在電力系統的發輸變配用五個環節中,配電網屬于末端環節,和電力用戶的生產生活息息相關。配電網的非正常運行極易導致停電等事故發生,配電網故障搶修的時效性和搶修質量及效率關乎電網供電可靠性和服務質量。目前,電網規模不斷擴大,檢修搶修任務日益繁重,配電網中大多數搶修業務仍需人工下發、實地檢查并匯報,然而整個電網搶修業務中,參與處理業務的系統眾多,交互頻繁,如果其中一環出現延時或錯誤,會給搶修業務即時性和準確率帶來巨大困擾。
目前針對配電網故障搶修的研究主要集中在故障提前研判、快速恢復和實時監控方面。有文獻提出一種基于可達性分析的主動配電網多故障分區修復策略并驗證了其可行性。有文獻提出基于運營管理系統(operation mangement system, OMS)的配電網故障研判系統,實現了配電網調度和搶修指揮業務的融合。有文獻充分利用配電網故障信息與現代信息技術結合,實現了故障主動研判,并可精準定位故障點。
然而在電網工單指派方面的研究不多,主要集中在提升服務質量和工單內容分析監測,對工單流轉方式的研究較少。有文獻基于自然語言技術并結合機器學習Bagging集成模型,實現對客戶投訴工單文本信息的深度挖掘。有文獻提出基于加入了針對電力工單文本領域詞典的WTF-IDF(word term frequency-inverse document frequency)特征選擇優化算法,并使用支持向量機算法對該算法進行實驗驗證。
為解決在用電高峰期時,電網工單派發過程中的人工處理工單誤派、錯派,工單后期審核分析耗時久、所需人力大,督辦、催辦類型工單需經多個系統研判等問題,本文基于目前配電網系統工單的流轉方式,通過對供電服務指揮系統進行技術輔助系統的開發,使用自然語言處理技術建立工單派發規則模型和工單派發路徑模型,部署一套基于網絡拓撲派單方式的輔助系統,以協助配電網供電服務指揮大廳坐席人員更好地完成各類工單的派發任務,提高配電網供電指揮中心坐席智能化程度,減少工單錯漏超時現象,提高工單響應及信息分析檢索速率,使供電服務人員專注于業務,減輕工作負擔,減少工單的投訴率,提高用電問題解決效率,提升電網的優質服務。
1.1 配電網故障報修存在的問題與需求分析
目前配電網系統電力工單派發還存在如下一些問題亟待解決:①供電指揮中心坐席人員人工派發電力工單流程復雜;②搶修高峰期坐席人員工作量繁多;③配電網系統派發工單任務與計劃有脫節。
根據目前配電網系統工單派發存在的問題,該供電指揮服務人工智能坐席輔助系統應該完成以下幾項任務:1)針對坐席人員人工派發工單的復雜流程,簡化派發流程,實現智能化自動派發功能;2)以減少坐席人員搶修工單高峰期工作量為出發點,實現自動輔助派單功能;3)采用邏輯樹分析法對配電網系統工單派發流程進行分析,詳細解析主動派發流程及其子業務,有效提高配電網系統派發任務的計劃管理水平。
1.2 配電網供電指揮服務智能輔助系統設計原則
開發供電指揮服務人工智能坐席輔助系統的根本目的是有效提高供電指揮中心派發工單的計劃管理水平,減輕工單處理人員和服務人員的工作量,降低人為因素而產生的投訴問題,提高供電和用電企業的信譽度,使供電系統能夠更安全、更經濟地運行;該輔助系統應當操作簡便、易于擴充維護。
為此,系統構建過程嚴格遵循如下原則:1)功能模塊化。各項功能獨立成塊又相互關聯,減少后續程序修改的工作量;2)可擴展。系統新加的功能模塊可獨立編寫再加入主界面;3)操作簡便。采用人機對話界面,系統各項功能都可通過操作控件來完成;4)自動化工作流程。系統自動抓取數據,集中管理,避免人工手動操作,減少由操作疏忽造成有用數據遺漏的可能性。
1.3 配電網供電指揮服務智能輔助系統構建思路
服務器機房、內網業務系統、人工坐席臺和部門處理節點組成了整個輔助系統的主要網絡及硬件布局。其中工單數據庫服務器、Web系統、防火墻、智能電話控制裝置及智能電話均部署在服務機房區;內網業務系統以非接口形式接收從國網95598呼叫中心客服北方分中心系統、新供電指揮系統及其他相關系統中傳來的工單;人工坐席臺部署運行輔助系統;部門處理節點可進行系統界面及派發工單信息查詢,從而督辦現場維修人員進行接單處理。輔助系統網絡布局如圖1所示。
圖1 輔助系統網絡布局
2.1 MVC模型
MVC(model-view-controller)模式易于拓展,靈活且交互性強,常用于應用程序的分層開發。整個模型的基本框架如圖2所示。
Model(模型)代表一個存取工單數據的對象,在工單數據變化時更新控制器。模型接收視圖請求的數據,并返回最終的處理結果,但處理過程對其他層來說是黑箱操作。模型的設計是MVC最主要的核心。
View(視圖)代表模型包含的工單數據的可視化,即代表用戶交互界面。在MVC設計模式中視圖僅僅只采集處理視圖上工單信息數據和坐席人員點擊界面的請求,而視圖上工單接派流程則交予模型處理。
Controller(控制器)作用于模型和視圖上,控制工單數據流向模型對象,并在工單數據變化時更新視圖,可使視圖與模型分離。控制器將模型和視圖分離,可以使多個視圖顯示同一工單數據模型,如果坐席工作人員利用控制器改變某一視圖對應的工單數據模型,則其他所有相關視圖均會得到修改。
圖2 MVC模型基本框架
MVC設計模式的三層是緊密聯系又互相獨立的,相互獨立是指每一層內部變化不影響其他層,緊密聯系是指其他層可通過接口(Interface)調用該層。這樣的模塊化設計使輔助系統數據變更和升級維護變得更加簡易。
Model-view-presenter,即MVP模式,它與MVC設計模式有一個重大的區別:在MVP模式中,視圖層不直接與模型層進行交互,而是通過演示層來進行。這雖然減輕了模型層交互的負擔,但是增加了演示層和視圖層的耦合度,如果某一個視圖與演示層交互較多,當用戶改變該視圖時,則演示層也會被改變。
對于輔助系統的開發,由于配電網供電指揮服務涉及系統較多,輔助系統派生出的接口也較多,相較于MVP模式,MVC模式的重用性(即視圖層改變而不改動模型層和控制器層)更高,可維護性也更高。
2.2 自然語言處理技術
基于自然語言處理技術建立工單派發規則模型和工單派發路徑模型是供電服務指揮智能輔助系統最重要的組成部分。使用自然語言處理技術中的文本向量化處理技術,對工單受理內容中如用戶地址、故障類型等關鍵詞進行萃取,即將工單內容轉化為算法所需的實數域空間連續向量。
目前主要有GloVe、FastText、Word2Vec、基于transformer的雙向編碼表示(bidirectional encoder representations from transformers, BERT)等方法。本輔助系統選用BERT預訓練模型來進行文本向量化處理,采用BERT+雙向長短時記憶神經網絡層(bidirectional long short-term memory, BiLSTM)+條件隨機場層(conditional random field, CRF)模型進行命名實體識別(named entity recognition, NER)。
圖3為整個工單關鍵詞的識別邏輯。為將工單中每個字符的向量表達進行上下文語義信息融合,首先需要將電力工單文本送入預訓練完成的BERT語義編碼層,再將這些字向量輸入BiLSTM以預測工單實體信息標簽類別,再對其進行編碼,然后將結果輸入CRF計算出相連字符之間的標簽轉換關系,接著用BIO標簽做序列標記,最后根據標記從向量序列中解析出對應不同工單內容實體的標簽信息。
圖3 工單關鍵詞識別邏輯
解析標簽信息可獲取工單關鍵詞(如工單編號、工單類型、工單子類型、用戶編號、用戶地址、現場地址等)和工單派發路徑,結合工單業務類型等信息,根據工單派發規則和派發路徑模型的分析結果,鎖定自動派發范圍,將待辦工單自動派發至相應處理部門。
對有明確戶號、派發規則的工單進行下派并記錄派發過程,對沒有明確戶號,無法確認派發規則的工單,建立地址庫,通過地址匹配確定派發規則和派發路徑,并將其作為一次“樣本”。通過大量“樣本”的建立和分析,實現系統自動派發規則和路徑的自我學習,從而擴大自動派單范圍,提高派發率。
3.1 輔助系統的系統架構與技術架構
本輔助系統采用MVC模式作為總體架構,如圖4所示。
本輔助系統具體的技術架構如圖5所示。MVC模式的控制器通過內網模擬瀏覽器操作接入新供電指揮系統獲取工單,通過業務層(即模型層)對工單進行派發,將讀取到的全部工單、工單數據派發路徑等信息保存到數據庫中。同時記錄工單的派發流程,根據供電指揮中心要求將派發邏輯整理并保存到數據層。前后端通過Ajax進行交互,對工單數據進行渲染后再展示到Web層,也是MVC模式的視圖層。
3.2 主要功能模塊
本供電指揮服務人工智能坐席輔助系統開發的主要模塊包括智能接派單模塊、多功能綜合告警模塊、人工派單輔助研判模塊、回單防火墻模塊。
圖4 配電網供電指揮服務智能輔助系統總體架構
圖5 配電網供電指揮服務智能輔助系統技術架構
1)智能接派單模塊
對于系統派單,輔助系統通過供電指揮服務系統數據接口,實時獲取搶修類型工單信息數據,將工單數據及時保存進數據庫。根據現有搶修業務工單派發路徑及規則,并通過每個工單樣本,實時整理學習,建立完善的配電網搶修工單路徑庫和規則庫,實現搶修類型工單的自動流轉與派發。
同時,通過SG186系統數據接口,可實時獲取非搶修類工單數據,其中包括服務申請咨詢、督辦、催辦、意見、表揚、投訴建議等類型工單數據,整理規范化工單派發路徑并實時維護,實現非搶修類工單的自動接派。圖6、圖7為搶修類和非搶修類工單信息展示界面。
圖6 主動搶修工單信息展示界面
圖7 非搶修類工單信息展示界面
此外,基于工單特殊性,某些特殊工單需要人工輔助派發,因系統無法做出與坐席人員基于長期經驗與熟練度而做出的類似判斷,所以需要系統輔助研判,調閱相關信息輔助人工派發,此類工單相對容易處理,且數量占比少。
2)多功能綜合告警模塊
在國網現有電力生產管理系統(power production mangement system, PMS)搶修模塊、95598系統、SG186系統中,已經針對工單派發異常、派單超時、現場未接單等問題做出了相應的告警功能,
基于此,本輔助系統做了如下優化:①自動定時監測各接口傳送的全部工單,對未派送且即將超時的工單做出提前彈窗警示,如圖8所示;②針對工單內容不標準、語義模糊等問題,輔助系統根據工單受理內容信息,通過對關鍵詞的智能研判進行提示,使用頁面展示告警信息解決;③針對程序非正常運行、主機掉線等情況,輔助系統將進行在線監測,當派單主機宕機或網絡掉線時,通過郵件、電話(將設定內容轉化為語音通知,并記錄電話內容及按鍵信息)等多種方式進行告知提醒,能及時將此信息通知給工作人員,確保派單主機正常工作,及時處理異常。
圖8 未派單工單彈窗提示
3)人工派單輔助研判模塊
目前供電指揮服務中心的坐席工作人員在工單派發時,對同一用戶的各類信息進行檢索調閱,需要登錄多個系統,增加了工作復雜性,故該模塊設計了以下功能:
①用戶畫像研判,獲取工單中如戶號、用電信息、繳費信息、地址信息、用戶關聯信息等,如圖9所示;
②工單內容準確研判,通過用戶用電信息采集系統召測電能量數據,判斷工單內容是否準確,也可查看用戶的用電情況;
③工單路徑研判,例如針對停電事件,對同一工單、同一線路的停電信息與同一工單、不同線路的停電信息進行研判,或者對同一線路的多種重復類工單的停電信息進行研判,來確定是否需要派發工單調度配電網檢修班進行檢修。
此外,針對無法判別路徑的工單,在工單到達系統后,系統自動檢索該工單相關信息,如該工單客戶的基本信息、繳費信息等,同時調閱其供電責任區域信息和其他相關工單信息,減少工作人員在各系統中逐一查找的時長。
圖9 一鍵調閱關聯信息展示
4)回單防火墻模塊
圖10為3條回單審核信息展示,該模塊可對工單回復內容進行自動解析,通過對某些特定字段的規范化約束判斷,例如:用戶個人聯系電話位數不準確、對工單的回復時間的邏輯判斷等,將不符合國家電網工單回復規范、邏輯不合理的回復工單返回重填以減少工單中用詞不當、關鍵信息錯漏的現象。同時,模塊可根據省公司提供的回單規范文件,對市級已確認工單內容進行檢測校驗,并按照規范簡要的方式展示,給出修改意見。
圖10 回單審核信息展示
該輔助系統已于2020年6月下旬在國網長沙供電公司應用(目前已在湘潭、衡陽推廣),統計2021年3月數據,整個3月實現2 036張客戶訴求供電工單的智能研判及自動派發,派發成功率達82.97%,統計數據如圖11所示。該系統應用后,一是規范了用戶訴求處置流程、有效挖掘當前非搶修類工單業務的痛點問題,為優化電網服務提供了科學的數據支撐;二是產生社會效益,快速響應客戶需求,提升客戶滿意度,有效降低用戶投訴量;三是減員增效,長沙供電指揮中心服務坐席由25人減少至20人。
圖11 2021年3月派單率
本文輔助系統未應用前,供電服務中心接到“催收電費”的工單,于2020年1月3日17:06:13時受理工單,17:32:31完成工單內容填寫,17:32:31將工單配送至城北支公司供電服務指揮中心班組,整個用時26min。
2021年5月8日17:02:18,供電服務指揮中心接到用戶電話,用戶告知湖南省長沙市天心區書院南路258號公家小區出現變壓器漏油現象。輔助系統自接到用戶電話,17:02:28受理該搶修工單,并根據電話語音信息自動填寫受理內容,于17:02:48時完成并接單,輔助系統根據工單派發規則和派發路徑模型的分析結果,于17:03:06派送至天心配電網運維(搶修)班,整個工單流轉時間僅38s。
統計該輔助系統在長沙供電公司應用前后各類工單數量及客戶滿意度,見表1。由表1可見,輔助系統的應用提高了配電網供電指揮中心坐席人員的工作效率,縮短了搶修業務前期處置時間,給用戶提供了更優質的供電服務,提升了用戶滿意度。
表1 輔助系統應用前后工單數據及用戶滿意度統計
本文開發的供電指揮服務智能輔助系統實現了智能接派單、多功能綜合告警、人工派單輔助研判和回單防火墻共4個模塊。在簡化電網工單派發流程、減輕坐席工作人員工作負擔、降低工單誤派漏派率,以及提高現有供電指揮中心坐席系統智能化水平、保障電網工單業務通道穩定快速運行方面有了重大改進。
對于今后電網工單的派發流轉,可以借鑒外賣、打車軟件的訂單需求場景,在用戶方面,開發移動客戶端,或者和第三方應用進行聯合,組織架構同步,以此實現高效能的供電服務,提升用電問題解決效率,保證用戶的優質用電。
本文編自2021年第12期《電氣技術》,論文標題為“配電網供電指揮服務智能輔助系統研究及應用”,作者為吳剛、陳江雨 等。