基于人工智能的電力營銷稽核方法

陳姍

（國網(wǎng)泉州供電公司，福建泉州 362000）

引言

電力營銷在國家電網(wǎng)的體系中往往是重中之重，公司的各項發(fā)展、各種決策都離不開營銷的成功展開。而有效的營銷才是關(guān)鍵，所以與營銷過程中的稽核是牢不可分的，必須緊跟電網(wǎng)公司的發(fā)展戰(zhàn)略[1]，隨時跟蹤營銷方法、營銷對象，據(jù)此改變自己的稽核模式和稽核對象，避免在營銷過程中出現(xiàn)錯誤。在整個營銷過程中，稽核確實起到監(jiān)督管理作用，有效為電網(wǎng)發(fā)展保駕護航。但人工電力稽查往往效率低下，并且準確率不高，在信息技術(shù)大爆炸的新環(huán)境中，只有跟上時代步伐，才能不被時代甩開，才能把握時代技術(shù)[2]。目前的人工智能技術(shù)主要包括：專家系統(tǒng)、模糊理論、群智能算法、邊緣計算等，這類技術(shù)在應用層面上各有優(yōu)勢。

專家系統(tǒng)是最早出現(xiàn)的人工智能算法之一，雖然在性能上不算太好，但適用性較強，即使在人工智能技術(shù)比較多的時代，仍然是被研究最多最廣的一門人工智能技術(shù)。按照程序的設計，專家系統(tǒng)根據(jù)給定的大量數(shù)據(jù)進行推導和演算，形成具有自己邏輯和判斷的決策[3]。這些過程都是模擬人類在討論和決策時的思路實現(xiàn)的，往往具有高可靠性。人工神經(jīng)網(wǎng)絡技術(shù)是模擬人類大腦工作而出現(xiàn)的一種新型人工智能技術(shù)，在處理數(shù)據(jù)的速度和準確性上，提高了很多，雖然這項技術(shù)出現(xiàn)得比較早，但仍是目前研究最熱門的人工智能方法。跟專家系統(tǒng)相比，人工神經(jīng)網(wǎng)絡更加復雜，在自主學習方面具有優(yōu)勢，在分布式計算、自適應等方面能夠展現(xiàn)出巨大優(yōu)勢，更加廣泛地應用在數(shù)據(jù)處理、預測、智能檢測等領(lǐng)域[4]。群智能算法是一種最具有生物意義的智能算法，它是根據(jù)自然界的生物現(xiàn)象或者物種繁衍習性演化而來的，模擬物種的遷徙過程或者適者生存的自然規(guī)則，具有進化規(guī)則。目前最常用的算法為遺傳算法和粒子群算法，常用來解決優(yōu)化問題，以動物模型來模擬實際模型，從而形成約束條件，進而得到目標函數(shù)，多次迭代后得到最優(yōu)解。這個過程基本上是此類算法的大致思想，能夠很好地解決實際問題中的最優(yōu)問題，比如背包問題、最短路徑問題等[5]。

為了更好地開展電力營銷稽核工作，解決在稽核工作過程中稽查不細致、稽查過程模糊、稽查目標不明確等問題，將人工智能算法引入到稽核中，可有效避免因人疲勞而帶來的稽核錯誤、漏洞，還可以以人工智能為抓手，推動人工化向數(shù)字化轉(zhuǎn)變，降低在電力營銷過程中的錯誤，助推營銷的精益管理[6]。

1 專家系統(tǒng)的應用

專家系統(tǒng)在電力營銷稽核中的應用如圖1所示，根據(jù)圖中箭頭所指的方向可知，當數(shù)據(jù)按照箭頭的方向流動時，可以由數(shù)據(jù)的種類及作用形成一個專家系統(tǒng)，這個系統(tǒng)的基本組成主要包括六個部分，即人機交互界面、知識庫、推理機、解釋器、綜合數(shù)據(jù)庫、知識獲取。

圖1 專家系統(tǒng)結(jié)構(gòu)圖

圖1中的知識庫是用來存放知識的，這個知識由專家來提供，可以是稽核數(shù)據(jù)，也可是稽核樣本或存在問題的營銷數(shù)據(jù)。具體的操作步驟是將知識庫中數(shù)據(jù)仿照專家的思維方式來建模，所以，要得到準確有效的答案，專家系統(tǒng)中的知識庫尤為重要，往往決定著整個系統(tǒng)的質(zhì)量水平。為了提升稽核的準確性，需要適用的稽核數(shù)據(jù)，使系統(tǒng)獲取的知識準確率高，以提高專家系統(tǒng)的性能[7]。

如圖1所示，人機交互界面主要是為了方便用戶交流。根據(jù)這個界面，用戶可以據(jù)此進行數(shù)據(jù)交換，并且還可以回答專家系統(tǒng)提出的一系列問題，使專家系統(tǒng)的性能得到提升，然后根據(jù)提出的問題，輸出需要得到的相關(guān)結(jié)果。綜合數(shù)據(jù)庫用來存儲電力營銷的數(shù)據(jù)，這樣可以方便地提取、交換數(shù)據(jù)，還可以保存原始數(shù)據(jù)，以便進行數(shù)據(jù)對比，找到稽核中存在的漏洞。此外，推理出的中間結(jié)果和最終結(jié)論也會放在這個數(shù)據(jù)庫，作為暫時存取區(qū)。為了更加方便地得到推演過程及結(jié)論，在專家系統(tǒng)中還設計了一個解釋器[8]，專門用來對得到的結(jié)論進行解釋和說明，并且還與用戶的提問強關(guān)聯(lián)，所以，專家系統(tǒng)是一個“懂得人情世故”的人工智能技術(shù)。通常，影響專家系統(tǒng)性能的是知識庫的質(zhì)量，質(zhì)量越高，得到的推演結(jié)果越接近真實值，這是專家系統(tǒng)的一大難點，但是可以通過改造知識庫實現(xiàn)自動學習功能。

2 群智能算法的應用

群智能算法可以模仿自然界中動植物的生理習性來進行邏輯運算，將動物的最優(yōu)行為應用到自然語言當中，它的出現(xiàn)解決了實際生活中很多優(yōu)化問題。粒子群算法的提出正是受到了鳥群和魚群找尋食物的啟發(fā)，于1995年，由社會心理學家Kennedy與電氣工程師Eberhart合作提出來的。粒子群算法的提出，解決了很多復雜的優(yōu)化問題，具體優(yōu)化過程如圖2所示。粒子群算法主要是將動物群體中的個體當做算法中的粒子，考慮為最優(yōu)問題中的一個解，并且設定一個策略給這個解，按照這個策略找到最優(yōu)的解。

圖2 粒子群算法框圖

在電力營銷稽核中，可以將營銷數(shù)據(jù)當做算法中的粒子，將符合規(guī)定的數(shù)據(jù)作為約束條件，從而篩選整個數(shù)據(jù)，得到滿足約束條件的數(shù)據(jù)，淘汰掉存在問題的數(shù)據(jù)。整個尋優(yōu)過程中，核心步驟如式（1），（2）。

根據(jù)此項規(guī)定，數(shù)據(jù)并不會像無處可尋的動物一樣，會根據(jù)路徑在指定的區(qū)域內(nèi)進行數(shù)據(jù)交換，整個區(qū)域就是電力營銷的數(shù)據(jù)庫，記錄最好的經(jīng)驗和帶著標簽的數(shù)據(jù)，然后對下一個數(shù)據(jù)進行尋優(yōu)。式（1），（2）中的gbest表示種群最優(yōu)，pbest表示個體最優(yōu)，c1、c2表示學習因子，t表示迭代時間，v表示尋優(yōu)速度，x表示尋優(yōu)所在位置坐標。

3 人工神經(jīng)網(wǎng)絡的應用

人工神經(jīng)網(wǎng)絡的提出，讓人工智能技術(shù)更上了一層樓，讓機器系統(tǒng)有了自主學習的能力，只要通過足夠多的樣本數(shù)據(jù)，通過合適的訓練參數(shù)就能夠自主地得到最優(yōu)結(jié)果。神經(jīng)網(wǎng)絡的拓撲圖如圖3所示。圖中最小單元是神經(jīng)元，如同人類大腦一樣，有成千上萬個神經(jīng)細胞。各個細胞相互連接，處理能力極強。

圖3 人工神經(jīng)網(wǎng)絡結(jié)構(gòu)圖

圖3中，W表示神經(jīng)元，x表示樣本數(shù)據(jù)，數(shù)據(jù)通過神經(jīng)元處理后向后輸出，這些行為主要是模擬了人類大腦中的突觸，將信號一層一層地向下傳遞，并且有選擇地篩選信號，如同神經(jīng)網(wǎng)絡中的權(quán)重一樣，并不是每個樣本數(shù)據(jù)都可以順利地傳遞到下一個層級去，只有被選擇了的數(shù)據(jù)才會被調(diào)用。這樣，可以將電力營銷數(shù)據(jù)進行樣本分類，設置好預定的閾值，讓網(wǎng)絡自主學習，有目的地選擇數(shù)據(jù)，而且，還可以調(diào)節(jié)閾值，有針對性地嚴格審查某個數(shù)據(jù)，提高稽核的準確性。通常，連接的輸入值都會被加權(quán)求和。然后該值被傳遞給激活函數(shù)，激活函數(shù)的作用是計算出是否將一些信號發(fā)送到該神經(jīng)元的輸出，即選擇留下有用的部分。

4 結(jié)論

營銷稽核工作是復雜的、繁瑣的，人工稽核往往容易出現(xiàn)稽核疲勞，導致稽核出錯。而采用人工智能的方式稽核，往往能提高稽核效率和準確率，給國家電網(wǎng)的穩(wěn)定運行提供更好的保障。本文從新興技術(shù)的角度出發(fā)，將各種人工智能算法應用到營銷稽核工作中，可有效降低工作強度，并且釋放勞動力，減少人工成本的投入，還可以根據(jù)算法的性質(zhì)，制定相應的策略，滿足不同稽核場景的應用。逐步提升稽核水平，精準地找出問題，發(fā)現(xiàn)異常，努力完成數(shù)字化轉(zhuǎn)型，提升營銷精益化、數(shù)字化管理水平。