本發(fā)明涉及一種基于決策樹算法在一段時間周期內(nèi)(月、季、半年、年)預(yù)測電能表在發(fā)生計量、用電異常時發(fā)生故障的概率，屬于電力行業(yè)用電營銷和計量技術(shù)領(lǐng)域。

背景技術(shù)：

目前，由于安徽省電力公司安裝在現(xiàn)場的電能表已經(jīng)超過2500萬只，由于對現(xiàn)場運行電能表運行狀況無法進行分析，發(fā)現(xiàn)發(fā)生故障概率較高的電能表，只能按照DL/T448-2000《電能計量裝置技術(shù)管理規(guī)程》和《電能表現(xiàn)場狀態(tài)檢驗方案》的要求開展對占2％的I、II、III類電能表定期抽檢，對抽檢不合格的安排輪換，而對占98％的IV、V類電能表不進行現(xiàn)場抽檢，缺乏切實可行的手段對電能表運行狀況進行分析和預(yù)測，同時，由于存在大量的隨機抽樣工作，同時也會造成大量表計浪費，也存在部分真實存在故障的標因為抽取樣本中未發(fā)現(xiàn)而未及時更換。所以，現(xiàn)有的管理規(guī)程和狀態(tài)檢驗方案無法滿足安徽省電力公司業(yè)務(wù)現(xiàn)狀，制約了計量業(yè)務(wù)的發(fā)展，迫切需要應(yīng)用新的技術(shù)手段解決上述問題。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)存在的不足，本發(fā)明目的是提供一種基于決策樹算法的電能表故障預(yù)測方法，能夠準確、及時地發(fā)現(xiàn)問題電能表，并通過決策樹算法預(yù)測發(fā)生故障的概率，從而降低了計量與用電檢查部門人員現(xiàn)場排查和計量故障處理的工作量。

為了實現(xiàn)上述目的，本發(fā)明是通過如下的技術(shù)方案來實現(xiàn)：

本發(fā)明的基于決策樹算法的電能表故障預(yù)測方法，是建立在計量裝置在線監(jiān)測與智能診斷系統(tǒng)(以下簡稱計量在線監(jiān)測系統(tǒng)，為現(xiàn)有系統(tǒng)此處不再贅述)上，針對計量在線監(jiān)測發(fā)現(xiàn)的異常事件，通過建立電能表故障預(yù)測模型，分析電能表時鐘超差、過壓、過流等異常發(fā)生后，其發(fā)生故障的概率。包括以下幾個步驟：

(1)首先通過采集裝置采集用戶的抄表數(shù)據(jù)、用電數(shù)據(jù)、終端和電能表事件，然后按照計量在線監(jiān)測系統(tǒng)設(shè)定的規(guī)則(現(xiàn)有規(guī)則，此處不再贅述)進行檢查，排除由于所述采集裝置誤報產(chǎn)生的錯誤數(shù)據(jù)，生成計量、用電異常事件；

(2)按照廠商和批次分析統(tǒng)計時間段內(nèi)，專變用戶及低壓用戶的電能表中是否存在環(huán)境、質(zhì)量問題造成發(fā)生計量故障的電能表，然后對發(fā)生故障的電能表以批次為單位統(tǒng)計各類故障率指標，并進行相關(guān)性分析(現(xiàn)有的分析方法，此處不再贅述)，定義發(fā)生問題的電能表的影響因子，從而建立基于決策樹算法的故障診斷模型；

(3)針對所述專變用戶統(tǒng)計當(dāng)前是否存在滿足判斷故障的計量、用電異常事件(如電能表時鐘超差、過壓、過流、反向潛動等異常事件)；針對所述低壓用戶統(tǒng)計當(dāng)前是否存在滿足判斷故障的計量異常事件(如電能表時鐘超差、反向潛動事件)；對發(fā)生上述異常的電能表用電能表故障預(yù)測模型分析發(fā)生故障值；

(4)根據(jù)所述決策樹算法的故障診斷模型分析的結(jié)果，參考營銷系統(tǒng)的電能表計量故障換表及故障表檢定信息，驗證電能表運行是否會發(fā)生故障；

(5)如果判斷準確率達到80％則結(jié)束流程，如果低于這個準確率則轉(zhuǎn)向步驟(3)重新進行分析。

步驟(2)中，所述專變用戶的環(huán)境問題包括電壓過壓、電流過流、電能表開表蓋或電能表開端鈕蓋；所述專變用戶的質(zhì)量問題包括電能表總與各費率之和不一致、電能表飛走、電能表停走、電能表倒走、電能表反向潛動或者電能表時鐘電池故障；所述低壓用戶的環(huán)境問題包括電能表開表蓋；所述低壓用戶的質(zhì)量問題包括電能表總與各費率之和不一致、電能表飛走、電能表倒走、電能表停走、電能表反向潛動或者電能表時鐘電池故障。

步驟(3)中，用電異常事件包括電能表時鐘超差、電能表對時超次數(shù)、電壓過壓和電流過流；計量異常事件包括電能表時鐘超差、電能表對時超次數(shù)。

步驟(3)中，所述電能表故障預(yù)測模型是基于群體分析，然后對屬于群體的個體進行預(yù)測的模型，包括對群體發(fā)生質(zhì)量異常的統(tǒng)計，權(quán)值歸一化及故障預(yù)測，所述群體具體按廠商和批次，電能表故障預(yù)測模型分析方法如下：

(3-1)對所述電能表各類質(zhì)量故障進行統(tǒng)計

如果電能表發(fā)生質(zhì)量異常情形中的任意一個異常，即n>0,n＝n₁+n₂+…n_i+…+n_n，n_i為電能表總發(fā)生質(zhì)量異常情形中的任意一個異常，則確定為數(shù)據(jù)集；

(3-2)對于每批次電能表的質(zhì)量異常都有一個占比，計算每個質(zhì)量異常占比：

P_i＝N_i/N，其中，N_i為質(zhì)量異常中任意一個異常，N為該批次總數(shù)；

然后對計算出來的質(zhì)量異常占比進行歸一化處理；

$x=\frac{x-\min }{\max -\min }$

其中，x為樣本中的數(shù)據(jù)，max為樣本數(shù)據(jù)的最大值，min為樣本數(shù)據(jù)的最小值；

(3-3)故障預(yù)測

對質(zhì)量異常占比及對應(yīng)的可信度值進行劃定，如果質(zhì)量異常占比在[0,0.2]之間，則可信度是20％，質(zhì)量異常占比在[0.3,0.6]之間，則可信度是45％，質(zhì)量異常占比在[0.7,0.85]之間，則可信度是65％,質(zhì)量異常占比在[0.86,1之間，則可信度是80％；

故障值公式如下：

$K={\mathrm{\Σ}}_i^n{P}_i*h$

其中，P_i為質(zhì)量異常占比，h為該質(zhì)量異常占比對應(yīng)的可信度。

本發(fā)明能準確、及時地發(fā)現(xiàn)問題電能表，并預(yù)測發(fā)生故障的概率，對電力公司加強故障電能表現(xiàn)場抽檢，及時排查問題和消缺，提高了業(yè)務(wù)時效性、減少經(jīng)營損失、客戶投訴風(fēng)險，降低計量與用電檢查部門人員的工作量，滿足了電力公司對現(xiàn)場運行計量裝置的工況進行實時監(jiān)測的需求。

附圖說明

圖1為本發(fā)明的基于決策樹算法的電能表故障預(yù)測方法工作流程圖。

具體實施方式

為使本發(fā)明實現(xiàn)的技術(shù)手段、創(chuàng)作特征、達成目的與功效易于明白了解，下面結(jié)合具體實施方式，進一步闡述本發(fā)明。

隨著用電信息采集系統(tǒng)發(fā)展和應(yīng)用，尤其是計量裝置在線監(jiān)測與智能診斷系統(tǒng)的應(yīng)用取得的成就，具備了分析對電能表運行狀態(tài)的可能性。在此基礎(chǔ)上，結(jié)合營銷業(yè)務(wù)系統(tǒng)、計量生產(chǎn)調(diào)度平臺的信息，應(yīng)用統(tǒng)計分析、數(shù)據(jù)挖掘和機器學(xué)習(xí)技術(shù)構(gòu)建電能表故障預(yù)測程序，實現(xiàn)對現(xiàn)有分布在城鄉(xiāng)2500多萬只電能表的狀態(tài)進行分析。

本發(fā)明基于決策樹算法的電能表故障預(yù)測模型。在指定分析周期內(nèi)，以電能表制造廠商、供貨批次、生產(chǎn)日期為分析對象，對統(tǒng)計對象內(nèi)的電能表發(fā)生各類質(zhì)量故障、報廢率、檢定結(jié)果和故障換表及折舊等情況，以此為分析要素，對屬于這個分析對象的電能表個體在發(fā)生特定的計量異常情況下，是否發(fā)生會故障進行預(yù)測和分析，從而為制定電能表現(xiàn)場抽檢和輪換計劃提供技術(shù)參考依據(jù)，實現(xiàn)現(xiàn)場抽檢的針對性，極大地提高工作效率，使電能表從目前的“計劃檢修”向“狀態(tài)檢修”轉(zhuǎn)變。在確保電能表安全、穩(wěn)定運行的前提條件下，以最經(jīng)濟的成本對現(xiàn)場的電能表運行進行監(jiān)測和狀態(tài)分析，判斷其中的電能表是否會發(fā)生故障。

參見圖1，具體的預(yù)測方法如下：

1、對用戶的采集數(shù)據(jù)進行清理，排除由于采集裝置異常而突然產(chǎn)生很大數(shù)據(jù)(如電流超過額定電流300％)的樣本點；排除營銷系統(tǒng)正在走拆表、換表流程的用戶；檢查用戶檔案信息中，電能表的計量方式與額定電壓、接線方式是否一致，排除用戶檔案錄入錯誤的問題。通過對上述情況的處理，避免干擾計量在線監(jiān)測系統(tǒng)對數(shù)據(jù)的應(yīng)用和分析；

2、針對專變用戶統(tǒng)計分析時間段內(nèi)發(fā)生環(huán)境異常(如：電壓過壓、電流過流、電能表開表蓋或電能表開端鈕蓋等異常事件)、質(zhì)量異常(如：電能表總與各費率之和不一致、電能表飛走、電能表停走、電能表倒走、電能表反向潛動或者電能表時鐘電池故障等事件)的電能表，同時分析發(fā)生問題的電能表的屬性(如：運行年限、生產(chǎn)廠商和批次及安裝區(qū)域等信息)；針對低壓用戶統(tǒng)計分析時間段內(nèi)發(fā)生質(zhì)量異常(如：電能表總與各費率之和不一致、電能表飛走、電能表倒走、電能表停走、電能表反向潛動或者電能表時鐘電池故障等事件)、環(huán)境異常(如：電能表開表蓋等異常事件)的電能表信息，同時分析發(fā)生問題的電能表的屬性(運行年限、生產(chǎn)廠商和批次及安裝區(qū)域等信息)；

分析時間周期包括月、季、半年和年。

3、數(shù)據(jù)需要進行篩選，清洗和處理后，轉(zhuǎn)成各類監(jiān)控與分析指標后才能被用來訓(xùn)練和檢驗。我們并非取全量數(shù)據(jù)做預(yù)測，而是對發(fā)生計量、用電異常的電能表進行預(yù)測是否會發(fā)生故障。

1)對分析對象的電能表各類質(zhì)量故障進行統(tǒng)計

如果電能表發(fā)生質(zhì)量異常(如：電能表總與各費率之和不一致、電能表飛走、電能表停走、電能表倒走、電能表反向潛動或者電能表時鐘電池故障等事件)中的任意一個異常，即n>0,n＝n₁+n₂+…+n_n(n_i為電能表總與各費率之和不一致、電能表飛走、電能表停走、電能表倒走、電能表反向潛動或者電能表時鐘電池故障等各類事件)，則作為我們的數(shù)據(jù)集。

2)計算每個質(zhì)量異常占比

對于每批次電能表的質(zhì)量異常都有一個占比，公式如下：

(i為質(zhì)量異常中任意一個異常，N為該批次總數(shù))計算出來的占比進行歸一化處理。

3)計算故障值

每個上報的質(zhì)量異常中的異常次數(shù)都會有一定誤差，質(zhì)量異常占比值得不同決定了可信度的大小。可信度的選用是在對最近五年電能表故障處理與原因分析的數(shù)據(jù)統(tǒng)計的基礎(chǔ)上，通過大量分析比對得出現(xiàn)的結(jié)果。對質(zhì)量異常占比及對應(yīng)的可信度值進行劃定，如果質(zhì)量異常占比在[0,0.2]之間，我們認為可信度是20％，質(zhì)量異常占比在[0.3,0.6]之間，我們認為可信度是45％，質(zhì)量異常占比在[0.7,0.85]之間，我們認為可信度是65％,質(zhì)量異常占比在[0.86,1之間，我們認為可信度是80％。故障值公式如下：

(P_i為質(zhì)量異常占比，h為該異常占比對應(yīng)的可信度)

故障值將會作為該模型一個重要的輸入指標。

4、采用C5.0決策樹算法，對現(xiàn)有數(shù)據(jù)所包含的分類規(guī)則進行歸納和提煉，數(shù)據(jù)除輸入角色的變量外，一定還包含輸出角色的輸出變量，且輸出變量的取值在現(xiàn)有變量上是已知的，它指導(dǎo)著模型的學(xué)習(xí)，使模型能夠理解怎樣的輸入變量取值或組合，得到怎么樣的分類結(jié)果，步驟如下：

1)決策樹的生長

利用訓(xùn)練樣本集完成決策樹的建立過程，本質(zhì)上是對訓(xùn)練樣本集的反復(fù)分組過程，決策樹上的各個分支實現(xiàn)數(shù)據(jù)不斷地分組過程中逐漸生長出來的。因此。決策樹的生長核心算法就是確定數(shù)據(jù)分組標準。屬性選擇方法總是選擇最好的屬性作為分裂屬性，即讓每個分支的記錄的類別盡可能純。它將所有屬性列表的所有屬性按照某個標準排序，從而選出最好的屬性。本發(fā)明中我們采用的是C5.0算法，所有用的是增益比率(gain ratio)選取分裂屬性。

a)信息增益(Information gain)：

信息增益基于香濃的信息論，它找出的屬性R具有這樣的特點：以屬性R分裂前后的信息增益比其他屬性最大。這里信息的定義如下：

Gain(R)＝Info(D)-I(D)

信息增益Gain(R)表示屬性R給分類帶來的信息量，我們尋找Gain最大的屬性，就能使分類盡可能的純，即最可能的把不同的類分開。不過我們發(fā)現(xiàn)對所有的屬性Info(D)都是一樣的，所以求最大的Gain可以轉(zhuǎn)化為求最新的I(D)。

其中

其中的m表示數(shù)據(jù)集D中類別C的個數(shù)，表示D中任意一個記錄屬于的概率，計算時＝(D中屬于類的集合的記錄個數(shù)/|D|)。Info(D)表示將數(shù)據(jù)集D不同的類分開需要的信息量；

假設(shè)我們選擇屬性R作為分裂屬性，數(shù)據(jù)集D中，R有k個不同的取值{,,…,}，于是可將D根據(jù)R的值分成k組{,,…,}，按R進行分裂后，將數(shù)據(jù)集D不同的類分開還需要的信息量為：

${\mathrm{Info}}_R\left(D\right)={\mathrm{\Σ}}_{j=1}^k\frac{\left|D_j\right|}{D}*Inf.$

b)增益比率(gain ratio)

信息增益選擇方法有一個很大的缺陷，它總是會傾向于選擇屬性值多的屬性，如果我們在上面的數(shù)據(jù)記錄中加一個使用單位屬性，假設(shè)16條記錄(安徽16個市供電公司)中的每個使用單位不同，那么信息增益就會選擇使用單位作為最佳屬性，因為按使用單位分裂后，每個組只包含一條記錄，而每個記錄只屬于一類，因此純度最高，以使用單位作為測試分裂的結(jié)點下面有16個分支。但是這樣的分類太廣泛，影響分析效率。對此，我們對其進行改進，采用增益比率。

首先引入一個分裂信息：

${\mathrm{SplitInfo}}_R\left(D\right)=\underset{j=1}{\overset{k}{\Σ}}\frac{\left|D_j\right|}{D}{\log }_2\left(\frac{\left|D_j\right|}{\left|D\right|}\right)$

增益比率定義為信息增益與分裂信息的比率：

$GainRatio\left(R\right)=\frac{Gain}{SplitInf}$

2)決策樹的剪枝

完整的決策樹并不是一顆分類預(yù)測新數(shù)據(jù)對象的最佳樹，過于精確，會失去一般性而無法用于新數(shù)據(jù)的預(yù)測，這種現(xiàn)象稱為過度擬合，所以我們要對決策樹進行剪枝，剪枝又分為兩種，預(yù)剪枝和后剪枝，具體如下：

a)預(yù)剪枝：限制決策樹的充分生長，事先指定最大深度。

b)后剪枝：生長完畢后在進行剪枝，剪枝過程中不斷計算當(dāng)前決策子樹輸出變量的預(yù)測精度和誤差，用戶可事先指定一個允許的最大錯誤率。

由于本發(fā)明采用的是C5.0算法，該算法選取的是后剪枝的方法。

3)Boosting技術(shù)

為了提高決策樹分析的準確性，我們采用boosting技術(shù)，迭代了三次，每一次迭代都針對上次分類錯誤的信息進行重點分析，最后通過加權(quán)投票的方法，得到最優(yōu)模型。

以上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點。本行業(yè)的技術(shù)人員應(yīng)該了解，本發(fā)明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會有各種變化和改進，這些變化和改進都落入要求保護的本發(fā)明范圍內(nèi)。本發(fā)明要求保護范圍由所附的權(quán)利要求書及其等效物界定。