[發明專利]一種基于決策樹算法識別用電類別的方法及系統

在審

• 申請號: 201911410254.X
• 申請日: 2019-12-31
• 公開（公告）號: CN111222556A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 金昌鉉;王淼;程俊春;朱宇龍;馬博;趙永國;劉森;黎晚晴;張君;梁惠欣
• 申請（專利權）人: 中國南方電網有限責任公司;南方電網數字電網研究院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G06F16/215
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 蔡偉杰

本發明公開了一種基于決策樹算法識別用電類別的方法及系統，根據訓練數據集建立決策樹并對決策樹進行剪枝處理優化得到用電性質識別模型，通過該優化的決策樹模型，進行基于歷史用電戶樣本數據，包括用電特征、用電性質，通過使用決策樹算法，系統自動構建用電性質識別模型；最終訓練完成后，在模型結果中可展示完整的決策樹信息，能夠承載較大數據量，通過參數對決策樹剪枝參數的自動調優，有利于提高分類預測覆蓋度，能夠準確的反映出用電性質的情況，減少漏報、誤報等錯誤分類情況。

技術領域

本公開涉及數據分析處理、機器學習領域，具體涉及一種基于決策樹算法識別用電類別的方法及系統。

背景技術

電力數據的用電性質分析一般來講，主要是通過不同時間段的用電量的占比用電量、用電類別，從而分析出商業用電、工業用電、家庭用電。由于現有的電力數據種類多，數據采集方式多樣，對于不同用戶的用電情況和用電性質界定不清晰，因此出現了非居民用戶執行居民電價的現象，損害了供電公司的經濟效益，申請號為：CN201610118312.1的專利公開了一種基于大數據分析的用電性質認證方法，方法通過使用聯機分析處理系統建立多維客戶分析模型；依據不同的時間單位構建各用電類別的整體趨勢模型；依據不同的時間單位構建用戶各個用電類別的趨勢模型以判定用戶的用電類別；通過決策樹數據挖掘算法對數據進行分類；根據兩種分類方法的相同結果確定問題用戶；然而：傳統的決策樹分類模型并不能準確的反映出用電性質的情況，在實踐中時常出現漏報、誤報等錯誤分類情況，因此，需要對其進行修正。

發明內容

本公開提供一種基于決策樹算法識別用電類別的方法及系統，根據訓練數據集建立決策樹并對決策樹進行剪枝處理優化得到用電性質識別模型，通過該優化的決策樹模型，進行基于歷史用電戶樣本數據(包括用電特征、用電性質)，通過使用決策樹算法，系統自動構建用電性質識別模型；最終，訓練完成后，在模型結果中，可展示完整的決策樹信息。

本公開的目的是針對上述問題，提供一種基于決策樹算法識別用電類別的方法及系統，具體包括以下步驟：

S100：讀取電力數據集；所述電力數據集是電力數據的集合，包括用電量的占比用電量、用電類別屬性；用電類別屬性包括商業用電、工業用電、家庭用電；

S200：對電力數據集進行預處理和清洗；

S300：將電力數據集劃分為訓練數據集和測試數據集；

S400：根據訓練數據集建立決策樹；

S500:對決策樹進行剪枝處理得到用電性質識別模型；

S600：通過用電性質識別模型輸出決策樹中各節點的目標字段分布取值、每個分支的概率、數值字段的取值、節點編號、節點字段索引。

進一步地，在S200中，對電力數據集進行預處理和清洗的方法為：預處理為通過對電力數據集進行分類或分組前所做的審核、篩選、排序等必要的處理，即數據審核完整性和準確性、數據篩選、數據排序，即數據清理、數據集成、數據變換、數據歸約；利用數理統計、數據挖掘或預定義的清理規則將臟數據轉化為滿足數據質量要求的數據，即清洗后的電力數據集。

進一步地，在S300中，將電力數據集劃分為訓練數據集和測試數據集的方法包括：留出法、交叉驗證法、自助法任意一種方法。

進一步地，在S400中，根據訓練數據集建立決策樹的方法為：

S410：依次選擇訓練數據集中的用電類別屬性作為節點，對用電類別屬性的每種可能的取值創建一個分枝，并據此將訓練數據集劃分為幾個子集；

S420：對每個分枝采取相同的方法，訓練數據集是其父節點劃分的若干子集中的對應于該分枝取值的那個樣本子集；

S430：當以出現下情況出現時停止該節點分枝的分裂，并使其成為葉子節點：