基于人工智能的电力营销稽核方法

陈姗

（国网泉州供电公司，福建泉州 362000）

电力营销在国家电网的体系中往往是重中之重，公司的各项发展、各种决策都离不开营销的成功展开。而有效的营销才是关键，所以与营销过程中的稽核是牢不可分的，必须紧跟电网公司的发展战略[1]，随时跟踪营销方法、营销对象，据此改变自己的稽核模式和稽核对象，避免在营销过程中出现错误。在整个营销过程中，稽核确实起到监督管理作用，有效为电网发展保驾护航。但人工电力稽查往往效率低下，并且准确率不高，在信息技术大爆炸的新环境中，只有跟上时代步伐，才能不被时代甩开，才能把握时代技术[2]。目前的人工智能技术主要包括：专家系统、模糊理论、群智能算法、边缘计算等，这类技术在应用层面上各有优势。

专家系统是最早出现的人工智能算法之一，虽然在性能上不算太好，但适用性较强，即使在人工智能技术比较多的时代，仍然是被研究最多最广的一门人工智能技术。按照程序的设计，专家系统根据给定的大量数据进行推导和演算，形成具有自己逻辑和判断的决策[3]。这些过程都是模拟人类在讨论和决策时的思路实现的，往往具有高可靠性。人工神经网络技术是模拟人类大脑工作而出现的一种新型人工智能技术，在处理数据的速度和准确性上，提高了很多，虽然这项技术出现得比较早，但仍是目前研究最热门的人工智能方法。跟专家系统相比，人工神经网络更加复杂，在自主学习方面具有优势，在分布式计算、自适应等方面能够展现出巨大优势，更加广泛地应用在数据处理、预测、智能检测等领域[4]。群智能算法是一种最具有生物意义的智能算法，它是根据自然界的生物现象或者物种繁衍习性演化而来的，模拟物种的迁徙过程或者适者生存的自然规则，具有进化规则。目前最常用的算法为遗传算法和粒子群算法，常用来解决优化问题，以动物模型来模拟实际模型，从而形成约束条件，进而得到目标函数，多次迭代后得到最优解。这个过程基本上是此类算法的大致思想，能够很好地解决实际问题中的最优问题，比如背包问题、最短路径问题等[5]。

为了更好地开展电力营销稽核工作，解决在稽核工作过程中稽查不细致、稽查过程模糊、稽查目标不明确等问题，将人工智能算法引入到稽核中，可有效避免因人疲劳而带来的稽核错误、漏洞，还可以以人工智能为抓手，推动人工化向数字化转变，降低在电力营销过程中的错误，助推营销的精益管理[6]。

专家系统在电力营销稽核中的应用如图1所示，根据图中箭头所指的方向可知，当数据按照箭头的方向流动时，可以由数据的种类及作用形成一个专家系统，这个系统的基本组成主要包括六个部分，即人机交互界面、知识库、推理机、解释器、综合数据库、知识获取。

图1 专家系统结构图

图1中的知识库是用来存放知识的，这个知识由专家来提供，可以是稽核数据，也可是稽核样本或存在问题的营销数据。具体的操作步骤是将知识库中数据仿照专家的思维方式来建模，所以，要得到准确有效的答案，专家系统中的知识库尤为重要，往往决定着整个系统的质量水平。为了提升稽核的准确性，需要适用的稽核数据，使系统获取的知识准确率高，以提高专家系统的性能[7]。

如图1所示，人机交互界面主要是为了方便用户交流。根据这个界面，用户可以据此进行数据交换，并且还可以回答专家系统提出的一系列问题，使专家系统的性能得到提升，然后根据提出的问题，输出需要得到的相关结果。综合数据库用来存储电力营销的数据，这样可以方便地提取、交换数据，还可以保存原始数据，以便进行数据对比，找到稽核中存在的漏洞。此外，推理出的中间结果和最终结论也会放在这个数据库，作为暂时存取区。为了更加方便地得到推演过程及结论，在专家系统中还设计了一个解释器[8]，专门用来对得到的结论进行解释和说明，并且还与用户的提问强关联，所以，专家系统是一个“懂得人情世故”的人工智能技术。通常，影响专家系统性能的是知识库的质量，质量越高，得到的推演结果越接近真实值，这是专家系统的一大难点，但是可以通过改造知识库实现自动学习功能。

群智能算法可以模仿自然界中动植物的生理习性来进行逻辑运算，将动物的最优行为应用到自然语言当中，它的出现解决了实际生活中很多优化问题。粒子群算法的提出正是受到了鸟群和鱼群找寻食物的启发，于1995年，由社会心理学家Kennedy与电气工程师Eberhart合作提出来的。粒子群算法的提出，解决了很多复杂的优化问题，具体优化过程如图2所示。粒子群算法主要是将动物群体中的个体当做算法中的粒子，考虑为最优问题中的一个解，并且设定一个策略给这个解，按照这个策略找到最优的解。

图2 粒子群算法框图

在电力营销稽核中，可以将营销数据当做算法中的粒子，将符合规定的数据作为约束条件，从而筛选整个数据，得到满足约束条件的数据，淘汰掉存在问题的数据。整个寻优过程中，核心步骤如式（1），（2）。

根据此项规定，数据并不会像无处可寻的动物一样，会根据路径在指定的区域内进行数据交换，整个区域就是电力营销的数据库，记录最好的经验和带着标签的数据，然后对下一个数据进行寻优。式（1），（2）中的gbest表示种群最优，pbest表示个体最优，c1、c2表示学习因子，t表示迭代时间，v表示寻优速度，x表示寻优所在位置坐标。

人工神经网络的提出，让人工智能技术更上了一层楼，让机器系统有了自主学习的能力，只要通过足够多的样本数据，通过合适的训练参数就能够自主地得到最优结果。神经网络的拓扑图如图3所示。图中最小单元是神经元，如同人类大脑一样，有成千上万个神经细胞。各个细胞相互连接，处理能力极强。

图3 人工神经网络结构图

图3中，W表示神经元，x表示样本数据，数据通过神经元处理后向后输出，这些行为主要是模拟了人类大脑中的突触，将信号一层一层地向下传递，并且有选择地筛选信号，如同神经网络中的权重一样，并不是每个样本数据都可以顺利地传递到下一个层级去，只有被选择了的数据才会被调用。这样，可以将电力营销数据进行样本分类，设置好预定的阈值，让网络自主学习，有目的地选择数据，而且，还可以调节阈值，有针对性地严格审查某个数据，提高稽核的准确性。通常，连接的输入值都会被加权求和。然后该值被传递给激活函数，激活函数的作用是计算出是否将一些信号发送到该神经元的输出，即选择留下有用的部分。

营销稽核工作是复杂的、繁琐的，人工稽核往往容易出现稽核疲劳，导致稽核出错。而采用人工智能的方式稽核，往往能提高稽核效率和准确率，给国家电网的稳定运行提供更好的保障。本文从新兴技术的角度出发，将各种人工智能算法应用到营销稽核工作中，可有效降低工作强度，并且释放劳动力，减少人工成本的投入，还可以根据算法的性质，制定相应的策略，满足不同稽核场景的应用。逐步提升稽核水平，精准地找出问题，发现异常，努力完成数字化转型，提升营销精益化、数字化管理水平。

猜你喜欢 智能算法人工神经网络知识库 基于人工神经网络的Ni-ZrO2纳米镀层耐腐蚀性能预测装备环境工程(2022年2期)2022-03-15汉语近义词辨析知识库构建研究北京大学学报（自然科学版）(2022年1期)2022-02-21人工神经网络实现简单字母的识别电子制作(2019年10期)2019-06-17基于人工神经网络的优化配置研究科学与财富(2016年34期)2017-03-23改进的多目标快速群搜索算法的应用价值工程(2016年32期)2016-12-20烟草香级智能集成分类方法电脑知识与技术(2016年24期)2016-11-14基于Robocode的智能机器人的设计与实现电脑知识与技术(2016年8期)2016-05-19基于云模型的单路口交通信号智能控制系统研究物联网技术(2015年11期)2015-11-26基于人工神经网络的经济预测模型计算技术与自动化(2014年1期)2014-12-12机构知识库建设的动力研究科技视界(2014年27期)2014-08-15

推荐访问:稽核 人工智能 电力