基于采集大數(shù)據(jù)的智能應(yīng)用研究

韓海安，弓俊才，郭易鑫

（1.國網(wǎng)山西省電力公司計量中心，山西太原 030002；2.國網(wǎng)山西省電力公司，山西太原 030001)

0 引言

目前，大數(shù)據(jù)應(yīng)用已經(jīng)越來越引起國網(wǎng)公司和各省電力公司的關(guān)注。在營銷專業(yè)大數(shù)據(jù)中，數(shù)據(jù)量信息量最大的是用電信息采集系統(tǒng)，國網(wǎng)數(shù)據(jù)中心數(shù)據(jù)顯示，全國每日產(chǎn)生營銷基礎(chǔ)數(shù)據(jù)130 TB，用電信息采集系統(tǒng)數(shù)據(jù)45 TB。

隨著現(xiàn)場計量裝置的升級換代、通信信道的不斷提速，作為最直接、最全面獲取電力用戶用電信息的智能電能表和采集終端，提供的數(shù)據(jù)將更加豐富，實現(xiàn)全量數(shù)據(jù)的高頻采集也將成為現(xiàn)實。采集大數(shù)據(jù)不同于調(diào)度、運檢等其他電力大數(shù)據(jù)，其優(yōu)勢和特點就在于直接聯(lián)系著電力用戶，通過電能表提供的各類數(shù)據(jù)，利用大數(shù)據(jù)工具加以分析利用。除了可以實現(xiàn)傳統(tǒng)的計量收費業(yè)務(wù)外，還可以反應(yīng)出用戶的用電行為、用電習性、用電特點等，甚至對用戶自身的結(jié)構(gòu)、特征等等幾乎都可以依靠1只智能電能表提供的數(shù)據(jù)分析和挖掘出來，真正實現(xiàn)了智能電能表支撐起能源互聯(lián)網(wǎng)建設(shè)。更重要的是，在大數(shù)據(jù)時代里，挖掘大數(shù)據(jù)價值，就能拓展增值業(yè)務(wù)，滿足客戶多樣化需求提供有效支撐。

近年來，圍繞營銷大數(shù)據(jù)，尤其是采集大數(shù)據(jù)，各網(wǎng)省均展開了深化應(yīng)用工作部署，如基于在線監(jiān)測與智能診斷的計量裝置狀態(tài)檢測及輪換、供應(yīng)商質(zhì)量評價、用戶能效及需求響應(yīng)潛力分析評估、基于客戶用電全生命周期的客戶標簽庫建設(shè)等等。同時，為現(xiàn)場工作人員提供臺區(qū)健康狀態(tài)全面分析，搭建數(shù)學模型，針對臺區(qū)運營、問題分析、問題診斷、故障處理及優(yōu)質(zhì)服務(wù)等方面提供有力支撐。

1 營銷專業(yè)大數(shù)據(jù)應(yīng)用中存在的問題

營銷專業(yè)大數(shù)據(jù)分析工作中出現(xiàn)的一些問題，在一定程度上制約了營銷專業(yè)的發(fā)展，致使多樣化營銷水平發(fā)展較緩。

a）數(shù)據(jù)采集問題。受限于當前采集通訊和主站架構(gòu)，用電信息采集系統(tǒng)針對單相智能電能表能按日為單位采集表底示數(shù)，而無法采集電壓、電流、功率等數(shù)據(jù)，導致用電信息采集的數(shù)據(jù)維度單一。

b）數(shù)據(jù)匹配問題。SG186中的客戶基礎(chǔ)檔案數(shù)據(jù)、采集系統(tǒng)中的用采檔案數(shù)據(jù)以及運檢PMS系統(tǒng)中的設(shè)備檔案數(shù)據(jù)，這三者都有臺區(qū)的相關(guān)信息，三大系統(tǒng)中檔案數(shù)據(jù)不完全一一對應(yīng)，影響了大數(shù)據(jù)分析結(jié)果的準確性和實用性。

c）數(shù)據(jù)協(xié)同問題。各專業(yè)的信息系統(tǒng)建設(shè)，由于建設(shè)年代和廠商不同，導致數(shù)據(jù)分散存儲而成為信息孤島。雖然采用了“接口+中間庫”的方式進行數(shù)據(jù)聯(lián)通，但由于系統(tǒng)性能、傳輸質(zhì)量、安全策略、專業(yè)壁壘等限制，使得多源、分散的數(shù)據(jù)難以形成實時、高效的數(shù)據(jù)協(xié)同，極大地限制了大數(shù)據(jù)的共享，降低了大數(shù)據(jù)的的應(yīng)用效果。

d）分析對象問題。目前采集數(shù)據(jù)應(yīng)用主要是針對基于Oracle存儲的結(jié)構(gòu)化數(shù)據(jù)進行分析和應(yīng)用，而對于同樣數(shù)量龐大的工單、發(fā)文、規(guī)程等文本，以及照片、圖片等非結(jié)構(gòu)化數(shù)據(jù)尚未開展深入的研究分析。

e）應(yīng)用領(lǐng)域問題。在采集大數(shù)據(jù)應(yīng)用方面，一是主要在國網(wǎng)和省級層面開展，在基層供電所人員管理、基層現(xiàn)場工作支撐等方面的研究和實際應(yīng)用的還不夠多，隨著基層末端融合工作的推進，基層營銷人員對采集大數(shù)據(jù)分析的需求和應(yīng)用會越來越迫切。二是主要數(shù)據(jù)源以營銷專業(yè)大數(shù)據(jù)為主，圍繞營銷提質(zhì)增效、開拓市場開展應(yīng)用，結(jié)合公司其他專業(yè)電力大數(shù)據(jù)開展跨專業(yè)支撐還不夠多，將采集大數(shù)據(jù)與社會經(jīng)濟數(shù)據(jù)、政府管理數(shù)據(jù)等海量的公司外部大數(shù)據(jù)融合分析應(yīng)用還不夠多。

f）智能應(yīng)用問題。目前，采集大數(shù)據(jù)應(yīng)用大多著眼于友好的可視化展示，使用戶能夠更好地理解大數(shù)據(jù)分析的結(jié)果（是什么），部分應(yīng)用嘗試做對分析結(jié)果的成因分析（為什么），很少應(yīng)用嘗試進行對策分析（怎么辦）。這就在一定程度上折射出當前大數(shù)據(jù)應(yīng)用對智能化的重視還不夠，應(yīng)用的友好性還不足，還不能充分的滿足用戶的多元化需求。

2 營銷專業(yè)大數(shù)據(jù)應(yīng)用模式建議

a）通過大數(shù)據(jù)分析應(yīng)用，在降本增效、提高工作質(zhì)量、提升工作效率、提高優(yōu)質(zhì)服務(wù)水平方面取得成效；在支撐電力市場拓展、用戶用能潛力挖掘、電力客戶競爭等方面取得成效。

b)充分結(jié)合基層實際，突出實用、實效,在短時間內(nèi)各類系統(tǒng)難以重構(gòu)的情況下，構(gòu)建統(tǒng)一的數(shù)據(jù)資源池。以營銷數(shù)據(jù)管理為重點，實現(xiàn)營銷專業(yè)內(nèi)部大數(shù)據(jù)整合，打破公司各專業(yè)系統(tǒng)壁壘，通過營銷數(shù)據(jù)整合、規(guī)范、共享，支撐多專業(yè)大數(shù)據(jù)分析應(yīng)用。

c）拓展數(shù)據(jù)結(jié)構(gòu)，實現(xiàn)多元化分析。通過對海量的規(guī)章、制度、報告、發(fā)文、工單等文本數(shù)據(jù)的深入分析和挖掘，與營銷專業(yè)結(jié)構(gòu)化數(shù)據(jù)形成完整的數(shù)據(jù)生態(tài)圈，實現(xiàn)業(yè)務(wù)從源頭到末端全過程追蹤和分析。

d)建設(shè)智能化的知識推薦體系。使得基層人員在從事各項工作時，可以快捷地獲得知識幫助和策略推薦，同時，與基于文本分析和自動化合規(guī)性檢查結(jié)合，可以提升工作效率，降低錯誤率。

3 竊電嫌疑用戶分析主題應(yīng)用

針對現(xiàn)場竊電手段更新?lián)Q代，竊電裝置日趨多樣化，竊電金額大幅度增加，山西省以計量原理為基礎(chǔ)，結(jié)合竊電實際案例分析，細化梳理竊電特征，建立竊電分析模型，并通過歷史數(shù)據(jù)反復驗證，優(yōu)化模型，為現(xiàn)場反竊電工作提供可靠依據(jù)。基于用電信息采集系統(tǒng)采集的用戶用電行為數(shù)據(jù)和智能電表的事件上報數(shù)據(jù)，結(jié)合歷史積累的竊電查處數(shù)據(jù)和竊電模式分析數(shù)據(jù)，通過深入挖掘與竊電行為密切相關(guān)的電壓電流不平衡、電壓電流斷相、失壓失流等采集數(shù)據(jù)，以多維的大數(shù)據(jù)分析為基礎(chǔ)，構(gòu)建反竊電指標，建立反竊電計算模型。

以大數(shù)據(jù)、機器學習、人工智能為管理提供科學、直觀的決策支持，創(chuàng)造新型精細化的運營管理體系。準確、快速定位竊電嫌疑用戶，執(zhí)行有針對性的排查，減少了反竊電工作量，降低了反竊電工作成本，提高反竊電行動的效率。

3.1 竊電用戶識別模型

電能表計量電量的多少主要取決于電壓、電流、功率因數(shù)三要素和時間的乘積。竊電一般采用改變計量回路二次接線等方式竊電，監(jiān)測竊電時產(chǎn)生的電流、電壓、用電量變化可以精準捕獲竊電的起止過程，實現(xiàn)精準防竊電。

從主站采集電量、負荷及線損的歷史樣本數(shù)據(jù)，對歷史樣本數(shù)據(jù)進行預處理，即構(gòu)成竊電分析所需的專家樣本庫。專家樣本雖在一定程度上能直接反映用戶竊電行為的某些規(guī)律，但作為構(gòu)建模型的樣本，特征不明顯，因此需要在此基礎(chǔ)上構(gòu)造指標體系（包括電壓類指標、電流類指標、負荷類指標、用電量指標、線損類指標等）。在反復分析歷史竊電案例基礎(chǔ)上，確立了竊電評價指標體系，然后采用神經(jīng)網(wǎng)絡(luò)和CART決策樹構(gòu)建竊電用戶識別模型，輸入項包括電量趨勢下降指標、線損類指標和告警類指標，輸出項為竊電標識（見圖1）。

圖1 竊電嫌疑系數(shù)

3.2 竊電嫌疑分析

a）疑似竊電用戶用電情況分析。通過對模型挖掘出來的竊電嫌疑用戶進行竊電嫌疑度排名，對嫌疑度高的用戶進行用電分析。包括電量分析、電壓分析、電流分析、異常事件分析，其中用電量分析針對時間維度，分析疑似竊電用戶月度、年度用電量變化趨勢、96點電量曲線、96點電壓曲線、96點電流曲線變化情況。

b)行業(yè)用電特征分析。分析各類行業(yè)疑似竊電用戶用電量特征，日、月、季、年用電量變化規(guī)律和特性，疑似竊電用戶96點電量曲線與行業(yè)96點平均電量曲線擬合。根據(jù)計算出的擬合值，確定疑似竊電用戶用電目的是觀察疑似竊電用戶的用電特征與其對應(yīng)行業(yè)用電特征是否相似，預判疑似竊電用戶是否竊電。

所采用模型需綜合考慮行業(yè)用電設(shè)備、用電性質(zhì)、歷史數(shù)據(jù)及基礎(chǔ)檔案信息，通過神經(jīng)網(wǎng)絡(luò)和海量數(shù)據(jù)優(yōu)化模型，提高預判疑似竊電用戶準確性。

c）疑似竊電用戶總體情況分析。通過模型挖掘出全省各地市的疑似竊電用戶，對這些疑似用戶進行區(qū)域分布分析、用電趨勢分析，多種維度分析有竊電嫌疑的用戶群，從而對疑似竊電用戶進行跟蹤觀察。下一步，將結(jié)合用電性質(zhì)、行業(yè)特征、生產(chǎn)特點等總結(jié)歸納提升數(shù)學模型，提升竊電疑似用戶的預判精準度。

4 臺區(qū)健康狀態(tài)評價及可視化主題應(yīng)用

臺區(qū)健康狀態(tài)評價及可視化應(yīng)用是以精細化、網(wǎng)格化管理為出發(fā)點，將智能電網(wǎng)建設(shè)末端的臺區(qū)與臺區(qū)管理人員作為抓手，圍繞分析現(xiàn)狀、發(fā)現(xiàn)問題、解決問題角度建立大數(shù)據(jù)分析模型。實現(xiàn)臺區(qū)經(jīng)理人、用戶、電表的定位，為臺區(qū)經(jīng)理人在臺區(qū)運營、問題分析、問題診斷、故障處理、優(yōu)質(zhì)服務(wù)提供支撐。通過對臺區(qū)健康狀態(tài)綜合評價分析，一是建立完整科學的臺區(qū)綜合大數(shù)據(jù)打分算法，實現(xiàn)臺區(qū)一鍵式體檢，幫助臺區(qū)負責人和公司管理人員及時掌握臺區(qū)的綜合健康狀態(tài)。二是通過大數(shù)據(jù)算法為臺區(qū)負責人提供臺區(qū)綜合健康問題的推薦處理方法，提高臺區(qū)負責人排查處理臺區(qū)問題的效率。三是建立臺區(qū)異常信息推送和分析展示平臺，多維度關(guān)聯(lián)用戶指標參數(shù)，展示異常全量信息，為臺區(qū)負責人集中提供臺區(qū)相關(guān)的綜合信息。四是建立臺區(qū)負責人標兵晾曬臺，將臺區(qū)負責人按所管轄臺區(qū)健康水平評分，并進行全省排名展示，激勵臺區(qū)責任人責任心。

4.1 分析模型

臺區(qū)健康狀態(tài)綜合評價分析模型結(jié)合傳統(tǒng)狀態(tài)指標設(shè)計和評價體系，結(jié)合基于大數(shù)據(jù)技術(shù)的機器學習的方式方法進行綜合的對標分析和組合優(yōu)化。

傳統(tǒng)的指標評價方法的核心算法包括環(huán)比評分主觀賦權(quán)、熵權(quán)客觀賦權(quán)、基于灰色關(guān)聯(lián)度分析的評價矩陣。機器學習算法體系包括基于聚類分析的臺區(qū)狀態(tài)畫像和標簽化、基于人工神經(jīng)網(wǎng)絡(luò)方法的狀態(tài)健康度函數(shù)逼近。分析模型包括以下3種。

a）臺區(qū)健康狀態(tài)綜合評價模型。針對每個臺區(qū)日常運營管理的各項工作（如采集、費控、消缺、線損管理等），基于圍繞臺區(qū)相關(guān)各業(yè)務(wù)系統(tǒng)的數(shù)據(jù)（如用電信息采集系統(tǒng)、營銷業(yè)務(wù)應(yīng)用系統(tǒng)、費控系統(tǒng)、采集運維閉環(huán)管理系統(tǒng)等），采用大數(shù)據(jù)的算法，從多個維度（如采集成功率、費控成功率、線損合格率等）對每個臺區(qū)單項工作開展的情況進行動態(tài)體檢和評分。并基于單項評分綜合考慮臺區(qū)的多種因素對臺區(qū)的運行狀況進行動態(tài)的綜合評分，從而全面、準確地反映臺區(qū)的總體運行狀況和運營管理水平，為精確管理提供清晰、完整的數(shù)據(jù)支撐（見圖2）。

圖2 臺區(qū)健康狀態(tài)評價模型拓撲

b）臺區(qū)經(jīng)理工作綜合評價模型。按照以下4個維度進行評價。

工作響應(yīng)速度：主要評價臺區(qū)經(jīng)理人對推送的問題臺區(qū)線下排查響應(yīng)速度情況的分析和評價。

問題處理質(zhì)量：主要評價臺區(qū)經(jīng)理人對臺區(qū)問題處理效果，是否提升了臺區(qū)的運行狀況。

工具掌握情況：主要評價提取臺區(qū)經(jīng)理在使用信息化工具的掌握情況，以及隨時使用信息化工具處理臺區(qū)問題效率。

臺區(qū)經(jīng)理人基本情況：主要基于臺區(qū)運行狀態(tài)，并結(jié)合臺區(qū)經(jīng)理人的學歷、年齡情況進行關(guān)聯(lián)分析，分析臺區(qū)經(jīng)理人工作能力的匹配程度。

c）臺區(qū)健康問題智能診療模型。通過對各用戶歷史事件的分析，形成各指標的推薦雛形，然后根據(jù)采集、線損、費控、設(shè)備4個指標橫向分析綜合情況，最終實現(xiàn)問題的綜合推薦，提醒臺區(qū)經(jīng)理處理問題存在的關(guān)鍵用戶。同時，根據(jù)用戶問題的具體情況，給臺區(qū)經(jīng)理人相應(yīng)的處理建議。

關(guān)于臺區(qū)問題診斷處理是臺區(qū)評分低的單個用戶，采用頻繁項集挖掘算法找出各個用戶指標關(guān)聯(lián)規(guī)則。例如，采集和費控經(jīng)常一起出現(xiàn)問題，根據(jù)這一現(xiàn)象推出采集和費控的關(guān)聯(lián)原因。

頻繁模式挖掘算法有兩處參數(shù)需做進一步細化處理，一個是支持度，另一個是置信度。通俗的講支持度衡量元素占總樣本的比例，例如項集內(nèi)同時含有A和B的元素占總樣本的比例，這是衡量這一現(xiàn)象發(fā)生的頻率。置信度是在所有含有A元素的項集中有B的概率，這是判斷A與B有關(guān)聯(lián)性的參數(shù)。

臺區(qū)問題的解決方法，充分利用了采閉環(huán)系統(tǒng)中的方案庫，通過頻繁模式挖掘算法，在解決方案庫中找到匹配度高的解決方案，將此方案推薦給臺區(qū)經(jīng)理。

4.2 可視化

基于寬帶載波優(yōu)勢，通過對采集系統(tǒng)稍加改進，實現(xiàn)臺區(qū)實時拓撲圖自動繪制功能微應(yīng)用開發(fā)。借助配網(wǎng)監(jiān)測裝置，實時監(jiān)測臺區(qū)低壓側(cè)各級供電開關(guān)狀態(tài)，可視化動態(tài)顯示停電區(qū)域，實現(xiàn)可視化動態(tài)展示“變壓器—開關(guān)—智能表”拓撲關(guān)系，精準定位停電范圍，為供電服務(wù)指揮平臺提供精準數(shù)據(jù)支撐和可視化應(yīng)用。

選取太原某小區(qū)為試點臺區(qū)，更換寬帶載波模塊并加裝配網(wǎng)監(jiān)測裝置，憑借寬帶實時拓撲功能，智能展示小區(qū)內(nèi)各級供電開關(guān)拓撲示圖，并實時監(jiān)測開關(guān)狀態(tài)。

5 結(jié)束語

采集大數(shù)據(jù)是營銷大數(shù)據(jù)中最重要的數(shù)據(jù)源。文章基于采集系統(tǒng)，搭建了大數(shù)據(jù)平臺，并在反竊電行為分析、臺區(qū)可視化管理等方面進行了一定程度的研究，為滿足客戶多樣化需求提供有效支撐。