互联网环境下电力用户购售电风险管控，不同于传统电力用户信用评价，互联网模式下的信用评价将结合购售电各方信用历史、经营状况、行为偏好、履约能力、身份特质、社会关系、社会经济环境等多维度的信息，分别从电力互动消费平台、政府公共数据服务平台、互联网数据挖掘等途径获取数据资源，运用大数据及云计算技术客观呈现用户信用状况，是对海量信息数据的综合处理和评估的结果。
如图7-13所示，互联网环境下电力用户信用评价方法基于用电大数据，利用用户画像技术，获取用户属性标签、用电行为标签和互联网行为标签，建立负荷相似度模型、需求响应评价模型和履约能力评价模型，形成信用评价等级。该方法充分考虑用户的身份特征、用电行为波动情况、缴费历史和需求响应配合程度，使用户的信用评价信息充分体现对用户用电行为的可预测性，不仅帮助降低消费风险，而且有助于售电主体充分掌握用户的用电规律，制定有效的个性化服务策略。主要过程和方法包括以下方面。
图7-13 电力用户信用评价
1、电力用户画像
根据电力用户画像标签体系和画像建模方法，形成用户画像的静态标签和动态标签，分别对应为互联网环境下电力用户信用评价的静态要素和动态要素，其中静态要素包括用户人口、住房面积、房屋市场均价、加热类型等用户身份特征等要素，评价中主要反映了用户上传信息的完整程度;动态要素包括用电行为、需求响应、履约能力等，体现了用户用电行为和消费行为的可预测性、对需求响应策略的积极性度等。
2、静态要素评价模型
静态要素的信用评分模型为：售电主体设定各静态要素总分为M，各项最高分值相等，用户只要真实填写，即可得分，总分S1为各要素分值之和。
3、动态要素评价模型
（1）用电行为相似度评价模型。用户用电行为相似评价模型的基本思想和内容是比较用户日负荷曲线的变化程度，如果用户一个月内每日负荷曲线变化较小，反映了该用户用电行为稳定，末来用电量和用电模式具有较强的可预测性，则用户可信度
计算方法为：售电主体设定最高分值M，计算用户最近一个月内任意两条日负荷曲线的相似度，累加并求平均值r，结果与最高分值相乘，即为该用户用电行为信用分值S2。负荷曲线相似度计算方法为：
（2）需求响应评价模型。需求响应评价模型的基本思想和内容是：分析用户在售电主体需求响应策略驱动下，调整用电模式的敏感程度。比如在当分时电价政策改变后，用户的负荷曲线变化大，反映了该用户能够很好配合售电主体的负荷调度策略，则信用度高。
计算方法为：设定需求响应最高分值M，取最近一次电价调整前后用户日均负荷曲线中各小时的平均负荷组成用户日负荷向量Li和Lj计算负荷曲线相似度S。计算电价调整前后峰谷负荷变化率：
式中：Pjf为电价调整后峰值功率;Pjg为电价调整后谷值功率;Pif为电价调整前峰值功率;Pig为电价调整前谷值功率.
则电力用户需求响应评分值为：
（3）履约能力评价模型。履约能力评价模型体现了用户购电缴费违约情况。计算方法为：设定履约能力最高分值M，每逾期欠费一次减N分，减到0为止，总分记为S4。
（4）用户信用评价模型。综合静态要素评价模型和静态要素评价模型，用户的信用评价模型可定义为：
式中：W1、W2、W3、W4：为售电主体设定的各要素权重值。
