電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分配方法

鄧志東， 呂靜賢， 徐胤， 徐景龍， 李杰

(1.國家電網(wǎng)有限公司客戶服務(wù)中心， 天津 300309； 2.國網(wǎng)信息通信產(chǎn)業(yè)集團(tuán)有限公司， 北京中電普華信息技術(shù)有限公司， 北京 100085)

0 引言

電力網(wǎng)絡(luò)故障搶修信息在公司內(nèi)部各職能單位之間一直以來都是以電話、短信或者OA辦公系統(tǒng)等相對簡單的手段進(jìn)行流轉(zhuǎn)。用這些方式進(jìn)行信息流轉(zhuǎn)存在出錯(cuò)概率大、記錄完整性差、可追溯性差、數(shù)據(jù)統(tǒng)計(jì)分析能力差等弊端[1]。搶修工單信息動(dòng)態(tài)分配過程中易出現(xiàn)局部最優(yōu)解，導(dǎo)致分配調(diào)度能力下降，相關(guān)的電力客戶服務(wù)中心搶修工單信息調(diào)度和優(yōu)化調(diào)度方法研究受到人們的極大關(guān)注[2]。

電力客戶服務(wù)中心搶修工單信息派送和調(diào)度建立在對電力客戶服務(wù)中心搶修工單信息融合和大數(shù)據(jù)分析基礎(chǔ)上，通過電力終端用戶特征分析方法，進(jìn)行電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分類，提高電力客戶服務(wù)中心搶修工單信息的動(dòng)態(tài)分類和信息調(diào)度能力。

傳統(tǒng)方法中，對電力客戶服務(wù)中心搶修工單信息分類方法主要有層次化分塊方法、模塊化分配方法和分區(qū)塊融合聚類分析方法[3-4]，結(jié)合對電力客戶服務(wù)中心搶修工單信息的特征分類進(jìn)行信息融合和優(yōu)化調(diào)度，文獻(xiàn)[5]運(yùn)用基于密度的聚類簡化多維數(shù)據(jù)間的聯(lián)系,提出了基于區(qū)間集理論和密度聚類的狀態(tài)異常檢測模型及方法,將其應(yīng)用于電力公司提供的變壓器狀態(tài)評估實(shí)例中,結(jié)果表明該方法能快速有效地檢測出電力設(shè)備的狀態(tài)異常,可作為電網(wǎng)故障檢修的決策依據(jù)，但該方法進(jìn)行電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分配的自適應(yīng)性不好，特征融合度不高。文獻(xiàn)[6]提出一種改進(jìn)的k-means算法與數(shù)據(jù)降噪處理相結(jié)合的方法。DBSCAN(基于密度的空間聚類算法)用于數(shù)據(jù)去噪，克服了原始k-means聚類算法聚類結(jié)果容易受到數(shù)據(jù)集中噪聲點(diǎn)的影響，然后利用輪廓系數(shù)與誤差平方和確定最優(yōu)的聚類數(shù)，將k-means++聚類算法和確定的最優(yōu)聚類數(shù)用于聚類處理用戶負(fù)荷曲線，這使得聚類算法避免陷入局部最優(yōu)，但是該方法的計(jì)算模糊度較大，抗干擾性不好。

針對上述問題，本文提出基于大數(shù)據(jù)信息融合和動(dòng)態(tài)尋優(yōu)控制的電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分配方法。首先通過對電力客戶服務(wù)中心搶修工單信息結(jié)構(gòu)重組，采用粒子群算法進(jìn)行電力客戶服務(wù)中心搶修工單分配過程中的動(dòng)態(tài)尋優(yōu)和自適應(yīng)控制，然后結(jié)合全局尋優(yōu)方法，建立電力客戶服務(wù)中心搶修工單信息派送的多目標(biāo)尋優(yōu)模型構(gòu)建，結(jié)合多目標(biāo)全局綜合調(diào)度，實(shí)現(xiàn)電力客戶服務(wù)中心搶修工單信息的優(yōu)化分配和自適應(yīng)調(diào)度。

1 電力客戶服務(wù)中心搶修工單信息融合和特征采樣

1.1 電力客戶服務(wù)中心搶修工單信息融合

為了實(shí)現(xiàn)電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分類，建立電力客戶服務(wù)中心搶修工單信息的動(dòng)態(tài)信息融合模型，本文采用多叉樹網(wǎng)絡(luò)組網(wǎng)和ZigBee組網(wǎng)技術(shù)，構(gòu)建電力客戶服務(wù)中心搶修工單的網(wǎng)絡(luò)動(dòng)態(tài)分布結(jié)構(gòu)模型，結(jié)合多叉樹特征分解，進(jìn)行電力客戶服務(wù)中心搶修工單信息的尋優(yōu)路徑分析[7]，得到電力客戶服務(wù)中心搶修工單信息分布域中含有N個(gè)節(jié)點(diǎn);結(jié)合模糊空間調(diào)度和路徑尋優(yōu)，構(gòu)建自適應(yīng)尋優(yōu)模型，得到電力客戶服務(wù)中心搶修工單信息派送節(jié)點(diǎn)屬性匹配度，在多目標(biāo)進(jìn)化尋優(yōu)條件下，得到電力客戶服務(wù)中心搶修工單信息采樣模型[8]，得到電力客戶服務(wù)中心搶修工單信息分配的最優(yōu)解，通過空間路徑搜索，得到特征分布集，通過動(dòng)態(tài)尋優(yōu)控制，得到電力客戶服務(wù)中心搶修工單信息交互信息融合特征分布權(quán)重ω的值為

ω=a+bωi

(1)

其中，a為電力客戶服務(wù)中心搶修工單信息交互信息融合匹配參數(shù)，b為電力客戶服務(wù)中心搶修工單信息分配的最優(yōu)解，ωi為電力客戶服務(wù)中心搶修工單信息i的融合特征分布權(quán)重。假設(shè)電力客戶服務(wù)中心搶修工單分配的權(quán)重因子表達(dá)式為

(2)

其中，xi(t)為電力客戶服務(wù)中心搶修工單信息i在t時(shí)刻的特征匹配參數(shù)，vi(t)為電力客戶服務(wù)中心搶修工單信息i在t時(shí)刻的派送節(jié)點(diǎn)屬性匹配度。在通過多次迭代更新，得到電力客戶服務(wù)中心搶修工單信息融合的動(dòng)態(tài)分布集合為

B=(y1,y2,…,yN)

(3)

其中，y1,y2,…,yN為電力客戶服務(wù)中心搶修工單信息融合動(dòng)態(tài)分布元素。通過上述設(shè)計(jì)，構(gòu)建電力客戶服務(wù)中心搶修工單信息融合和特征序列重構(gòu)模型[9]，以此為基礎(chǔ)進(jìn)行派工過程調(diào)度，得到自動(dòng)排序輸出為

F(i)=AdS(i)-ωdT(i)

(4)

其中，dS(i)為電力客戶服務(wù)中心搶修工單信息分配的粒子權(quán)系數(shù)，通過等效路徑自動(dòng)分配，得到dT(i)表示電力客戶服務(wù)中心搶修工單信息的融合度，根據(jù)電力客戶服務(wù)中心搶修工單信息融合結(jié)果，進(jìn)行動(dòng)態(tài)分配[10]。

1.2 電力客戶服務(wù)中心搶修工單信息特征分析

建立大數(shù)據(jù)信息融合模型，構(gòu)建電力客戶服務(wù)中心搶修工單信息的選擇模型，結(jié)合大數(shù)據(jù)融合方法進(jìn)行電力客戶服務(wù)中心搶修工單信息融合和特征匹配[11]，根據(jù)最短路徑控制，得到電力客戶服務(wù)中心搶修工單信息的優(yōu)化配置準(zhǔn)則函數(shù)。當(dāng)控制函數(shù)達(dá)到最小時(shí)，進(jìn)行電力客戶服務(wù)中心搶修工單分配的自適應(yīng)迭代，直至聚類的中心收斂，由此得到電力客戶服務(wù)中心搶修工單信息模糊度分布協(xié)方差為

(5)

其中，n為電力客戶服務(wù)中心搶修工單信息分配的粒子個(gè)數(shù)，fi為第i個(gè)工單信息分布的適應(yīng)度函數(shù)，favg為電力客戶服務(wù)中心搶修工單信息匹配度函數(shù)，f為電力客戶服務(wù)中心搶修工單信息模糊度函數(shù)，當(dāng)σ2

D=(zi1+zj1)2+…+(zid+zjd)2

(6)

其中，d為特征匹配融合系數(shù)，對于任意的電力客戶服務(wù)中心搶修工單信息數(shù)據(jù)點(diǎn)zi和zj之間的特征匹配度，值越小，電力客戶服務(wù)中心搶修工單信息的相似度越好，得到進(jìn)行電力客戶服務(wù)中心搶修工單信息的多目標(biāo)尋優(yōu)的優(yōu)化參數(shù)分布。根據(jù)粒子群尋優(yōu)結(jié)果，得到信息融合輸出：

E=min{max[d(zi,F(i)]}-σ2

(7)

通過空間信息聚類方法，進(jìn)行電力客戶服務(wù)中心搶修工單信息聚類和分類調(diào)度[13]。

2 電力客戶服務(wù)中心搶修工單動(dòng)態(tài)分配優(yōu)化

2.1 電力客戶服務(wù)中心搶修工單信息調(diào)度

結(jié)合粒子群算法的全局尋優(yōu)特性[14]，得到電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分配的響應(yīng)特征函數(shù)滿足為

(8)

結(jié)合網(wǎng)格區(qū)域分配方法，得到電力客戶服務(wù)中心搶修工單信息的網(wǎng)格聚類分配特征屬性集。構(gòu)建電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分配信息的層級結(jié)構(gòu)模型，對電力客戶服務(wù)中心搶修工單信息的多目標(biāo)樣本集屬性進(jìn)行規(guī)范化處理，得到輸出穩(wěn)定性特征量表示成：

H=h*f(z)

(9)

其中，h為電力客戶服務(wù)中心搶修工單信息穩(wěn)定系數(shù)，f(z)為輸入的電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分配信息的標(biāo)量時(shí)間序列，*為卷積運(yùn)算。電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分配的特征采樣點(diǎn)(p,q)，電力客戶服務(wù)中心搶修工單信息的優(yōu)化選擇的權(quán)重矢量為α=(αp,αq)，當(dāng)且僅當(dāng)：

(10)

對于輸入的信息參數(shù)進(jìn)行特征優(yōu)選控制，采用自適應(yīng)尋優(yōu)方法，得到差異度函數(shù)為

M=h(r,s,l)

(11)

其中，r為電力客戶服務(wù)中心搶修工單信息分布節(jié)點(diǎn)的度，h表示分配的可靠性函數(shù)，s和l分別為電力客戶服務(wù)中心搶修工單信息的分布差異度函數(shù)和融合度函數(shù)，通過參數(shù)尋優(yōu)結(jié)果，進(jìn)行動(dòng)態(tài)調(diào)度和分配[15]。

2.2 動(dòng)態(tài)分配尋優(yōu)算法

電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)調(diào)度的目標(biāo)函數(shù)為

(12)

(13)

結(jié)合多目標(biāo)全局結(jié)合調(diào)度，在電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分配區(qū)域的動(dòng)態(tài)決策范圍內(nèi)，得到優(yōu)化的目標(biāo)函數(shù)為

(14)

其中，Ik1,k2表示2個(gè)電力客戶服務(wù)中心搶修工單信息在空間分布直線路徑，k1,k2分別表示節(jié)點(diǎn)。通過上述計(jì)算，完成電力客戶服務(wù)中心搶修工單信息自適應(yīng)調(diào)度，實(shí)現(xiàn)電力客戶服務(wù)中心搶修工單信息的最優(yōu)動(dòng)態(tài)分配。

3 仿真實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證本文方法在實(shí)現(xiàn)電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分配中的應(yīng)用性能進(jìn)行仿真測試分析，實(shí)驗(yàn)采用MATLAB設(shè)計(jì)，對電力客戶服務(wù)中心搶修工單信息調(diào)度的節(jié)點(diǎn)個(gè)數(shù)為120，相似度特征分布系數(shù)為ε=0.89，特征聚類的差異度系數(shù)為0.83，工單的屬性為124個(gè)。

通過工作人員對事故地點(diǎn)的選定來獲取監(jiān)測點(diǎn)，業(yè)務(wù)邏輯層通過檢索數(shù)據(jù)層給出各個(gè)檢測點(diǎn)的詳細(xì)信息。系統(tǒng)有自動(dòng)刷新的功能，每間隔 30 s，系統(tǒng)就會(huì)讀取數(shù)據(jù)庫的事故記錄表，如果有新事故發(fā)生，系統(tǒng)將自動(dòng)創(chuàng)建Info Window 對象，將事故標(biāo)記在地圖中，并且圖標(biāo)會(huì)閃爍以動(dòng)畫提示，如圖1所示。

圖1 自動(dòng)刷新事故信息

電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分配的初始路徑規(guī)劃如圖2所示。

圖2 搶修工單信息動(dòng)態(tài)分配的初始路徑規(guī)劃圖

采用本文方法進(jìn)行電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分配，得到優(yōu)化分配路徑如圖3所示。

圖3 優(yōu)化后的電力客戶服務(wù)中心搶修工單信息分布路徑

分析圖2、圖3可知，采用本文方法能有效實(shí)現(xiàn)電力客戶服務(wù)中心搶修工單的路徑優(yōu)化規(guī)劃設(shè)計(jì)，提高了派工效率，測試參數(shù)性能，得到對比結(jié)果見表1。分析表1得知，采用本文方法進(jìn)行電力客戶服務(wù)中心搶修工單分配的時(shí)間開銷較小，提高了調(diào)度效率。

表1 參數(shù)性能對比

4 總結(jié)

研究電力客戶服務(wù)中心搶修工單信息自動(dòng)化派送和調(diào)度方法，結(jié)合對電力客戶服務(wù)中心搶修工單信息的大數(shù)據(jù)組合分析，進(jìn)行自動(dòng)化特征匹配和排隊(duì)序列分布，本文提出了基于大數(shù)據(jù)信息融合和動(dòng)態(tài)尋優(yōu)控制的電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分配方法。構(gòu)建電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分配信息的層級結(jié)構(gòu)模型，對電力客戶服務(wù)中心搶修工單信息的多目標(biāo)樣本集屬性進(jìn)行規(guī)范化處理，結(jié)合多目標(biāo)全局綜合調(diào)度，實(shí)現(xiàn)電力客戶服務(wù)中心搶修工單信息的優(yōu)化分配和自適應(yīng)調(diào)度。本文方法進(jìn)行電力客戶服務(wù)中心搶修工單信息動(dòng)態(tài)分配的自適應(yīng)性較好，時(shí)間較短，提高了派工效率。