[發明專利]基于改進Apriori算法的電能表風險分析方法及系統

在審

• 申請號: 201910517425.2
• 申請日: 2019-06-14
• 公開（公告）號: CN110222094A
• 公開（公告）日: 2019-09-10
• 發明（設計）人: 李寧;王永超;楊金成;張銀昌;劉國亮;尹文慶;冉懿;潘紅偉;王潤年
• 申請（專利權）人: 國網新疆電力有限公司電力科學研究院;國家電網有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/2455;G06Q10/06;G06Q50/06
• 代理公司: 烏魯木齊合縱專利商標事務所 65105
• 代理人: 湯建武;周星瑩

1.一種基于改進Apriori算法的電能表風險分析方法，其特征在于，包括以下步驟：

S1，在電能表歷史故障數據中進行隨機抽樣，獲得樣本數據；

S2，針對樣本數據建立電能表關聯規則集；

S3，利用改進Apriori算法及電能表關聯規則集，在樣本數據中提取頻繁項目集；

S4，設置預設支持度和預設置信度，利用預設支持度和預設置信度在頻繁項目集中提取強關聯規則；

S5，基于強關聯規則生成電能表風險信息。

2.根據權利要求1所述的基于改進Apriori算法的電能表風險分析方法，其特征在于，S1獲得樣本數據具體包括如下步驟：

S11，獲取原始電能表歷史故障數據；

S12，剔除原始電能表歷史故障數據中的冗余數據和不相關數據，得到電能表歷史故障數據；

S13，在電能表歷史故障數據中進行隨機抽樣，獲得樣本數據。

3.根據權利要求1所述的基于改進Apriori算法的電能表風險分析方法，其特征在于，S1中電能表歷史故障數據包括供應商、產品型號、故障類型以及安裝區域。

4.根據權利要求1或2或3所述的基于改進Apriori算法的電能表風險分析方法，其特征在于，S2中電能表關聯規則集為Q＝{S,T,R,A}，其中，S表示供應商，T表示產品型號，R表示故障類型，A表示安裝區域。

5.根據權利要求1或2或3所述的基于改進Apriori算法的電能表風險分析方法，其特征在于，S3利用改進Apriori算法及電能表關聯規則集在樣本數據中提取頻繁項目集具體包括如下步驟：

S31，設定k的初始值為1；

S32，掃描樣本數據，得到候選數據集Ck及其對應的候選支持度；

S33，依據頻繁項目集檢索條件，檢索出候選數據集中的頻繁項目集，其中頻繁項目集檢索條件為若候選數據集Ck中某一項目集的候選支持度不小于預設支持度，則該項目集為頻繁項目集；

S34，對頻繁項目集中出現元素的個數進行計數，去除頻繁項目集中個數小于k-1的元素，并將頻繁項目集進行自連接，生成候選數據集Ck+1；

S35，刪除樣本數據中不在候選數據集Ck+1中的元素，得到新的樣本數據，并以新的樣本數據替代之前的樣本數據，將k的值加1，返回S32并循環執行S32至S35，直至不能再產生頻繁項目集為止。

6.根據權利要求4所述的基于改進Apriori算法的電能表風險分析方法，其特征在于，S3利用改進Apriori算法及電能表關聯規則集在樣本數據中提取頻繁項目集具體包括如下步驟：

S31，設定k的初始值為1；

S32，掃描樣本數據，得到候選數據集Ck及其對應的候選支持度；

S33，依據頻繁項目集檢索條件，檢索出候選數據集中的頻繁項目集，其中頻繁項目集檢索條件為若候選數據集Ck中某一項目集的候選支持度不小于預設支持度，則該項目集為頻繁項目集；

S34，對頻繁項目集中出現元素的個數進行計數，去除頻繁項目集中個數小于k-1的元素，并將頻繁項目集進行自連接，生成候選數據集Ck+1；

S35，刪除樣本數據中不在候選數據集Ck+1中的元素，得到新的樣本數據，并以新的樣本數據替代之前的樣本數據，將k的值加1，返回S32并循環執行S32至S35，直至不能再產生頻繁項目集為止。

7.一種權利要求1至6中任意一項所示的基于改進Apriori算法的電能表風險分析系統，其特征在于，包括樣本數據獲取單元、頻繁項目集提取單元、強關聯規則提取單元、風險信息分析單元；

所述樣本數據獲取單元，用于在電能表歷史故障數據中進行隨機抽樣，獲得樣本數據；

所述頻繁項目集提取單元，用于針對樣本數據建立電能表關聯規則集，利用改進Apriori算法及電能表關聯規則集，在樣本數據中提取頻繁項目集；

所述強關聯規則提取單元，用于設置預設支持度和預設置信度，利用預設支持度和預設置信度在頻繁項目集中提取強關聯規則；

所述風險信息分析單元，用于基于強關聯規則生成電能表風險信息。