由信息輸入單元(21)和計算單元(22)組成，存儲單元(3)將訓(xùn)練單元(2)的得到的結(jié)果進行存儲，存儲單元(3)中的網(wǎng)絡(luò)特征值提取單元(31)對網(wǎng)絡(luò)特征值進行提取，應(yīng)用單元(4)為將存儲單元(3)中的數(shù)據(jù)進行應(yīng)用，包括風(fēng)險評估模型(41)和風(fēng)險監(jiān)控單元(42)。
[0043]在運行過程中，風(fēng)險監(jiān)控模塊(10)對電網(wǎng)交易平臺(5)中的交易數(shù)據(jù)進行實時監(jiān)控，并通過信用評級模型計算出交易數(shù)據(jù)的風(fēng)險等級。訓(xùn)練單元(2)以機器學(xué)習(xí)的方式構(gòu)建的，通過信息采集單元(I)中的采集入到信息輸入單元(21)中，再經(jīng)過計算單元(22)，計算出用戶信任等級，通過網(wǎng)絡(luò)特征值提取單元(31)將訓(xùn)練單元(2)中的運算結(jié)果提取出來，把提取的網(wǎng)絡(luò)特征值存入存儲單元(3)中，存儲單元(3)中包括數(shù)據(jù)庫，將存儲單元(3)中的數(shù)據(jù)作為結(jié)果直接應(yīng)用于風(fēng)險評估模型(41)中，再通過風(fēng)險監(jiān)控單元(42)反饋給電網(wǎng)交易平臺(5)，達到對用戶交易實時監(jiān)控的目的。
[0044]本風(fēng)險控制系統(tǒng)及方法將從以下幾個方面對電力用戶進行信任等級進行確定:
[0045]I)電力信用評級流程:
[0046]本發(fā)明的基于神經(jīng)網(wǎng)絡(luò)的風(fēng)險控制方法的信用評估的流程與步驟如下:
[0047](I)確定評估指標(biāo)體系。涉及用電用戶信用分析的信息非常廣泛，包括用戶的財務(wù)狀況、利潤狀況等。根據(jù)被評對象的性質(zhì)、特征及評價目的確定評估指標(biāo)體系，包括評估指標(biāo)的分類和層次、評估指標(biāo)的具體設(shè)置、評估標(biāo)準(zhǔn)的確定。
[0048](2)收集基礎(chǔ)數(shù)據(jù)。根據(jù)評估指標(biāo)的設(shè)置收集評價對象的相關(guān)數(shù)據(jù)，并根據(jù)“指標(biāo)變動方向一致性原則”與“指標(biāo)同量綱原則”對指標(biāo)進行預(yù)處理。
[0049](3)權(quán)重確定。采用科學(xué)賦權(quán)方法，結(jié)合各指標(biāo)自身的重要程度，對指標(biāo)賦予權(quán)重。
[0050](4)綜合評價。對被評對象的各方面與總體信用狀況進行評分并劃分級別，以此反映出評價對象的信用風(fēng)險狀況。
[0051]2)基于神經(jīng)網(wǎng)絡(luò)的電力用戶信用評級方法
[0052]徑向基函數(shù)(Radial basis function, RBF)神經(jīng)網(wǎng)絡(luò)具有結(jié)構(gòu)簡單收斂速度快便于實現(xiàn)以及較強的魯棒性等優(yōu)點，廣泛應(yīng)用于模式識別函數(shù)逼近及自動控制等領(lǐng)域。RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)通常分層:輸入層隱層和輸出層隱層節(jié)點由徑向基函數(shù)構(gòu)成，這類函數(shù)的特點是其反應(yīng)與中心節(jié)點的距 離單調(diào)遞減，即輸入矢量與徑向基函數(shù)(高斯函數(shù))中心的距離越小，隱節(jié)點的響應(yīng)越大，能將低維空間線性不可分問題映射到高維空間，使其在高維空間線性可分輸出層為線性層，完成對隱層空間模式的線性分類，提供了從隱層單元空間到輸出空間的線性變換。是指某種沿徑向?qū)ΨQ的標(biāo)量函數(shù)，通常定義為空間中任意一點到某一中心之間的歐幾里得距離的單調(diào)函數(shù)。最常用的徑向基函數(shù)為Gaussian函數(shù)。RBF神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖2所示，是一種三層前饋網(wǎng)絡(luò)，即輸入層、隱含層和輸出層。在RBF網(wǎng)絡(luò)中，輸入層到隱含層的基函數(shù)輸出是一種非線性映射，隱含層采用的是方程式(I)中的Gaussian徑向基函數(shù)，而輸出層采用線性激活函數(shù)。
(I2 N

U-c;.[0053]h) = exp -1-j~
^ ^ ^ ⑴
[0054]其中Ilj是第j個隱含層神經(jīng)元的輸出，X是輸入向量，Cj是隱層神經(jīng)元的中心，σ j是隱層神經(jīng)元中心的寬度參數(shù)。
[0055]為了較好地對電力用戶的信用狀況進行評級，本發(fā)明采用一種基于RBF神經(jīng)網(wǎng)絡(luò)的電力用戶信用評級方法，基于神經(jīng)網(wǎng)絡(luò)的風(fēng)險控制方法的實施步驟如圖3所示:
[0056]步驟一:由評價模型確定RBF網(wǎng)絡(luò)的輸入輸出變量；
[0057]在RBF網(wǎng)絡(luò)中，輸入層到隱含層的基函數(shù)輸出是一種非線性映射，隱含層采用的是方程式(I)中的Gaussian徑向基函數(shù)，而輸出層采用線性激活函數(shù)。
[0058]步驟二:獲取樣本數(shù)據(jù)，建立RBF學(xué)習(xí)樣本數(shù)據(jù)；
[0059]步驟三:RBF網(wǎng)絡(luò)初始化:
[0060]初始化網(wǎng)絡(luò)權(quán)值，選取隱層節(jié)點數(shù)，輸入節(jié)點數(shù)5個，輸出節(jié)點數(shù)I個；確定評估的指標(biāo)體系，即將評估的指標(biāo)體系作為RBF神經(jīng)網(wǎng)絡(luò)的輸入向量，在信用評級中，設(shè)定系統(tǒng)由五個考察電力用戶信用狀況的主要因素構(gòu)成，分別為:kl、k2、k3、k4、k5，由此對應(yīng)于RBF神經(jīng)網(wǎng)絡(luò)的五個輸入量；
[0061]步驟四:由模糊聚類算法確定網(wǎng)絡(luò)基函數(shù)中心；
[0062]步驟五:確定RBF網(wǎng)絡(luò)的寬度參數(shù)σ ;
[0063]步驟六:由梯度下降法調(diào)整RBF網(wǎng)絡(luò)的權(quán)值:指標(biāo)體系建立后，其中每項指標(biāo)的重要性不同，給不同指標(biāo)賦予不同的權(quán)重，才能體現(xiàn)出它們對用電用戶信用狀況不同程度的影響。指標(biāo)權(quán)重的確定方法很多，基本上分為兩大類:主觀賦權(quán)法與客觀賦權(quán)法。主觀賦權(quán)的方法主要有專家評判法，其原理是依靠具備相關(guān)經(jīng)驗的專家，憑借經(jīng)驗主觀地對各項指標(biāo)進行權(quán)重設(shè)置；客觀賦權(quán)的方法是直接根據(jù)各個指標(biāo)的原始信息經(jīng)過一定數(shù)學(xué)處理后獲得權(quán)數(shù)的一種方法。本發(fā)明中將主觀賦權(quán)法與客觀賦權(quán)法相結(jié)合，首先根據(jù)專家經(jīng)驗設(shè)置指標(biāo)權(quán)重，以此作為RBF神經(jīng)網(wǎng)絡(luò)權(quán)值的初始值，隨后再根據(jù)學(xué)習(xí)樣本不斷調(diào)整神經(jīng)網(wǎng)絡(luò)權(quán)值，達到學(xué)習(xí)優(yōu)化的目標(biāo)。
[0064]步驟七:由網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化算法確定隱層節(jié)點數(shù)；
[0065]步驟八:網(wǎng)絡(luò)訓(xùn)練完成，建立信用評估模型:
[0066]步驟九:由信用評價模型對用戶進行評級。信用評價將指標(biāo)與指標(biāo)的權(quán)重結(jié)合起來，采用神經(jīng)網(wǎng)絡(luò)計算出對評價對象的綜合評價值，以此作為衡量評價對象風(fēng)險的直接依據(jù)，本發(fā)明中信用綜合評價模型采用加權(quán)評分法。
[0067]本發(fā)明采用RBF網(wǎng)絡(luò)的方式來構(gòu)建用戶信任評級模型，可以將一些潛在的風(fēng)險因素納入模型的計算過程中，有效地提高電力易平臺的用戶質(zhì)量。并且，本發(fā)明以用戶信任評級模型的輸出是作為風(fēng)險規(guī)則的輸入，可以大大提高電力交易平臺的質(zhì)量，以及降低電力交易平臺整體的風(fēng)險損失。
[0068]雖然上面的例舉了一些特定實施例來說明和描述本發(fā)明，但并不意味著本發(fā)明僅局限于其中的各種細(xì)節(jié)。相反地，在等價于權(quán)利要求書的范疇和范圍內(nèi)可以不偏離本發(fā)明精神地在各種細(xì)節(jié)上做出各種修改。
【權(quán)利要求】
1.一種風(fēng)險控制系統(tǒng)，用于對電力交易平臺中的交易數(shù)據(jù)進行風(fēng)險監(jiān)控，包括風(fēng)險監(jiān)控模塊(10)和電網(wǎng)交易平臺(5)，風(fēng)險監(jiān)控模塊(10)實時對電網(wǎng)交易平臺(5)中的交易數(shù)據(jù)進行風(fēng)險監(jiān)控，其特征在于:所述風(fēng)險監(jiān)控模塊(10)由信息采集單元(I)、訓(xùn)練單元(2)、存儲單元(3)和應(yīng)用單元(4)組成，訓(xùn)練單元(2)由信息輸入單元(21)和計算單元(22)組成，所述存儲單元(3)用于對訓(xùn)練單元(2)的結(jié)果進行存儲，存儲單元(3)中的網(wǎng)絡(luò)特征值提取單元(31)對網(wǎng)絡(luò)特征值進行提取，應(yīng)用單元(4)與存儲單元(3)相連，所述應(yīng)用單元(4)包括風(fēng)險評估模型(41)和風(fēng)險監(jiān)控單元(42)。
2.根據(jù)權(quán)利要求1所述的風(fēng)險控制系統(tǒng)，其特征在于，所述電網(wǎng)交易平臺(5)中的風(fēng)險監(jiān)控單元(42)直接與風(fēng)險監(jiān)控模塊(10)相連，對風(fēng)險監(jiān)控模塊(10)中的交易數(shù)據(jù)進行實時監(jiān)控，所述訓(xùn)練單元(2)以機器學(xué)習(xí)的方式構(gòu)建，通過信息采集單元(I)采集到信息輸入單元(21)中，再經(jīng)過計算單元(22)計算出用戶信任等級，通過網(wǎng)絡(luò)特征值提取單元(31)將訓(xùn)練單元(2)中的運算結(jié)果提取出來，把提取的網(wǎng)絡(luò)特征值存入存儲單元(3)中，存儲單元(3)中包括數(shù)據(jù)庫，將存儲單元(3)中的數(shù)據(jù)作為結(jié)果直接應(yīng)用于風(fēng)險評估模型(41)中，再通過風(fēng)險監(jiān)控單元(42)反饋給電網(wǎng)交易平臺(5)。
3.一種基于神經(jīng)網(wǎng)絡(luò)的風(fēng)險控制方法，用于對電力交易平臺中的交易數(shù)據(jù)進行風(fēng)險監(jiān)控，其特征在于:包括以下步驟: (1)確定評估指標(biāo)體系，根據(jù)被評對象的性質(zhì)、特征及評價目的確定評估指標(biāo)體系，包括評估指標(biāo)的分類和層次、評估指標(biāo)的具體設(shè)置、評估標(biāo)準(zhǔn)的確定； (2)收集基礎(chǔ)數(shù)據(jù)，根據(jù)評估指標(biāo)的設(shè)置收集評價對象的相關(guān)數(shù)據(jù)，對指標(biāo)進行預(yù)處理； (3)權(quán)重確定，對指標(biāo)賦予權(quán)重； (4)綜合評價，對被評對象的`各方面與總體信用狀況進行評分并劃分級別，以此反映出評價對象的信用風(fēng)險狀況。
4.根據(jù)權(quán)利要求3所述的風(fēng)險控制系統(tǒng)及方法，其特征在于，所述的綜合評價為一種基于RBF神經(jīng)網(wǎng)絡(luò)的電力用戶信用評級方法，其實施步如下: 步驟一:由評價模型確定RBF網(wǎng)絡(luò)的輸入輸出變量:在RBF網(wǎng)絡(luò)中，輸入層到隱含層的基函數(shù)輸出是一種非線性映射，隱含層采用的是方程式(I)中的Gaussian徑向基函數(shù)，而輸出層采用線性激活函數(shù): ^ ~j(υ 其中hj是第j個隱含層神經(jīng)元的輸出，X是輸入向量，Cj是隱層神經(jīng)元的中心，σ」是隱層神經(jīng)元中心的寬度參數(shù)； 步驟二:獲取樣本數(shù)據(jù)，建立RBF學(xué)習(xí)樣本數(shù)據(jù)； 步驟三:RBF網(wǎng)絡(luò)初始化:初始化網(wǎng)絡(luò)權(quán)值，選取隱層節(jié)點數(shù)，輸入節(jié)點數(shù)5個，輸出節(jié)點數(shù)I個；確定評估的指標(biāo)體系，即將評估的指標(biāo)體系作為RBF神經(jīng)網(wǎng)絡(luò)的輸入向量，在信用評級中，設(shè)定系統(tǒng)由五個考察電力用戶信用狀況的主要因素構(gòu)成，分別為:kl、k2、k3、k4、k5，由此對應(yīng)于RBF神經(jīng)網(wǎng)絡(luò)的五個輸入量；步驟四:由模糊聚類算法確定網(wǎng)絡(luò)基函數(shù)中心； 步驟五:確定RBF網(wǎng)絡(luò)的寬度參數(shù)σ ; 步驟六:由梯度下降法調(diào)整RBF網(wǎng)絡(luò)的權(quán)值:所述權(quán)值采用主觀賦權(quán)法與客觀賦權(quán)法相結(jié)合，首先根據(jù)專家經(jīng)驗設(shè)置指標(biāo)權(quán)重，以此作為RBF神經(jīng)網(wǎng)絡(luò)權(quán)值的初始值，隨后再根據(jù)學(xué)習(xí)樣本不斷調(diào)整神經(jīng)網(wǎng)絡(luò)權(quán)值，達到學(xué)習(xí)優(yōu)化的目標(biāo)； 步驟七:由網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化算法確定隱層節(jié)點數(shù)； 步驟八:網(wǎng)絡(luò)訓(xùn)練完成，建立信用評估模型: 步驟九:由信用評價模型對用戶進行評級:信用評價將指標(biāo)與指標(biāo)的權(quán)重結(jié)合起來，采用神經(jīng)網(wǎng)絡(luò)計算出對評價對象的綜合評價值，以此作為衡量評價對象風(fēng)險的直接依據(jù)，采用加權(quán)評分法對用戶進行信用等級評價。
【文檔編號】G06Q40/08GK103514566SQ201310480300
【公開日】2014年1月15日 申請日期:2013年10月15日 優(yōu)先權(quán)日:2013年10月15日
【發(fā)明者】劉永亮, 唐義德, 劉小平, 李艷西, 齊明, 張鵬, 蔣蘇湘, 陳中偉, 謝儉 申請人:國家電網(wǎng)公司, 國網(wǎng)湖南省電力公司信息通信公司, 湖南同飛電力調(diào)度信息有限責(zé)任公司