[發(fā)明專利]基于改進(jìn)Apriori算法的電能表風(fēng)險(xiǎn)分析方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910517425.2
• 申請(qǐng)日: 2019-06-14
• 公開（公告）號(hào): CN110222094A
• 公開（公告）日: 2019-09-10
• 發(fā)明（設(shè)計(jì)）人: 李寧;王永超;楊金成;張銀昌;劉國(guó)亮;尹文慶;冉懿;潘紅偉;王潤(rùn)年
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)新疆電力有限公司電力科學(xué)研究院;國(guó)家電網(wǎng)有限公司
• 主分類號(hào): G06F16/2458
• 分類號(hào): G06F16/2458;G06F16/2455;G06Q10/06;G06Q50/06
• 代理公司: 烏魯木齊合縱專利商標(biāo)事務(wù)所 65105
• 代理人: 湯建武;周星瑩

1.一種基于改進(jìn)Apriori算法的電能表風(fēng)險(xiǎn)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(shù)據(jù)中進(jìn)行隨機(jī)抽樣，獲得樣本數(shù)據(jù)；

S2，針對(duì)樣本數(shù)據(jù)建立電能表關(guān)聯(lián)規(guī)則集；

S3，利用改進(jìn)Apriori算法及電能表關(guān)聯(lián)規(guī)則集，在樣本數(shù)據(jù)中提取頻繁項(xiàng)目集；

S4，設(shè)置預(yù)設(shè)支持度和預(yù)設(shè)置信度，利用預(yù)設(shè)支持度和預(yù)設(shè)置信度在頻繁項(xiàng)目集中提取強(qiáng)關(guān)聯(lián)規(guī)則；

S5，基于強(qiáng)關(guān)聯(lián)規(guī)則生成電能表風(fēng)險(xiǎn)信息。

2.根據(jù)權(quán)利要求1所述的基于改進(jìn)Apriori算法的電能表風(fēng)險(xiǎn)分析方法，其特征在于，S1獲得樣本數(shù)據(jù)具體包括如下步驟：

S11，獲取原始電能表歷史故障數(shù)據(jù)；

S12，剔除原始電能表歷史故障數(shù)據(jù)中的冗余數(shù)據(jù)和不相關(guān)數(shù)據(jù)，得到電能表歷史故障數(shù)據(jù)；

S13，在電能表歷史故障數(shù)據(jù)中進(jìn)行隨機(jī)抽樣，獲得樣本數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的基于改進(jìn)Apriori算法的電能表風(fēng)險(xiǎn)分析方法，其特征在于，S1中電能表歷史故障數(shù)據(jù)包括供應(yīng)商、產(chǎn)品型號(hào)、故障類型以及安裝區(qū)域。

4.根據(jù)權(quán)利要求1或2或3所述的基于改進(jìn)Apriori算法的電能表風(fēng)險(xiǎn)分析方法，其特征在于，S2中電能表關(guān)聯(lián)規(guī)則集為Q＝{S,T,R,A}，其中，S表示供應(yīng)商，T表示產(chǎn)品型號(hào)，R表示故障類型，A表示安裝區(qū)域。

5.根據(jù)權(quán)利要求1或2或3所述的基于改進(jìn)Apriori算法的電能表風(fēng)險(xiǎn)分析方法，其特征在于，S3利用改進(jìn)Apriori算法及電能表關(guān)聯(lián)規(guī)則集在樣本數(shù)據(jù)中提取頻繁項(xiàng)目集具體包括如下步驟：

S31，設(shè)定k的初始值為1；

S32，掃描樣本數(shù)據(jù)，得到候選數(shù)據(jù)集Ck及其對(duì)應(yīng)的候選支持度；

S33，依據(jù)頻繁項(xiàng)目集檢索條件，檢索出候選數(shù)據(jù)集中的頻繁項(xiàng)目集，其中頻繁項(xiàng)目集檢索條件為若候選數(shù)據(jù)集Ck中某一項(xiàng)目集的候選支持度不小于預(yù)設(shè)支持度，則該項(xiàng)目集為頻繁項(xiàng)目集；

S34，對(duì)頻繁項(xiàng)目集中出現(xiàn)元素的個(gè)數(shù)進(jìn)行計(jì)數(shù)，去除頻繁項(xiàng)目集中個(gè)數(shù)小于k-1的元素，并將頻繁項(xiàng)目集進(jìn)行自連接，生成候選數(shù)據(jù)集Ck+1；

S35，刪除樣本數(shù)據(jù)中不在候選數(shù)據(jù)集Ck+1中的元素，得到新的樣本數(shù)據(jù)，并以新的樣本數(shù)據(jù)替代之前的樣本數(shù)據(jù)，將k的值加1，返回S32并循環(huán)執(zhí)行S32至S35，直至不能再產(chǎn)生頻繁項(xiàng)目集為止。

6.根據(jù)權(quán)利要求4所述的基于改進(jìn)Apriori算法的電能表風(fēng)險(xiǎn)分析方法，其特征在于，S3利用改進(jìn)Apriori算法及電能表關(guān)聯(lián)規(guī)則集在樣本數(shù)據(jù)中提取頻繁項(xiàng)目集具體包括如下步驟：

S31，設(shè)定k的初始值為1；

S32，掃描樣本數(shù)據(jù)，得到候選數(shù)據(jù)集Ck及其對(duì)應(yīng)的候選支持度；

S33，依據(jù)頻繁項(xiàng)目集檢索條件，檢索出候選數(shù)據(jù)集中的頻繁項(xiàng)目集，其中頻繁項(xiàng)目集檢索條件為若候選數(shù)據(jù)集Ck中某一項(xiàng)目集的候選支持度不小于預(yù)設(shè)支持度，則該項(xiàng)目集為頻繁項(xiàng)目集；

S34，對(duì)頻繁項(xiàng)目集中出現(xiàn)元素的個(gè)數(shù)進(jìn)行計(jì)數(shù)，去除頻繁項(xiàng)目集中個(gè)數(shù)小于k-1的元素，并將頻繁項(xiàng)目集進(jìn)行自連接，生成候選數(shù)據(jù)集Ck+1；

S35，刪除樣本數(shù)據(jù)中不在候選數(shù)據(jù)集Ck+1中的元素，得到新的樣本數(shù)據(jù)，并以新的樣本數(shù)據(jù)替代之前的樣本數(shù)據(jù)，將k的值加1，返回S32并循環(huán)執(zhí)行S32至S35，直至不能再產(chǎn)生頻繁項(xiàng)目集為止。

7.一種權(quán)利要求1至6中任意一項(xiàng)所示的基于改進(jìn)Apriori算法的電能表風(fēng)險(xiǎn)分析系統(tǒng)，其特征在于，包括樣本數(shù)據(jù)獲取單元、頻繁項(xiàng)目集提取單元、強(qiáng)關(guān)聯(lián)規(guī)則提取單元、風(fēng)險(xiǎn)信息分析單元；

所述樣本數(shù)據(jù)獲取單元，用于在電能表歷史故障數(shù)據(jù)中進(jìn)行隨機(jī)抽樣，獲得樣本數(shù)據(jù)；

所述頻繁項(xiàng)目集提取單元，用于針對(duì)樣本數(shù)據(jù)建立電能表關(guān)聯(lián)規(guī)則集，利用改進(jìn)Apriori算法及電能表關(guān)聯(lián)規(guī)則集，在樣本數(shù)據(jù)中提取頻繁項(xiàng)目集；

所述強(qiáng)關(guān)聯(lián)規(guī)則提取單元，用于設(shè)置預(yù)設(shè)支持度和預(yù)設(shè)置信度，利用預(yù)設(shè)支持度和預(yù)設(shè)置信度在頻繁項(xiàng)目集中提取強(qiáng)關(guān)聯(lián)規(guī)則；

所述風(fēng)險(xiǎn)信息分析單元，用于基于強(qiáng)關(guān)聯(lián)規(guī)則生成電能表風(fēng)險(xiǎn)信息。