基于变异系数法与神经网络算法的电力营销工作质量评估优化方法

汤津行　陈敬红　潘炜　谢昭群　贾佳

摘 要：本文以某供电局电力营销工作质量评估框架及其指标数据为基础，提出了一套基于变异系数法与神经网络算法的营销工作质量评估优化方法，对原有的工作质量评估方法进行优化。其中，应用变异系数法对平行指标间的权重进行科学计算，最大程度消除原先主观设定的权重带来的影响；神经网络算法对不同层级指标间的关系进行拟合，挖掘上下层级指标间的关系，实现不同层级指标间的联动，对营销工作进行更细致的指导，量化管理。

关键词：变异系数法；神经网络；电力营销工作质量评估；指标权重；数据挖掘

中图分类号：FM416.2 文献标识码：A 文章编号：1671-2064（2018）04-0159-02

工作质量评估起着对企业各业务进行工作质量检查，进而对下一阶段的企业工作进行指导与改进的作用。

本文研究的电力营销工作质量评估体系中存在的客观性问题在于各指标的权重设置，目前的权重完全凭主观经验设置，一定程度上缺乏客观性，难以对评价对象进行客观评价。同时，评估时也未科学分析指标间的相互关系及影响程度。

针对指标体系权重主观化的缺陷，变异系数法作为一种设置权重方法已经运用到各类指标评价系统中；神经网络由于有着几乎可以拟合任何复杂关系的优点，也在不同场合用于变量相关关系的挖掘。

针对评估体系当中出现的问题，本文提出了：（1）通过变异系数法对工作质量评估体系当中的指标权重进行优化，通过数据本身的统计特征对权重进行设置，代替以往的人为主观设置，最大程度排除权重的主观性；（2）通过神经网络算法对不同层级指标间的关系进行拟合，挖掘上下层级指标间的关系，实现不同层级指标间的联动，进一步对工作进行更细致的指导，量化管理。

1 工作质量评估体系

现有的工作质量评估体系中存在的主要问题在于各指标的权重设置完全凭主观设置，顶层指标凭工作经验及主观上的重视程度设置，底层指标权重均等化。

除了评估体系指标权重设置主观问题之外，还存在着另一个问题：对于存在间接影响的指标，未科学分析指标间的其相互关系及影响程度。

营销工作中所使用的营销管理信息系统、计量自动化系统、客户服务系统三大系统中，存在着许多过程指标、这些数据是对客观工作最直接的反映。这些指标若全部囊括到工作质量评估体系当中是不现实的。因此，这些过程指标需要与现有的工作质量评估体系建立起一定的联系，才能够实现各级指标的联动考核，通过上层的工作质量评估体系对下层相应的过程指标对应的工作进行更细致的指导，量化管理，更大程度发挥评估体系的作用。目前，大量的过程指标还没有与现有的工作质量评估体系指标建立联系，难以起到指导企业量化管理的作用。

2 变异系数法

正如前文所提到的，指标与指标之间有难易程度之分，并且体现在得分的分散程度和得分水平上。若评估对象在该指标的得分较为集中，说明该指标对评估对象的区分度较低，是一个价值较低的评估指标，相应的权重应该较低。对于得分水平，若各评估对象得分经常处于高分段，则说明指标较易完成，相应的权重也应该较低。反之，若某个指标得分分散，且均在较低的分段，说明该指标区分度大，且难度较大，是一个较有评估价值的指标，相应的权重应该较高。按照这样的原则，本文采用“变异系数法”对权重进行设置。

变异系数是一种统计指标，如式所示：

其中为各个单位在该指标得分的标准差，反映的是得分的分散程度，体现数据的差异程度，标准差越大，说明数据上下波动更大，或者说相应的指标更具区分度。为得分均值，一方面可对各区局指标表现进行标准化处理，使得数据之间具有可比性，另一方面也体现了指标的难易程度。因此，可以根据各指标的变异系数进一步获得各指标的权重，如式所示：

3 神经网络算法

针对挖掘指标间相关关系这一问题，采用神经网络算法。神经网络可以求得上下层级指标间的关系，有着几乎能对任何复杂关系进行拟合的优点。

通过神经网络进行训练之后可以得到输出层参数，这些参数即描述了两类指标之间的关系。进一步通过Garson算法计算输入层1对输入层2的敏感度，将神经网络的非线性关系转换为总体上指标输入对输出影响的线性关系，也就是下层指标对上层指标的影响程度。从而实现对上下层指标关系的挖掘，一方面通过下层指标反映上层指标的状态，另一方面通过上层指标对下层相应的过程指标、管理指标对应的工作进行更细致的指导，量化管理。

4 应用成果与分析

4.1 变异系数法确定权重

通过变异系数法能够求得了六大业务对应指标的权重。根据得到的新权重可以求得各局在在各业务上的得分，以业扩报装业务为例，新旧权重下总分。新权重下，各单位得分的趋势与排名与旧权重相近，但得分波动加大，更有区分度，这一点也可以从数据上反映，新权重各局得分的标准差为10.42，明显大于原先权重下的得分标准差6.55。并且，整体来看，新权重下，各单位分数均有所下降，下降幅度最大的为局5，下降最小的为局7，从指标得分上看，局7在权重较高的中压指标得分均较高，反之，局5在这些指标的得分均较低，导致总分下降严重。

4.2 神经网络算法确定权重

上下层指标分别选取抄核收业务种的电费回收率，缴费方式及账单差错率。

神经网络隐藏层数设置为2，神经元数分别为5、6。拟合后通过Garson算法得到电费回收率、缴费方式、账单差错率的敏感度分别为1.4256、1.1232、0.9504、0.864。现金缴费比率的敏感度最高，也就是说现金缴费比率对于电费回收率的影响在这几个指标中是最高的，因此对这几个指标求评价总分时可以根据敏感度大小对这几个指标的权重进行分配，实现通过上层评价指标对下层指标对应的具体操作进行指导的作用。

5 结语

本文应用变异系数法与神经网络算法对工作质量评估体系进行优化，通过变异系数法确定指标权重，并通过神经网络算法挖掘不同层级指标的相关关系。以某供电局营销工作质量评估体系的指标架构和数据进行分析，对该质量评估体系评估方法进行优化，使指标权重更遵循客观历史事实，排除人为设置权重的主观判断因素，并对相关联的指标结构进行解析。该分析方法不仅适用于电力营销业务，还可应用于该行业的其他业务以及其他领域等与指标评价有关的体系当中。

参考文献

[1]张文朝，顾雪平.应用变异系数法和逼近理想解排序法的风电场综合评价[J].电网技术，2014，（10）：2741-2746.

[2]赵微，林健，王树芳，刘记来，陈忠荣，寇文杰.变异系数法评价人类活动对地下水环境的影响[J].环境科学，2013，（04）：1277-1283.

[3]胡翠萍.基于AHP-变异系数法的我国副省级城市科技竞争力评价研究[J].科技管理研究，2012，（20）：77-80.

[4]戴小青.电力系统概率潮流新算法及其应用[D].华北电力大学，2006.

[5]庄平，李延喜.基于G1-变异系数法的企业投资风险评价模型与实证研究[J].软科学，2011，（10）：107-112+120.

[6]储莎，陈来.基于变异系数法的安徽省节能减排评价研究[J].中国人口.资源与环境，2011，（S1）：512-516.

[7]孙凯，鞠晓峰，李煜华.基于变异系数法的企业孵化器运行绩效评价[J].哈尔滨理工大学学报，2007，（03）：165-167+172.

[8]冯旭刚，钱家俊，章家岩.基于遗传神经网络敏感度分析的飞灰含碳量测量方法[J].电子测量与仪器学报，2016，（07）：1083-1089.

[9]杨一，高社生，胡高歌.基于敏感度方差重要性的RBF神經网络结构优化算法[J].控制与决策，2015，（08）：1393-1398.

[10]米湘成，马克平，邹应斌.人工神经网络模型及其在农业和生态学研究中的应用[J].植物生态学报，2005，（05）：863-870.