基于深度学习的二维网格空间泛在感知技术研究与应用

袁加梅，张莉莉，丁蕾，张弛

（国网安徽营销服务服务中心，安徽合肥，230022）

0 引言

目前，电力体制改革步入全面加速、纵深推进、落地见效阶段，深化电力体制改革，对电力企业而言既是机遇也是挑战。如何坚持问题导向，聚焦服务创新，细化营销管理工作，及时优化管理、补强短板、强化弱项，提高优质服务水平，提升电力营商环境是供电企业需要思考的问题。

1 安徽电力营销指标管理现状分析

当前电力企业以台区为最小管理单元，营销管理均以台区进行管理，按配电台区将营销管理责任落实到人，将营销指标分解考核到人，实行台区营销指标承包管理制。台区经理负责制，负责区域网格内报修、装表接电、用电检查、采集运维、抄表催费、客户服务等现场工作。随着台区不同类型客户的多样化需求发展，台区营销指标承包管理制已经难以适应营销精细化管理要求。主要表现在以下几个方面：

1.1 管理层划分台区经理服务区域和配备资源缺乏数据和理论支撑

目前台区经理和资源配备以配电台区为主要依据，不同台区内工业园区、居民小区、城中村等不同用电客户构成不一致，因此不同配电台区工作量及服务需求存在较大差异。但台区经理人员和资源配备缺乏科学的数据和理论支撑，主要依据个人经验和主观判断进行，配备的人员、资源与台区的工作量和服务需求匹配度不高，台区经理服务区域与资源配备不合理。

1.2 用户诉求复杂，一线人员服务主动性和精准性缺乏技术支撑

不同台区网格内用电客户类型复杂，服务需求不一，但台区客户经理服务标准统一，客户体验不佳。即使是同一台区，台区内工业用户、居民用户的诉求也存在较大差异，一线服务人员无法准确定位服务范围内的热点小区、热点客户，无法提供主动服务和差异化服务。

2 二维网格空间泛在感知技术服务模式研究

2.1 研究思路

国网安徽省电力公司积极开拓供电服务市场，探索多样化服务模式的重要途径，利用人工智能语义分析方法，基于二元语法(Bigram)二分法的地址重构算法，切分、重构供电服务地址，通过二元语法(Bigram)二分法地址特征匹配与要素重组，实现用户信息、工单热词、业务热点的智能化地理位置信息重构，将用电特征、工单热点、业务特征聚焦于地理位置节点坐标，聚类用户特征，拓展区域维度感知技术研究，实现多维特征叠加的二维网格空间状态感知。

2.2 二元语法(Bigram)二分法地址重构算法研究

图1 基于深度学习的地址切分算法

基于电网设备资源、客户基本信息、工单信息、业务信息、用电情况等数据，利用人工智能语义分析方法，实现用户信息、工单热词、业务热点的智能化地理位置信息重构，为后期热点聚焦做信息准备。

（1）基于管理和服务特征，设定地址分级模型

安徽电力现有标准地址模式采用9 级地址，本研究一是根据用电服务的特征和管理的细粒度要求，鉴于算法优化原则，将街道与牌号、单元与户号等冗余地址进行合并，选取七级地址智能化重构，完成用户信息、工单热词、业务热点的智能化地理位置信息的特征模型设定。二是利用人工智能算法实现七级地址切分，将地址内容准确切分为省、市、县（区）、镇（道路、街道、线路）、小区（村、台区）、楼栋、门牌号七个层级，实现行政网格与地理网格融合，实现工单、客户、设备的位置关系与管理关系融合，支撑供电精细化服务。

（2）利用二元语法二分法精细切分供电地址

首先采用二元语法(Bigram)二分法将地址切分，其次用网络兴趣点(POI)数据地址集作为样本，采用基于深度学习的方法对地址要素进行特征匹配与要素重组，最终实现以地址要素为单元的中文地址自动切分，将供电地址切分到七级。

2.3 二维网格空间泛在感知技术研究

将用电特征、工单热点、业务特征聚焦于地理位置节点坐标，根据用户的行业类别、用电特征、设备资源等特征因素利用深度学习进行聚类，打破常规以台区客户经理、客户等个体感知维度的研究，拓展区域维度感知技术研究，实现区域空间及范围、客户经理配置、客户服务诉求热点及投诉风险等多维特征叠加的二维网格空间状态感知。

（1）基于精细化地址实现特征聚类

基于热点标签库和人工语义识别方法，对于用电特征、工单热点和业务特征进行提取，将这些特征聚焦于精细切分后的地址。根据地理空间信息和网格特征点，利用深度学习的方法进行聚类，形成基于地址信息的特征网格。

主要实现方法为根据地域特征，选取不同行业用户和电网资源基于地理位置进行样本划分，形成K 个聚类中心，将样本特征和地址汇聚点作为特征值，将大量数据根据聚类中心的相似性进行划分，并不断计算新的聚类中心，重复过程到结果收敛。

（2）网格特征的服务风险状态感知

根据精细网格的特征聚类，对于不同的网格的用户特征进行诉求等级切分，同时根据电网资源分配、人员配备和客户诉求情况，进行服务等级切分，计算诉求等级和服务等级的匹配程度，进行风险状态感知和等级判定。对于两类等级差异化进行资源配备和服务策略调整，并根据反馈状态进行模型优化，提升网格内风险状态感知的能力，进行风险预警和防控。

3 特色亮点

3.1 地址重构算法

基于深度学习的二维网格空间泛在感知技术研究将人工语义识别算法和深度学习运用到供电地址的重构，对接地理网格与GIS 平台，搭建智能分级模型，利用深度学习对地址要素进行特征匹配与要素重组，最终实现以地址要素为单元的供电地址自动切分、重构，将供电地址重构为七级地址，实现行政网格与地理网格融合，实现网格内工单、客户、设备的位置关系与管理关系融合。支撑工单诉求分析维度精确到台区、小区、用户，提升台区经理精准服务效率。

3.2 网格状态感知

基于深度学习的二维网格空间泛在感知技术研究利用非监督学习算法，提取用户用电、用户和工单热点特征聚焦至精细切分后的地址，利用深度学习的方法进行聚类，形成基于地址信息的特征网格，达到地理网格、服务网格、热点网格融合统一。通过二维网格空间泛在感知技术打破常规以台区客户经理、客户等个体感知维度的研究，拓展供电网格区域内维度感知技术研究，实现区域内多维特征叠加的二维网格空间状态感知，提升网格内风险状态感知的能力，优化资源配备和服务策略模型，实现区域客户诉求等级与服务资源配备等级匹配，全面增强台区经理精准响应服务能力和风险防控能力。

4 结语

基于深度学习的二维网格空间泛在感知技术研究，通过供电地址智能切分、重构，实现区域维度的二维网格空间状态感知，为支撑以客户为中心的精准需求预测和个性化服务,全面增强台区经理精准响应服务能力，提升客户服务质效有重大意义。

4.1 提高效率

利用人工智能二元语法二分法完成供电地址精细切分，重构客户供电地址，实现工单、客户、设备的位置关系与管理关系融合，找到供电服务资源分配与客户需求最合适网格，实现网格区域空间及范围、客户经理配置、客户服务诉求热点及投诉风险等多维特征叠加的二维网格空间状态感知，可为省、市、县供电公司合理的网格化切分提供数据及技术支撑。

4.2 提升服务

通过聚类分析精细化网格内用户的行业类别、用电特征、设备资源等特征因素，开展区域维度感知技术研究，为区域空间及范围、客户经理配置、客户服务诉求热点及投诉风险提供数字化决策支撑，支撑以客户为中心的精准需求预测和个性化服务,全面增强台区经理精准响应服务能力，提升客户服务质效。