電力稽查模式未來(lái)發(fā)展趨勢(shì)分析

摘要：社會(huì)經(jīng)濟(jì)迅速發(fā)展，電力用戶快速增加，用電需求激增，這就要求進(jìn)一步優(yōu)化與完善電力稽查工作。智能稽查能夠及時(shí)發(fā)現(xiàn)異常數(shù)據(jù)，避免人工業(yè)務(wù)不規(guī)范，提高數(shù)據(jù)處理效率及能力，而智能稽查體系的建立與規(guī)范能更好地服務(wù)電力公司、企業(yè)與社會(huì)大眾。現(xiàn)以建立智能稽查模式為切入點(diǎn)，對(duì)目前傳統(tǒng)電力稽查模式存在的問(wèn)題以及新智能稽查模式的改進(jìn)點(diǎn)進(jìn)行對(duì)比，提出新智能稽查未來(lái)發(fā)展及應(yīng)用前景。另外，從發(fā)現(xiàn)問(wèn)題、分析問(wèn)題、解決問(wèn)題、總結(jié)問(wèn)題、預(yù)警體系五個(gè)步驟入手，以傳統(tǒng)稽查模式為藍(lán)本，引入新型數(shù)字化智能稽查體系，令電力稽查工作更加實(shí)用化、效率化。

關(guān)鍵詞：數(shù)字化;智能稽查體系;問(wèn)題;效率

0? ? 引言

電力稽查工作在確保電力企業(yè)經(jīng)濟(jì)市場(chǎng)秩序和提高其經(jīng)濟(jì)利益方面發(fā)揮著非常重要的作用，但目前的電力稽查工作面臨著一些難題，比如傳統(tǒng)的稽查工作模式已經(jīng)不能適應(yīng)當(dāng)前社會(huì)發(fā)展的要求，要對(duì)其進(jìn)行變革創(chuàng)新，用智能稽查提高營(yíng)銷(xiāo)稽查工作的連續(xù)性和完整性，促進(jìn)營(yíng)銷(xiāo)管理水平的不斷提升。

1? ? 當(dāng)前電力稽查模式存在的問(wèn)題

傳統(tǒng)稽查模式的徹查法和抽查法依靠工作人員的長(zhǎng)期經(jīng)驗(yàn)實(shí)施，已不能滿足日新月異的社會(huì)需求，不能保證準(zhǔn)確性。抽查法使用范圍具有局限性，不能及時(shí)發(fā)現(xiàn)實(shí)際工作中的偏差，加上電力稽查工作的管理模式不健全，電力企業(yè)稽查工作效率較低，影響經(jīng)濟(jì)效益的提高。

2? ? 未來(lái)智能稽查體系的研究與應(yīng)用

未來(lái)的電力稽查模式在于構(gòu)建智能稽查體系。智能稽查體系如何在每個(gè)環(huán)節(jié)實(shí)現(xiàn)智能化、自動(dòng)化，從而構(gòu)建有別于傳統(tǒng)稽查的稽查模式呢？本文的核心在于研究出一種智能稽查體系（圖1），要實(shí)現(xiàn)異常特征的智能提取、能夠根據(jù)異常特征進(jìn)行問(wèn)題異常關(guān)聯(lián)分析，并調(diào)用專(zhuān)家樣本庫(kù)及模型和全量數(shù)據(jù)以及問(wèn)題處理的結(jié)果來(lái)智能比對(duì)評(píng)價(jià)結(jié)果是否正確，更新案例庫(kù)、問(wèn)題庫(kù)和規(guī)則庫(kù)，不斷根據(jù)PDCA的閉環(huán)體系更新稽查智庫(kù)，包括案例庫(kù)、知識(shí)庫(kù)、基因庫(kù)，從而不斷提升智能化水平。

第一步，發(fā)現(xiàn)問(wèn)題（圖1步驟①②）。

應(yīng)用場(chǎng)景：常態(tài)稽查、專(zhuān)項(xiàng)稽查、飛行稽查的發(fā)現(xiàn)問(wèn)題環(huán)節(jié)。

方法與應(yīng)用：智能稽查體系第一步是構(gòu)建問(wèn)題特征的智能提取，用大數(shù)據(jù)的數(shù)據(jù)異常方法來(lái)發(fā)現(xiàn)存在的問(wèn)題（基因重組的方式、LR回歸、隨機(jī)森林分類(lèi)器）。

要實(shí)現(xiàn)智能稽查體系，第一步是構(gòu)建問(wèn)題特征的智能提取，用大數(shù)據(jù)的數(shù)據(jù)異常方法來(lái)發(fā)現(xiàn)存在的問(wèn)題。從常態(tài)、專(zhuān)項(xiàng)、飛行稽查發(fā)現(xiàn)的問(wèn)題信息及全量數(shù)據(jù)中按照大數(shù)據(jù)的規(guī)則，利用發(fā)生頻率、平均位移等方法提取異常特征。能將問(wèn)題進(jìn)行有效分類(lèi)，需整理出反映問(wèn)題變化狀況的特征指標(biāo)。根據(jù)問(wèn)題記錄所包含的信息，我們將特征屬性大致分為以下4個(gè)部分：

（1）問(wèn)題強(qiáng)度：反映統(tǒng)計(jì)時(shí)間周期內(nèi)的問(wèn)題數(shù)量，可按專(zhuān)業(yè)、分類(lèi)等維度進(jìn)行分析。

（2）問(wèn)題頻度：反映統(tǒng)計(jì)時(shí)間周期內(nèi)的問(wèn)題頻率，可按專(zhuān)業(yè)、分類(lèi)進(jìn)行過(guò)濾獲得。

（3）時(shí)間變化信息：反映問(wèn)題在時(shí)間上的變化趨勢(shì)。

（4）空間變化信息：反映問(wèn)題在空間上的分布規(guī)律。

第二步，分析問(wèn)題（圖1步驟②③）。

應(yīng)用場(chǎng)景：常態(tài)稽查、專(zhuān)項(xiàng)稽查、飛行稽查的確定問(wèn)題、問(wèn)題核查比對(duì)環(huán)節(jié)。

方法與應(yīng)用：通過(guò)用戶編號(hào)、時(shí)間等信息對(duì)問(wèn)題和異常進(jìn)行關(guān)聯(lián)分析，并采用基因組的問(wèn)題分類(lèi)，對(duì)同一問(wèn)題基因在基因庫(kù)中進(jìn)行重組，形成問(wèn)題的智能分類(lèi)分群（K-Means算法分析和密度等聚類(lèi)算法、平衡性稽查方式）。

以問(wèn)題類(lèi)別為研究對(duì)象，在預(yù)處理后的數(shù)據(jù)中，基于K-Means算法分析和密度等聚類(lèi)算法找到聚焦的問(wèn)題，提取四個(gè)變量：平均問(wèn)題數(shù)、問(wèn)題頻率、問(wèn)題標(biāo)準(zhǔn)差、問(wèn)題斜率，作為問(wèn)題分群的表征變量。通過(guò)用戶編號(hào)、時(shí)間等信息對(duì)問(wèn)題和異常進(jìn)行關(guān)聯(lián)分析，并采用基因組的問(wèn)題分類(lèi)，對(duì)同一問(wèn)題基因在基因庫(kù)中進(jìn)行重組，形成問(wèn)題的智能分類(lèi)分群。

第三步，解決問(wèn)題（圖1步驟②④⑤⑥⑦⑧⑨）。

應(yīng)用場(chǎng)景：常態(tài)稽查、專(zhuān)項(xiàng)稽查、飛行稽查的異常問(wèn)題等級(jí)判定，風(fēng)險(xiǎn)庫(kù)構(gòu)建，問(wèn)題庫(kù)構(gòu)建。

方法與應(yīng)用：（1）異常問(wèn)題經(jīng)比對(duì)分析后，基于專(zhuān)家樣本庫(kù)，智能構(gòu)建問(wèn)題評(píng)價(jià)模型;（2）將全量數(shù)據(jù)的異常跟評(píng)價(jià)模型評(píng)價(jià)結(jié)果比對(duì)驗(yàn)證;（3）對(duì)模型的評(píng)價(jià)結(jié)果跟稽查處理結(jié)果進(jìn)行跟蹤驗(yàn)證。（4）據(jù)驗(yàn)證結(jié)果判斷問(wèn)題準(zhǔn)確性及級(jí)別，并啟動(dòng)問(wèn)題處理流程，采用立項(xiàng)、處理、銷(xiāo)號(hào)、問(wèn)題處理評(píng)價(jià)等環(huán)節(jié)的自動(dòng)化、流程化管理，實(shí)時(shí)監(jiān)控問(wèn)題整改的進(jìn)展，并調(diào)用知識(shí)庫(kù)和案例庫(kù)輔助解決問(wèn)題（知識(shí)庫(kù)、問(wèn)題庫(kù)、規(guī)則庫(kù)的聯(lián)動(dòng)，模型搭建）。

第四步，總結(jié)問(wèn)題（圖1步驟⑧⑩）。

應(yīng)用場(chǎng)景：風(fēng)險(xiǎn)庫(kù)、案例模板庫(kù)、問(wèn)題庫(kù)的更新及智能數(shù)據(jù)分析，為稽查智庫(kù)建立知識(shí)圖譜分析提供數(shù)據(jù)備份。

方法與應(yīng)用：根據(jù)問(wèn)題庫(kù)、規(guī)則庫(kù)、案例庫(kù)進(jìn)行基因重組或知識(shí)庫(kù)的提煉，形成基于人工智能的稽查知識(shí)圖譜。

對(duì)模型的評(píng)價(jià)結(jié)果跟稽查處理結(jié)果進(jìn)行跟蹤驗(yàn)證，前期也可以采用專(zhuān)家判斷審核（經(jīng)過(guò)一段時(shí)間運(yùn)行后，此環(huán)節(jié)可以去掉），如果判斷有誤，更新專(zhuān)家樣本庫(kù)并進(jìn)行模型重構(gòu)。

根據(jù)驗(yàn)證結(jié)果判斷是否為問(wèn)題，并啟動(dòng)問(wèn)題處理流程，采用立項(xiàng)、處理、銷(xiāo)號(hào)、問(wèn)題處理評(píng)價(jià)等環(huán)節(jié)的自動(dòng)化、流程化管理，實(shí)時(shí)監(jiān)控問(wèn)題整改的進(jìn)展，對(duì)問(wèn)題整改閉環(huán)進(jìn)行督辦，對(duì)問(wèn)題及時(shí)銷(xiāo)號(hào)，實(shí)現(xiàn)問(wèn)題的管控閉環(huán)。

第五步，預(yù)警體系（智能稽查體系旁支）。

應(yīng)用場(chǎng)景：風(fēng)險(xiǎn)庫(kù)的構(gòu)建及與規(guī)則庫(kù)的聯(lián)動(dòng)。

方法與應(yīng)用：構(gòu)建五級(jí)智能預(yù)警體系，對(duì)問(wèn)題存在的風(fēng)險(xiǎn)實(shí)現(xiàn)預(yù)警信息閉環(huán)管控，通過(guò)問(wèn)題剖析和管理措施制定，加強(qiáng)業(yè)務(wù)風(fēng)險(xiǎn)預(yù)警防控，對(duì)各類(lèi)問(wèn)題從事后稽查逐步前移到事前預(yù)警，采用分級(jí)預(yù)警模式進(jìn)行預(yù)警提醒。

構(gòu)建五級(jí)智能預(yù)警標(biāo)準(zhǔn)崗位體系，通過(guò)建立金字塔式預(yù)警模型，實(shí)現(xiàn)從基層班長(zhǎng)到單位領(lǐng)導(dǎo)分級(jí)預(yù)警、層層管控。同時(shí)一、二級(jí)預(yù)警閾值依據(jù)工作標(biāo)準(zhǔn)時(shí)限和問(wèn)題出現(xiàn)概率來(lái)設(shè)置閾值，開(kāi)展事前預(yù)警，三、四、五級(jí)依據(jù)問(wèn)題嚴(yán)重程度來(lái)設(shè)置閾值，開(kāi)展事后管控。

3? ? 結(jié)語(yǔ)

電力行業(yè)作為國(guó)民經(jīng)濟(jì)發(fā)展依賴度最高的行業(yè)之一，電力營(yíng)銷(xiāo)中的稽查工作非常重要。隨著科技水平的不斷提升，要改變傳統(tǒng)的稽查模式，采用智能稽查手段來(lái)提高稽查工作效率。相比于傳統(tǒng)的稽查模式來(lái)說(shuō)，智能化稽查問(wèn)題多維定位模式可以更加快速、準(zhǔn)確和全面地對(duì)問(wèn)題進(jìn)行追根溯源。在稽查問(wèn)題精準(zhǔn)定位的前提下，可及時(shí)排除投訴隱患，提升客戶滿意度。

收稿日期：2019-12-09

作者簡(jiǎn)介：何偉剛（1988—），男，廣東東莞人，碩士，工程師，從事電力營(yíng)銷(xiāo)領(lǐng)域風(fēng)險(xiǎn)管控研究及管控應(yīng)用、電力市場(chǎng)營(yíng)銷(xiāo)管理工作。