李 瑋，劉 勃，張 莉，于毛毛，鄧艷麗

（國家電網(wǎng)有限公司客戶服務(wù)中心，天津 300000）

通常情況下，當(dāng)電網(wǎng)故障發(fā)生時，客服中心會最先接到客戶的電話，并且在故障最初發(fā)生的幾分鐘內(nèi)，話務(wù)量會集中增多。由于同一變壓器引起的不同地址用戶的報修突增缺乏有效分析工具，客服專員只能大量下發(fā)故障工單，重復(fù)派發(fā)的工單會給中心業(yè)務(wù)受理效率和基層供電單位的工單轉(zhuǎn)派與搶修處理帶來較大的壓力[1-4]。

基于以上問題，建立停電智能預(yù)警服務(wù)模式。利用客戶服務(wù)95598 業(yè)務(wù)支持系統(tǒng)[5]、基礎(chǔ)數(shù)據(jù)平臺及大數(shù)據(jù)分析平臺，對運營、配網(wǎng)、調(diào)度的客戶檔案、變壓器臺賬、95598 工單等海量信息進行加工，提供疑似大面積停電智能預(yù)警基礎(chǔ)數(shù)據(jù)資源。通過設(shè)置監(jiān)測目標、時間、區(qū)域等相關(guān)參數(shù)，配合聚類分析等算法[6]采集樣本、設(shè)置預(yù)警規(guī)則、閾值，構(gòu)建疑似停電智能預(yù)警模型，并制定對應(yīng)措施，形成“信息、預(yù)警、措施”三位一體的服務(wù)模式，為客服代表提供準確、有效的服務(wù)支撐。

1 基于卷積神經(jīng)網(wǎng)絡(luò)的故障研判

1.1 數(shù)據(jù)前期處理

在數(shù)據(jù)前期處理階段，首先使用營銷部、運維檢修以及其他部分的相關(guān)歷史數(shù)據(jù)，結(jié)合數(shù)據(jù)清洗技術(shù)，對其進行中文分詞等預(yù)處理操作。另一方面通過預(yù)訓(xùn)練初始參數(shù)，對預(yù)處理后的歷史數(shù)據(jù)進行相互校驗，形成訓(xùn)練模型及算法，從而得出訓(xùn)練結(jié)果。電網(wǎng)客服系統(tǒng)數(shù)據(jù)預(yù)處理過程如圖1 所示。

圖1 電網(wǎng)客服系統(tǒng)數(shù)據(jù)預(yù)處理過程

數(shù)據(jù)清洗（Data Cleaning）[7-9]是對原始信息數(shù)據(jù)的檢查與修正，從而提高數(shù)據(jù)質(zhì)量。通常而言，數(shù)據(jù)清洗的步驟包括數(shù)據(jù)分析、數(shù)據(jù)變換及數(shù)據(jù)驗證。

1.2 卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一種常用的智能化數(shù)據(jù)挖掘技術(shù)[10-12]，其主要由卷積層、池化層和分類層構(gòu)成。在文本分類中，句子的長度通常不統(tǒng)一，而智能卷積神經(jīng)網(wǎng)絡(luò)可以通過卷積、池化和連接等操作將多維數(shù)據(jù)全連接為一維數(shù)據(jù)，由此實現(xiàn)分類操作，這就是卷積神經(jīng)網(wǎng)絡(luò)的一維典型結(jié)構(gòu)，其具體原理如圖2 所示。

圖2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)原理

1.3 主成分分析法

主成分分析法（PCA）是一種經(jīng)典的特征提取方法，可以查找出最能夠代表一組數(shù)據(jù)特征的關(guān)鍵點，以這些少量的關(guān)鍵點作為數(shù)據(jù)整體的代表，尤其是用在回歸分析或聚類分析中的類別數(shù)目確定中，其基本原理一般是基于協(xié)方差矩陣或相關(guān)系數(shù)來研究[13-14]。

作為經(jīng)典的數(shù)據(jù)特征提取算法，主成分分析算法能夠在保持數(shù)據(jù)特有特征的基礎(chǔ)上，盡可能地減少數(shù)據(jù)維度和數(shù)據(jù)量，實現(xiàn)將復(fù)雜信息簡約化的處理。但是，考慮到一組數(shù)據(jù)不可能完全由其特征量代替，通常使用方差來衡量主成分分析的優(yōu)劣程度。同時，由于主成分分析被廣泛應(yīng)用，近年來衍生出多種改進算法，比如曲線主成分分析、多維綜合主成分分析、加權(quán)主成分分析等[15-16]。

圖3 PCA主成分提取原理

主成分分析是一種統(tǒng)計意義上實現(xiàn)均方差最小的數(shù)據(jù)特征提取算法。經(jīng)過該方法濾掉的成分通常是原始數(shù)據(jù)中存在的噪音點，所以將其去除并不會造成數(shù)據(jù)特征丟失的結(jié)果，這也是原始數(shù)據(jù)降噪的一種方法。主成分分析法通常用在圖像識別中，由于其強大的特征提取功能可輕松地實現(xiàn)圖像識別，這種識別可以看成是圖像的降噪過程。

主成分分析將原本存在于高維空間中的問題轉(zhuǎn)移到低維空間中，形成一組新的變量，這種投射需要一個轉(zhuǎn)換函數(shù)來實現(xiàn)，經(jīng)過轉(zhuǎn)化后的數(shù)據(jù)包含原數(shù)據(jù)的大部分信息，并且具有較為明顯的規(guī)律可循，這種轉(zhuǎn)換也可以實現(xiàn)逆操作，因此，主成分分析的意義存在于兩個方面，一方面可以被用作數(shù)據(jù)降維、特征提取、數(shù)據(jù)壓縮等，另一方面可以實現(xiàn)數(shù)據(jù)、圖像的重構(gòu)。

所有的平面可看作是由點組成的，每兩個點之間均存在一個歐氏距離，而從現(xiàn)實平面上看，可能無法找到一個平面使得所有點對該平面的垂直距離最小。主成分分析就是將x1、x2兩個點轉(zhuǎn)換到另一個平面上進行評估，而在此轉(zhuǎn)換過程中，保留其特征向量和特征值，不至于丟失部分信息。所謂主成分分析，就是將平面旋轉(zhuǎn)一個角度θ，從而將原數(shù)據(jù)點轉(zhuǎn)換到另一個新的坐標系衡量，其主要的變換原理如圖4 所示。

圖4 主成分分析的變換原理

其變換關(guān)系如下：

用矩陣形式表示上式可得到：

其中，U′為變換矩陣，其是一個正交矩陣：

1.4 功能需求

根據(jù)電力系統(tǒng)運維檢修的實際情況，識別用戶側(cè)故障是系統(tǒng)所應(yīng)具備的主要功能需求[17]，如表1所示。

表1 系統(tǒng)功能需求

1.5 性能需求

要建立一套完整的電網(wǎng)故障主動研判和搶修體系，除了對系統(tǒng)的功能有需求分析外，還應(yīng)對其性能作出具體的規(guī)定，比如故障研判效率、命令下發(fā)的可靠性及關(guān)鍵部位傳感器的信息傳遞可靠性等。性能需求包括預(yù)判精度、推送時間/效率和查詢響應(yīng)時間。

2 系統(tǒng)架構(gòu)設(shè)計

基于營配貫通融合成果數(shù)據(jù)、故障報修服務(wù)請求、歷史工單信息、應(yīng)用大數(shù)據(jù)分析技術(shù)構(gòu)建故障停電預(yù)警智能分析模型，采用多線程并發(fā)技術(shù)實時監(jiān)控停電預(yù)警信息及故障工單狀態(tài)。通過對比分析故障停電預(yù)警閾值，生成疑似停電設(shè)備的預(yù)警信息，匹配當(dāng)前在途報修工單，提取出可合并的工單。主動提醒客服專員進行工單合并，同時提醒管理人員關(guān)注預(yù)警狀態(tài)及預(yù)警下發(fā)，故障恢復(fù)后則自動撤銷預(yù)警。故障預(yù)警處理系統(tǒng)如圖5 所示。

圖5 故障預(yù)警處理系統(tǒng)

基于營銷、配網(wǎng)、調(diào)度貫通的多種數(shù)據(jù)治理資源，在對數(shù)據(jù)信息進行融合分析處理的基礎(chǔ)上，通過開展業(yè)務(wù)梳理，分析各業(yè)務(wù)場景緊急程度和終端工作差異化。利用精確的客戶數(shù)據(jù)和電力數(shù)據(jù)，引入大數(shù)據(jù)分析、分布式處理等高效的技術(shù)手段，逐步完善信息系統(tǒng)，實現(xiàn)在信息中心報修定位、停電計劃流程化管理、數(shù)據(jù)質(zhì)量校核的深化應(yīng)用。具體架構(gòu)如圖6 所示。

該研究的技術(shù)方案能夠完成完整的配電網(wǎng)網(wǎng)架圖的構(gòu)建，描述完整的配電網(wǎng)可以為各個業(yè)務(wù)部門的信息化項目、科技項目提供配網(wǎng)對象拓撲關(guān)系數(shù)據(jù)、配網(wǎng)對象全維度屬性數(shù)據(jù)，還能夠通過配電網(wǎng)網(wǎng)架核查實現(xiàn)對業(yè)務(wù)系統(tǒng)臺賬數(shù)據(jù)的質(zhì)量核查，發(fā)現(xiàn)臺賬中的數(shù)據(jù)不完整、數(shù)據(jù)不準確、數(shù)據(jù)關(guān)系錯誤等問題，也可以發(fā)現(xiàn)營配貫通錯誤的問題。該研究方案還基于配電網(wǎng)網(wǎng)架圖進行戶變關(guān)系核查，判斷營銷系統(tǒng)中存儲的戶變關(guān)系。同時基于配電網(wǎng)網(wǎng)架圖進行采集數(shù)據(jù)核查，發(fā)現(xiàn)并記錄電壓電流不準問題、事件缺報及誤報問題，進而發(fā)現(xiàn)造成這些問題的故障智能終端設(shè)備，下面對其關(guān)鍵技術(shù)進行描述。

3 關(guān)鍵技術(shù)及算例分析

3.1 關(guān)鍵技術(shù)

1）基于大數(shù)據(jù)的實時區(qū)域故障停電定位。應(yīng)用大數(shù)據(jù)分析技術(shù)構(gòu)建實時的區(qū)域故障停電定位模型，通過實時采集客戶突發(fā)大量故障報修服務(wù)請求信息，結(jié)合經(jīng)過清洗和預(yù)處理的歷史報修工單信息、區(qū)域停電信息、用戶檔案信息等數(shù)據(jù)進行計算。采用對比分析法進行實時分析，定位疑似引發(fā)故障的變壓器等電網(wǎng)設(shè)備。根據(jù)營配貫通融合成果數(shù)據(jù)，反向推衍出變壓器影響的用戶和區(qū)域，實現(xiàn)實時定位區(qū)域故障停電。

2）基于移動互聯(lián)的用戶報修位置定位。隨著未來電力物聯(lián)網(wǎng)的開展和技術(shù)進步，人與物的信息交互將越來越普遍?；诖?，文中利用移動互聯(lián)技術(shù)通過手機用戶的保修信息，實現(xiàn)直接、快速的“點對點”故障處理。用戶通過在手機地圖中進行位置定位以獲取查詢位置的坐標及地址信息，并通過移動互聯(lián)技術(shù)實現(xiàn)用戶掌上電力APP 報修定位，以輔助客服專員獲取用戶位置坐標，將用戶的報修位置隨工單下發(fā)至移動搶修終端，為搶修人員快速搶修提供準確的報修定位支撐。

3.2 算例分析

為了測試文中所建立的主動研判及搶修系統(tǒng)的有效性，選取某110 kV 變電站作為研究對象，建立從變電站、配電母線、配電線路到用戶變壓器的基本參數(shù)模型。同時建立實驗平臺，觀察其在故障出現(xiàn)前的響應(yīng)情況。此外，為觀察其由于故障判斷錯誤導(dǎo)致的誤操作，實驗中還加入了正常情況的模擬，每種類型模擬20 次，觀察其信息傳輸時間、故障檢測準確率等。具體結(jié)果如表2 所示。

表2 模擬分析結(jié)果

由上述實驗結(jié)果可知，“故障停電預(yù)警技術(shù)”在客服專員受理故障報修時，可以快速定位報修客戶的停電原因，并發(fā)出報修提示告知客服專員進行報修合并，縮短客服查找停電信息的時間，進而避免出現(xiàn)因人工操作、數(shù)據(jù)質(zhì)量等原因?qū)е掠脩舳ㄎ徊粶蚀_的事件，提高了客服專員的工作效率和工作質(zhì)量。

4 結(jié)束語

文中基于電力營配貫通數(shù)據(jù)資源，探索建立一種客戶側(cè)區(qū)域性故障主動研判及搶修技術(shù)，克服以往故障發(fā)生后被動搶修業(yè)務(wù)模式限制，有效應(yīng)對區(qū)域性故障發(fā)生后電力客服中心出現(xiàn)的話務(wù)突增壓力，提升電力客服中心的服務(wù)質(zhì)量和效率。通過歷史數(shù)據(jù)進行的預(yù)演實驗，證明了該文所述故障主動研判技術(shù)的有效性。

未來隨著計算機技術(shù)、信息處理技術(shù)及物聯(lián)網(wǎng)、5G的發(fā)展，高效智能算法的應(yīng)用場景會不斷增加。而基于海量的電力歷史數(shù)據(jù)和實時數(shù)據(jù)的信息挖掘技術(shù)勢必會增加在電網(wǎng)中的應(yīng)用，可以預(yù)見的是這些信息對提升電網(wǎng)電力供應(yīng)可靠性、降低運行成本及提升用戶服務(wù)質(zhì)量均具有重要的現(xiàn)實意義。