故障报修工单大数据挖掘

邹墨

（福建省电力有限公司福州供电公司，福建 福州 350000）

故障报修工单大数据挖掘

邹墨

（福建省电力有限公司福州供电公司，福建 福州 350000）

故障报修作为客户满意度的重要环节，由于数量大、不可控因素多，一直处于管控粗放的状态。尝试通过分析受理工单数量、平均到达现场时长与平均复电时长的关系，故障类型与修复时长的关系，天气与故障报修关系，报修地点分布等因素，找到故障报修过程中的薄弱环节，精细化故障报修管理。

故障报修；工单；大数据挖掘；电能质量

故障报修工单数据项多、数据量大、单个工单流转时间快、数据精度不高，不适用于精确分析，而适用于大数据分析。利用Tableau工具对2014-05—2015-05所有故障报修工单尝试开展大数据挖掘，重点分析数据之间的联系。

1 数据分析

1.1 工单数量与到达现场、复电时长的关系

在受理工单数量、平均到达现场时长以及平均复电时长关联的分析中，2014-05—2015-05，福州地区平均复电时长为131.1 min。平均复电时长最长在每日02：00，为148.8 min，最短在每日21：00点，为74.5 min。

在关联分析方面，通过对受理工单数、平均到达现场时长及平均复电时长相关系数进行计算可以知道，工单受理量与到达现场时长及复电时长相关系数为均为负值，分别为－0.569和－0.722，受理量与复电时长有比较明显的负相关。在每日08：00—11：00点和17：00—18：00点这两个工单受理量较大的时点，到达现场时长变化不大，基本短于平均到达现场时长，复电时长却表现出明显的峰谷；在工单受理量较小的凌晨，到达现场时长与复电时长均达到峰值。

1.2 故障类型与修复时长的关系

按照故障类型的一级分类分为5类：低压故障、高压故障、电能质量、客户内部故障、其他。分别统计每个时点各个故障的修复时长以及修复平均总时长，得出故障类型与修复时长关系，在经过统计分析之后可知，各个分类平均修复时长差距较大，高压故障分类平均修复时长最长，其他以及客户内部故障分类平均修复时长最短。

1.3 天气相关分析

1.3.1 天气与故障报修量、时长关联分析

通过防灾减灾系统抽取2014-05—2015-05的气温和降雨数据，与故障报修的受理量、到达现场时长及修复时长进行关联分析，具体如图1所示。

由图1可见，全年受理量与平均复电时长根据日期变化较大，曲线有明显的峰谷；到达现场时长根据日期变化不大，曲线较为平缓。在对降雨与复电时长、降雨与受理量、温度与复电时长、温度与受理量等相关系数进行分析之后可以知道，从温度角度分析，受理量与温度相关系数基本为0，基本无相关性；复电时长与温度相关系数为0.699，相关性较强，这说明温度的升高会影响复电时长增长；到达现场时长与温度相关系数为0.528，相关性一般。从降雨角度分析，受理量与降雨量相关系数为0.241，相关性弱；复电时长、到达现场时长与降雨量相关系数分别为0.633和0.626，相关性较强，这说明降雨会直接延长复电和到达现场时长。

1.3.2 天气与故障报修类型关联分析

在对降雨量与故障报修各类型报修量关系、降雨量与故障报修各类型报修量相关系数进行分析后可知，各个类别报修量变化与降雨量相关系数均不大，其中，高压故障报修量与降雨量相关系数最大，为0.481；电能质量报修量与降雨量相关系数最小。在对温度与故障报修各类型报修量之间的关系进行分析之后可得出，各个类别报修量变化与温度相关系数均不大，其中，电能质量报修量与降雨量相关系数最大，为0.408；客户内部故障报修量与温度相关系数最小。

2 结论

受理量与到达现场时长及修复时长是负相关，这说明受理量的变化并不会影响工作效率，可以推测受理量变化的主要原因是重复报修。高压故障的平均修复时长远长于其他四类故障；高压故障和电能质量故障修复时长除了凌晨外，中午时段也会出现峰值，需要引起注意。

在故障修复工作的管理水平上，各县公司与本部还有一定差距，特别是在每日的0：00—6：00，时长波动较大。天气对于用户报修数量并不会造成较大的影响，但会明显影响到达现场时长和修复时长，会直接影响客户对故障报修的满意程度。温度变化直接影响高压故障报修量，降雨量变化直接影响电能质量报修量。天气对于低压故障、客户内部故障和其他类型故障不会造成过大影响。

3 建议

每日中午和凌晨是抢修时长相对较长的时段，应及时做好客户沟通，优化抢修人员管理，提高客户满意度；基于高压故障的平均修复时长远长于其他四类故障的情况看，需要安排专业人员强化对高压故障的记录及统计工作，在高压故障频发时间，应提高对高压故障的监控水平。县公司需要根据实际情况强化抢修人员培训，提高抢修人员的综合能力，提升抢修管理水平。根据天气预报灵活配置抢修资源，保证抢修人员能够尽快到达现场进行抢修工作，尽量消除天气对到达现场时长和抢修时长的影响，提高客户满意度。故障受理量与天气情况有着较大的联系，气温升高要重点关注高压故障情况，降雨增多时要重点关注电能质量情况。

4 结束语

综上所述，故障报修工单存在数据众多、工单流转时间快、数据精度不高等特点，采用大数据分析能够有效提高故障报修工单的效率，实现故障报修的精细化管理。同时，还需要做好客户沟通工作，定期对抢修人员进行培训，提高抢修管理水平，及时、准确地掌握天气状况，在雨天重点关注电能质量故障状况，根据地区的实际报修量来合理安排抢修驻点，以此保证故障报修工单大数据的顺利进行。

［1］郭小冰，黄小花，蒋海霞.大数据在95598故障报修工单分析中的应用［J］.电力需求侧管理，2016，18（06）.

［2］朱小倩，任虎，刘航航，等.故障报修类工单超时问题分析及对策［J］.山东电力技术，2017（01）.

TM73

A

10.15913/j.cnki.kjycx.2017.21.093

2095－6835（2017）21－0093－02

〔编辑：张思楠〕