葉泳泰
(廣東電網(wǎng)有限責(zé)任公司惠州供電局,廣東 惠州 516001)
如何劃分用戶安全用電等級(jí),規(guī)范用電等級(jí)、用戶用電信用等級(jí)等分析,對(duì)有隱患的用戶系統(tǒng)告警提示,為運(yùn)維人員用電檢查提供選擇依據(jù),防止安全事故的發(fā)生,是智能安全用電分析重點(diǎn)關(guān)注的內(nèi)容,智能用電安全分析可能會(huì)直接影響電網(wǎng)的能源使用效率、經(jīng)濟(jì)運(yùn)行和有序用電情況。
目前國(guó)外研究機(jī)構(gòu)在滿足提高電網(wǎng)運(yùn)營(yíng)效率、改善供電服務(wù)質(zhì)量等需要的前提下,陸續(xù)地開展智能用電服務(wù)的研究和實(shí)踐。研究成果大部分在配電和用戶側(cè)實(shí)施,這也與國(guó)外當(dāng)前智能電網(wǎng)發(fā)展的大氣候吻合的。其中由于電力用戶數(shù)量非常龐大,由智能電表產(chǎn)生的很多數(shù)據(jù)分析成為了當(dāng)前電力公司與研究人員所面臨一個(gè)重要挑戰(zhàn)。Erte Pan 對(duì)休斯敦地區(qū)智能電表收集的電力大數(shù)據(jù)情況進(jìn)行了分析。通過對(duì)數(shù)據(jù)負(fù)荷特性的研究更好地理解用戶的安全用電行為。除此以外,通過數(shù)據(jù)的無參數(shù)聚類和內(nèi)核PCA分析,對(duì)用戶如何更有效地用電給出了全面的指導(dǎo)性意見。
目前國(guó)家電網(wǎng)與南方電網(wǎng)對(duì)用電檢查業(yè)務(wù)的支撐,主要來自營(yíng)銷系統(tǒng)的功能建設(shè),實(shí)現(xiàn)周期檢查計(jì)劃管理、周期檢查執(zhí)行管理、專項(xiàng)檢查計(jì)劃管理、專項(xiàng)檢查執(zhí)行管理、客戶事故調(diào)查、違約用電查處、竊電查處等功能,支撐用電檢查的日常管理工作的常態(tài)化開展。大量的用電信息和其他方面的信息資源都來自平時(shí)的用電檢查工作,工作人員在詳細(xì)檢查及記錄供電質(zhì)量情況和客戶反饋信息經(jīng)過長(zhǎng)時(shí)間的積累形成了海量的用戶用電信息資源,這些信息的處理及分析,則需要使用處理程序及其應(yīng)用系統(tǒng)的信息處理功能,構(gòu)建檢查信息數(shù)據(jù)的存儲(chǔ)庫(kù),利用應(yīng)用系統(tǒng)所提供的查詢和檢索等功能來正確使用信息資源。
目前,南方電網(wǎng)暫無輔助系統(tǒng)可以支持用電檢查人員對(duì)用戶進(jìn)行用電風(fēng)險(xiǎn)的綜合評(píng)價(jià),包括評(píng)價(jià)用戶的日常用電情況,用戶用電信用情況,用戶是否存在竊電、違約用電情況等。難以給用電檢查人員提供對(duì)日常用檢工作具有針對(duì)性的對(duì)象范圍,無法第一時(shí)間對(duì)安全隱患的設(shè)備進(jìn)行檢查、處理。
在大數(shù)據(jù)安全用電分析決策的場(chǎng)景下,很多關(guān)聯(lián)并不像傳統(tǒng)方法中這么強(qiáng),有很多指標(biāo)特征是弱關(guān)聯(lián),相互有關(guān)聯(lián)但是彼此之間并不是那么直接。本項(xiàng)目基于廣泛的數(shù)據(jù)來源,運(yùn)用先進(jìn)的數(shù)據(jù)處理和算法技術(shù),研究在傳統(tǒng)評(píng)估方法基礎(chǔ)上重點(diǎn)將多個(gè)弱關(guān)聯(lián)特征聯(lián)合在一起轉(zhuǎn)變成較強(qiáng)的預(yù)測(cè)評(píng)估變量,并運(yùn)用多算法融合的方式構(gòu)建用電安全評(píng)估模型,判斷客戶用電過程是守約還是違約。如圖1所示。
圖1 用戶用電安全評(píng)估模型構(gòu)建
在用電檢查執(zhí)行過程形成的工單包含具體檢查內(nèi)容與結(jié)果等非結(jié)構(gòu)化的文本數(shù)據(jù),對(duì)于用檢安全等級(jí)評(píng)估以及潛在安全隱患的預(yù)判都有較為重要作用,以往受限于非結(jié)構(gòu)化數(shù)據(jù)處理技術(shù)無法有效支撐分析場(chǎng)景的實(shí)現(xiàn)造成這部分文本數(shù)據(jù)處于靜默狀態(tài)。
用電檢查工單文本解析技術(shù)的應(yīng)用,成為用電安全風(fēng)險(xiǎn)評(píng)估、潛在隱患預(yù)判以及用電檢查方案生成流程自動(dòng)化的關(guān)鍵技術(shù)。文本解析指文本內(nèi)容的精準(zhǔn)識(shí)別與解析,其目的是通過文本解析,實(shí)現(xiàn)對(duì)用電檢查工單中描述用電狀態(tài)、設(shè)備屬性、用電檢查結(jié)果等信息的結(jié)構(gòu)化翻譯與描述。
用電檢查工單文本解析的核心技術(shù)路線為:依托自然語言處理技術(shù)對(duì)用電檢查工單中的非結(jié)構(gòu)化文本內(nèi)容進(jìn)行結(jié)構(gòu)化處理,運(yùn)用分詞算法、通過詞性標(biāo)注等算法構(gòu)建用電檢查工單文本智能解析模型,實(shí)現(xiàn)對(duì)用電檢查工單內(nèi)容的精準(zhǔn)細(xì)分。如圖2~4所示。研究技術(shù)細(xì)節(jié)包括:
研究構(gòu)建用電檢查業(yè)務(wù)領(lǐng)域的專業(yè)基礎(chǔ)文本詞庫(kù)。
分析通用詞庫(kù)以及海量用電檢查工單歷史記錄,利用人工標(biāo)注+自動(dòng)切詞算法實(shí)現(xiàn)詞庫(kù)的擴(kuò)展,構(gòu)建用電檢查專業(yè)文本詞庫(kù)。
依托專業(yè)分詞技術(shù),訓(xùn)練形成可識(shí)別的用電檢查專業(yè)短語。
研究融合詞典分詞、統(tǒng)計(jì)分詞以及深度學(xué)習(xí)分詞等算法構(gòu)建用電檢查工單文本的自動(dòng)分詞復(fù)合模型,實(shí)現(xiàn)專業(yè)詞、短語、長(zhǎng)短句的識(shí)別與拆分。
詞性分析與標(biāo)注研究。研究運(yùn)用規(guī)則方法、統(tǒng)計(jì)方法以及無監(jiān)督學(xué)習(xí)方法結(jié)合深度學(xué)習(xí)算法構(gòu)建詞性標(biāo)注融合模型,實(shí)現(xiàn)用電檢查工單文本的精準(zhǔn)標(biāo)注,為后面更高層次的文本處理與分析提供數(shù)據(jù)資料。
圖3 構(gòu)建詞性標(biāo)注融合模型
圖4 用檢工單文本內(nèi)容分類方法
對(duì)用電檢查工單文本內(nèi)容進(jìn)行分類研究,基于文本特征的表示構(gòu)建特征空間,并進(jìn)行特征的轉(zhuǎn)換與降維;構(gòu)建多算法融合的分類模型,自動(dòng)分配預(yù)先定義的類別標(biāo)簽。
本項(xiàng)目研究的文本解析技術(shù),是一種結(jié)合深度學(xué)習(xí)算法的高級(jí)分詞模型,通過以詞向量作為初始輸入,在準(zhǔn)確刻畫詞語之間的相似度信息的同時(shí),持續(xù)提升詞性標(biāo)注結(jié)果。傳統(tǒng)的詞性標(biāo)注方法特征的抽取過程主要是將固定上下文窗口的詞進(jìn)行人工組合,而深度學(xué)習(xí)方法則是可以自動(dòng)利用非線性激活函數(shù)完成相關(guān)目標(biāo)。本研究結(jié)合循環(huán)神經(jīng)網(wǎng)絡(luò),如雙向LSTM,抽取到的信息不再受到固定窗口的約束,而是會(huì)考慮到整個(gè)句子。
在本項(xiàng)技術(shù)研究過程中,將采用先進(jìn)分詞技術(shù)與用電檢查工單海量數(shù)據(jù)相結(jié)構(gòu),逐步實(shí)證與詞匯標(biāo)注的方式,螺旋式提升文件解析模型的準(zhǔn)確性與有效性。
利用知識(shí)圖譜技術(shù)對(duì)安全用電風(fēng)險(xiǎn)與隱患評(píng)估體系和客戶關(guān)系分別進(jìn)行圖譜化還原,以網(wǎng)絡(luò)圖的方式客觀呈現(xiàn)用電安全風(fēng)險(xiǎn)評(píng)估過程以及影響關(guān)系的全貌,根據(jù)行業(yè)、企業(yè)和人之間的關(guān)系,形成企業(yè)/個(gè)人的關(guān)系圖譜,以利于關(guān)聯(lián)分析及風(fēng)險(xiǎn)控制。關(guān)系圖譜是將數(shù)據(jù)全量客觀有效呈現(xiàn)向業(yè)務(wù)層面全過程客觀有效呈現(xiàn)的跨越,可有效指導(dǎo)客戶進(jìn)行關(guān)聯(lián)分析與探查。
用電安全知識(shí)圖譜運(yùn)用人工智能、信息可視化技術(shù)等理論和方法,依托用電檢查數(shù)據(jù)、客戶用電行為數(shù)據(jù)、用電設(shè)備數(shù)據(jù)等,通過用電安全特征分析、用電安全因素,對(duì)可能的用電安全風(fēng)險(xiǎn)進(jìn)行判別、預(yù)警,高效地控制用電風(fēng)險(xiǎn),降低違竊以及用電事故發(fā)生率。用電安全知識(shí)圖譜技術(shù)先進(jìn)且具有極強(qiáng)創(chuàng)新性與通用性,在公司范圍內(nèi)尚屬于空白領(lǐng)域,具有廣闊的應(yīng)用市場(chǎng)與前景。如圖5所示。
圖5 多維關(guān)聯(lián)知識(shí)圖譜
當(dāng)前,用電客戶有潛在安全用電關(guān)聯(lián)風(fēng)險(xiǎn)特征,即某一客戶出現(xiàn)問題、風(fēng)險(xiǎn)或危機(jī),將沿著各種關(guān)聯(lián)關(guān)系傳導(dǎo)到其他關(guān)聯(lián)客戶,直至傳染到整個(gè)關(guān)聯(lián)客戶群,從而形成多米諾骨牌效應(yīng)。
本項(xiàng)目研發(fā)的風(fēng)險(xiǎn)關(guān)聯(lián)云圖,是基于三戶模型泛化,通過分析挖掘經(jīng)營(yíng)、結(jié)算等關(guān)系揭示企業(yè)之間的關(guān)聯(lián)內(nèi)容,基于風(fēng)險(xiǎn)種子的風(fēng)險(xiǎn)傳播,評(píng)估地域、行業(yè)、產(chǎn)業(yè)鏈、企業(yè)群、企業(yè)、個(gè)人等多種維度的關(guān)聯(lián)風(fēng)險(xiǎn),揭示錯(cuò)綜復(fù)雜的客戶關(guān)聯(lián)關(guān)系及風(fēng)險(xiǎn)。
基于人工智能分類算法,融合海量多維度客戶用電數(shù)據(jù),實(shí)現(xiàn)用電風(fēng)險(xiǎn)的智能感知與識(shí)別;構(gòu)建安全用電風(fēng)險(xiǎn)與隱患多維關(guān)聯(lián)知識(shí)圖譜,實(shí)現(xiàn)潛在安全用電隱患識(shí)別和預(yù)判;運(yùn)用RPA(流程自動(dòng)化機(jī)器人)技術(shù),實(shí)現(xiàn)用電檢查計(jì)劃方案的自動(dòng)化生成;運(yùn)用時(shí)空大數(shù)據(jù)可視化技術(shù),構(gòu)建安全用電風(fēng)險(xiǎn)云圖,實(shí)現(xiàn)用電檢查的全景可視化。
實(shí)現(xiàn)對(duì)全量客戶進(jìn)行實(shí)時(shí)智能用電風(fēng)險(xiǎn)評(píng)估、預(yù)警及可視化展示,根據(jù)風(fēng)險(xiǎn)評(píng)估結(jié)果,提出用戶用電檢查計(jì)劃及專項(xiàng)檢查計(jì)劃建議方案,根據(jù)預(yù)警情況提出現(xiàn)場(chǎng)用電檢查建議方案,確保對(duì)用戶的用電行為及早預(yù)控管制,排除用電風(fēng)險(xiǎn),消除安全隱患,降低供電企業(yè)經(jīng)營(yíng)損失風(fēng)險(xiǎn)。
項(xiàng)目完成研發(fā)及整體驗(yàn)收后,先在惠州區(qū)域內(nèi)對(duì)全客戶開展用電安全風(fēng)險(xiǎn)評(píng)估及結(jié)果應(yīng)用,減少竊電或違約用電發(fā)生,同時(shí)可有效防范并降低用戶故障出門次數(shù)。本項(xiàng)目具有很好的推廣意義和前景,可在廣東電網(wǎng)、南方電網(wǎng)乃至全國(guó)推廣應(yīng)用。