基于多维关联规则算法判断电能表计量不准确异常的方法

1.一种基于多维关联规则算法判断电能表计量不准确异常的方法，其特征在于：包括以下内容：
a、专变用户电能表计量不准确异常步骤如下：
（1）对用户采集的各类用电数据进行检查，清理错误或异常数据，排除由于采集装置异常而突然产生很大数据的样本点；检查用户在营销系统中业务报装流程，排除营销系统正在走拆表、换表流程的用户；检查用户档案信息中，电能表的计量方式与额定电压、接线方式是否一致，排除用户档案录入错误的问题；
（2）电能表停走或慢走的判断：计量在线监测系统通过对同一天的电流采集样本点数进行分析，统计三相中任一相大于0.05A的点数是否满足超过5个时间点；同时分析当日的电能表示数增量△Q是否小于0.1kWh；当上述两种情况都满足时，将此用户纳入分析对象；
（3）电能表飞走判断：用户理论用电量Q=S*24*K，其中S表示用户报装容量，K表示权值，权值范围在（0，100]之间，K值根据用户所处于行业类别、用电类别、负荷性质、重要性条件进行综合评判后设定；计量在线监测系统通过计算用户一天实际用电量，实际用电量与理论用电量Q的比值大于1时，将此用户纳入分析对象；
（4）制定终端在抄表周期内判断电能表停走或慢走和飞走事件的算法：
1）电能表停走或慢走：一个抄表周期内，抄读电能表的起始值、周期末值和周期末当前需量，当起始值和周期末值的值差大于等于0.01kWh时，则认为电能表正常；当起始值和周期末值的值差为零时，则计算周期末当前需量与抄表周期所得的电量值是否大于等于
0.01kWh，如是，则判断为电能表停走或慢走；
2）电能表飞走：一个抄表周期内，抄读电能表的起始值、周期末值和周期末当前需量，计算周期末当前需量与抄表周期所得的电量值△，当起始值和周期末值均大于等于10△时，则判断为电能表飞走；
（5）计量在线监测系统在分析专变用户电能表停走或慢走和飞走异常时，根据Apriori性质多维关联规则算法原理，通过系统统计此用户电能表停走或慢走和飞走异常在一段时间内发生的次数支持度和终端上送电能表停走慢走、飞走事件同时发生次数的可信度，结合系统分析的异常发生的支持度和可信度，得出是否发起进行现场消缺或校表的业务流程，具体如下：
设I={i1,i2,i3,……im}是项的集合，设任务相关的数据D是数据库事务的集合，D={T1,T2,T3,……Tm}，使得 每一个事务有一个标识符TID，设A是一个项集，事务T包含A当且仅当 ，关联规则是形如 的蕴含式，其中 ， 并且规则在事
务D中成立具有支持度S和置信度C，
S=Support（A=>B）=P(AUB)
C=Confidence（A=>B）=P（B|A）
其中，A表示系统分析用户电能表停走或慢走或飞走异常记录，B表示终端上送电能表停走、飞走事件；
把满足最小支持度阈值和最小置信度阈值的规则称为强规则；项的集合称为项集，如果项集满足最小支持度，则称它为频繁项集；
b、低压用户电能表计量不准确异常步骤如下：
（1）先对分析用户对象抄表数据进行检查和清理，排除抄表失败或抄表异常的用户；
（2）针对低压用户电能表，在1、2、7、8、9、12月份，根据用户类别取Imax按8小时或12小时计算用户理论日用电量，在3、4、5、6、10、11月份，根据用户类别取3*Ib按8小时、12小时计算用户理论日用电量：
单相用户日理论用电量=K*220*Imax*24/1000；
三相一般工商业日理论用电量：
如果是直采表，则计算公式= K*220*Imax*24*3/1000；
如果接二次回路，则计算公式= K*220*CT*5*24*3/1000；
将用户理论用电量与当日实际电量进行比较，如果比值K1大于等于1则置为待观察；
（3）针对待观察用户，在终端将安装的电能表则设置为重点用户电能表，要求终端抄读电能表的电压、电流，并根据采集的样本数据测算用户实际用电量：
单相用户：△I=K*(Ii-Ii-1)/2,
直采表：△I=K*3*(Ii-Ii-1)/2，
接二次回路：△I=K*3*CT*(Ii-Ii-1)/2
K是调整系数；
（4）通过估算用户平均功率测算用户的日用电量，比较测量日用电量与实际用电量，当K值大于特定的阈值时，生成电量差动事件；
（5）计量在线监测系统在分析低压用户电能表飞走异常时，根据Apriori性质多维关联规则算法原理，通过系统统计此用户电能表飞走异常在一段时间内发生的次数支持度和电量差动事件同时发生次数的可信度，结合系统分析的异常发生的支持度和可信度，得出是否发起进行现场消缺或校表的业务流程，具体如下：
设I={i1,i2,i3,……im}是项的集合，设任务相关的数据D是数据库事务的集合，D={T1,T2,T3,……Tm}，使得 每一个事务有一个标识符TID，设A是一个项集，事务T包含A当且仅当 ，关联规则是形如 的蕴含式，其中 ， 并且规则在事
务D中成立具有支持度S和置信度C，
S=Support（A=>B）=P(AUB)
C=Confidence（A=>B）=P（B|A）
其中，A表示系统分析用户电能表停走或慢走或飞走异常记录，B表示此用户电量差动事件；
把满足最小支持度阈值和最小置信度阈值的规则称为强规则，项的集合称为项集，如果项集满足最小支持度，则称它为频繁项集。

基于多维关联规则算法判断电能表计量不准确异常的方法\n技术领域\n[0001] 本发明涉及电力行业用电营销和计量技术领域，尤其涉及一种基于多维关联规则算法判断电能表计量不准确异常的方法。\n背景技术\n[0002] 电能表停走（含慢走）和飞走计量故障是计量在线监测系统中一个重要的组成部分，计量在线监测系统是构架在用电信息采集系统、营销业务系统、关口电能量系统上的数据挖掘与分析系统，它充分利用用电信息采集系统和关口电能量系统提供现场采集的丰富数据，结合营销系统提供的档案和业务流程信息，通过对电能表、计量用的电压、电流互感器以及二次回路、电能计量柜（箱）、采集设备等进行在线运行工况监测、综合分析和智能诊断，能准确、直观地发现计量装置和采集设备的异常和故障，并对故障或异常及时消缺，提高业务时效性、减少经营损失、客户投诉风险，降低计量与用电检查等专业部门人员的工作量，满足电力公司对现场运行计量装置的工况进行实时监测的需求。\n发明内容\n[0003] 本发明目的就是为了弥补已有技术的缺陷，提供一种基于多维关联规则算法判断电能表计量不准确异常的方法。\n[0004] 本发明是通过以下技术方案实现的：\n[0005] 一种基于多维关联规则算法判断电能表计量不准确异常的方法，包括以下内容：\n[0006] 1、专变用户电能表计量不准确异常步骤如下：\n[0007] （1）对用户采集的各类用电数据进行检查，清理错误或异常数据，排除由于采集装置异常而突然产生很大数据的样本点；检查用户在营销系统中业务报装流程，排除营销系统正在走拆表、换表流程的用户；检查用户档案信息中，电能表的计量方式与额定电压、接线方式是否一致，排除用户档案录入错误的问题；\n[0008] （2）电能表停走或慢走的判断：计量在线监测系统通过对同一天的电流采集样本点数进行分析，统计三相中任一相大于0.05A的点数是否满足超过5个时间点；同时分析当日的电能表示数增量△Q是否小于0.1kWh；当上述两种情况都满足时，将此用户纳入分析对象；\n[0009] （3）电能表飞走判断：用户理论用电量Q=S*24*K，其中S表示用户报装容量，K表示权值，权值范围在（0，100]之间，K值根据用户所处于行业类别、用电类别、负荷性质、重要性条件进行综合评判后设定；计量在线监测系统通过计算用户一天实际用电量，实际用电量与理论用电量Q的比值I大于1时，将此用户纳入分析对象；\n[0010] （4）制定终端在抄表周期内判断电能表停走或慢走和飞走事件的算法：\n[0011] 1）电能表停走或慢走：一个抄表周期内，抄读电能表的起始值、周期末值和周期末当前需量，当起始值和周期末值的值差大于等于0.01kWh时，则认为电能表正常；当起始值和周期末值的值差为零时，则计算周期末当前需量与抄表周期所得的电量值是否大于等于\n0.01kWh，如是，则判断为电能表停走或慢走；\n[0012] 2）电能表飞走：一个抄表周期内，抄读电能表的起始值、周期末值和周期末当前需量，计算周期末当前需量与抄表周期所得的电量值△，当起始值和周期末值均大于等于\n10△时，则判断为电能表飞走；\n[0013] （5）计量在线监测系统在分析专变用户电能表停走或慢走和飞走异常时，根据Apriori性质多维关联规则算法原理，通过系统统计此用户电能表停走或慢走和飞走异常在一段时间内发生的次数支持度和终端上送电能表停走慢走、飞走事件同时发生次数的可信度，结合系统分析的异常发生的支持度和可信度，得出是否发起进行现场消缺或校表的业务流程，具体如下：\n[0014] 设I={i1,i2,i3,……im}是项的集合，设任务相关的数据D是数据库事务的集合，D={T1,T2,T3,……Tm}，使得 每一个事务有一个标识符TID，设A是一个项集，事务T包含A当且仅当 关联规则是形如 的蕴含式，其中 并且规则在事务D\n中成立具有支持度S和置信度C，\n[0015] S=Support（A=>B）=P(AUB)\n[0016] C=Confidence（A=>B）=P（B|A）\n[0017] 其中，A表示系统分析用户电能表停走或慢走或飞走异常记录，B表示终端上送电能表停走、飞走事件；\n[0018] 把满足最小支持度阈值和最小置信度阈值的规则成为强规则；项的集合称为项集，如果项集满足最小支持度，则称它为频繁项集；\n[0019] 2、低压用户电能表计量不准确异常步骤如下：\n[0020] 由于低压用户采集的用电信息种类比专变用户少很多，而且使用的现场数据采集装置也与专变用户的终端有区别，所以分析方法与专变用户不一样。\n[0021] （1）先对分析用户对象抄表数据进行检查和清理，排除抄表失败或抄表异常的用户；\n[0022] （2）针对低压用户电能表，在1、2、7、8、9、12月份，根据用户类别取Imax按8小时或\n12小时计算用户理论日用电量，在3、4、5、6、10、11月份，根据用户类别取3*Ib按8小时、12小时计算用户理论日用电量：\n[0023] 单相用户日理论用电量=K*220*Imax*24/1000；\n[0024] 三相一般工商业日理论用电量：\n[0025] 如果是直采表，则计算公式=K*220*Imax*24*3/1000；\n[0026] 如果接二次回路，则计算公式=K*220*CT*5*24*3/1000；\n[0027] 将用户理论用电量与当日实际电量进行比较，如果比值K1大于等于1则置为待观察；\n[0028] （3）针对待观察用户，在终端将安装的电能表则设置为重点用户电能表，要求终端抄读电能表的电压、电流，并根据采集的样本数据测算用户实际用电量：\n[0029] \n[0030] 单相用户：△I=K*(Ii-Ii-1)/2,\n[0031] 直采表：△I=K*3*(Ii-Ii-1)/2，\n[0032] 接二次回路：△I=K*3*CT*(Ii-Ii-1)/2\n[0033] K是调整系数；\n[0034] （4）通过估算用户平均功率测算用户的日用电量，比较测量日用电量与实际用电量，当K值大于特定的阈值时，生成电量差动事件；\n[0035] （5）计量在线监测系统在分析低压用户电能表飞走异常时，根据Apriori性质多维关联规则算法原理，通过系统统计此用户电能表飞走异常在一段时间内发生的次数支持度和电量差动事件同时发生次数的可信度，结合系统分析的异常发生的支持度和可信度，得出是否发起进行现场消缺或校表的业务流程，具体如下：\n[0036] 设I={i1,i2,i3,……im}是项的集合，设任务相关的数据D是数据库事务的集合，D={T1,T2,T3,……Tm}，使得 每一个事务有一个标识符TID，设A是一个项集，事务T包含A当且仅当 关联规则是形如 的蕴含式，其中 并且规则在事务D\n中成立具有支持度S和置信度C，\n[0037] S=Support（A=>B）=P(AUB)\n[0038] C=Confidence（A=>B）=P（B|A）\n[0039] 其中，A表示系统分析用户电能表停走（含慢走）或飞走异常记录，B表示此用户电量差动事件；\n[0040] 把满足最小支持度阈值和最小置信度阈值的规则成为强规则，项的集合称为项集，如果项集满足最小支持度，则称它为频繁项集。\n[0041] 本发明的优点是：本发明通过Apriori性质多维关联规则算法综合分析，判断电能表停走（含慢走）和飞走异常的可信度和支持度，为判定电能表是否存在计量异常，电力公司是否需要进行现场校表或状态检修提供技术手段和参考依据。\n附图说明\n[0042] 图1为本发明专变用户电能表停走（含慢走）或飞走流程图。\n[0043] 图2为本发明低压用户电能表停走（含慢走）或飞走流程图。\n具体实施方式\n[0044] 如图1、2所示，一种基于多维关联规则算法判断电能表计量不准确异常的方法，包括以下内容：\n[0045] 1、专变用户电能表计量不准确异常步骤如下：\n[0046] （1）对用户采集的各类用电数据进行检查，清理错误或异常数据，排除由于采集装置异常而突然产生很大数据的样本点；检查用户在营销系统中业务报装流程，排除营销系统正在走拆表、换表流程的用户；检查用户档案信息中，电能表的计量方式与额定电压、接线方式是否一致，排除用户档案录入错误的问题；\n[0047] （2）电能表停走或慢走的判断：计量在线监测系统通过对同一天的电流采集样本点数进行分析，统计三相中任一相大于0.05A的点数是否满足超过5个时间点；同时分析当日的电能表示数增量△Q是否小于0.1kWh；当上述两种情况都满足时，将此用户纳入分析对象；\n[0048] （3）电能表飞走判断：用户理论用电量Q=S*24*K，其中S表示用户报装容量，K表示权值，权值范围在（0，100]之间，K值根据用户所处于行业类别、用电类别、负荷性质、重要性条件进行综合评判后设定；计量在线监测系统通过计算用户一天实际用电量，实际用电量与理论用电量Q的比值I大于1时，将此用户纳入分析对象；\n[0049] （4）制定终端在抄表周期内判断电能表停走或慢走和飞走事件的算法：\n[0050] 1）电能表停走或慢走：一个抄表周期内，抄读电能表的起始值、周期末值和周期末当前需量，当起始值和周期末值的值差大于等于0.01kWh时，则认为电能表正常；当起始值和周期末值的值差为零时，则计算周期末当前需量与抄表周期所得的电量值是否大于等于\n0.01kWh，如是，则判断为电能表停走或慢走；\n[0051] 2）电能表飞走：一个抄表周期内，抄读电能表的起始值、周期末值和周期末当前需量，计算周期末当前需量与抄表周期所得的电量值△，当起始值和周期末值均大于等于\n10△时，则判断为电能表飞走；\n[0052] （5）计量在线监测系统在分析专变用户电能表停走或慢走和飞走异常时，根据Apriori性质多维关联规则算法原理，通过系统统计此用户电能表停走或慢走和飞走异常在一段时间内发生的次数支持度和终端上送电能表停走慢走、飞走事件同时发生次数的可信度，结合系统分析的异常发生的支持度和可信度，得出是否发起进行现场消缺或校表的业务流程，具体如下：\n[0053] 设I={i1,i2,i3,……im}是项的集合，设任务相关的数据D是数据库事务的集合，D={T1,T2,T3,……Tm}，使得 每一个事务有一个标识符TID，设A是一个项集，事务T包含A当且仅当 关联规则是形如 的蕴含式，其中 并且规则在事务\nD中成立具有支持度S和置信度C，\n[0054] S=Support（A=>B）=P(AUB)\n[0055] C=Confidence（A=>B）=P（B|A）\n[0056] 其中，A表示系统分析用户电能表停走或慢走或飞走异常记录，B表示终端上送电能表停走、飞走事件；\n[0057] 把满足最小支持度阈值和最小置信度阈值的规则成为强规则；项的集合称为项集，如果项集满足最小支持度，则称它为频繁项集；\n[0058] 2、低压用户电能表计量不准确异常步骤如下：\n[0059] 由于低压用户采集的用电信息种类比专变用户少很多，而且使用的现场数据采集装置也与专变用户的终端有区别，所以分析方法与专变用户不一样。\n[0060] （1）先对分析用户对象抄表数据进行检查和清理，排除抄表失败或抄表异常的用户；\n[0061] （2）针对低压用户电能表，在1、2、7、8、9、12月份，根据用户类别取Imax按8小时或\n12小时计算用户理论日用电量，在3、4、5、6、10、11月份，根据用户类别取3*Ib按8小时、12小时计算用户理论日用电量：\n[0062] 单相用户日理论用电量=K*220*Imax*24/1000；\n[0063] 三相一般工商业日理论用电量：\n[0064] 如果是直采表，则计算公式=K*220*Imax*24*3/1000；\n[0065] 如果接二次回路，则计算公式=K*220*CT*5*24*3/1000；\n[0066] 将用户理论用电量与当日实际电量进行比较，如果比值K1大于等于1则置为待观察；\n[0067] （3）针对待观察用户，在终端将安装的电能表则设置为重点用户电能表，要求终端抄读电能表的电压、电流，并根据采集的样本数据测算用户实际用电量：\n[0068] \n[0069] 单相用户：△I=K*(Ii-Ii-1)/2,\n[0070] 直采表：△I=K*3*(Ii-Ii-1)/2，\n[0071] 接二次回路：△I=K*3*CT*(Ii-Ii-1)/2\n[0072] K是调整系数；\n[0073] （4）通过估算用户平均功率测算用户的日用电量，比较测量日用电量与实际用电量，当K值大于特定的阈值时，生成电量差动事件；\n[0074] （5）计量在线监测系统在分析低压用户电能表飞走异常时，根据Apriori性质多维关联规则算法原理，通过系统统计此用户电能表飞走异常在一段时间内发生的次数支持度和电量差动事件同时发生次数的可信度，结合系统分析的异常发生的支持度和可信度，得出是否发起进行现场消缺或校表的业务流程，具体如下：\n[0075] 设I={i1,i2,i3,……im}是项的集合，设任务相关的数据D是数据库事务的集合，D={T1,T2,T3,……Tm}，使得 每一个事务有一个标识符TID，设A是一个项集，事务T包含A当且仅当 关联规则是形如 的蕴含式，其中 并且规则在事务\nD中成立具有支持度S和置信度C，\n[0076] S=Support（A=>B）=P(AUB)\n[0077] C=Confidence（A=>B）=P（B|A）\n[0078] 其中，A表示系统分析用户电能表停走（含慢走）或飞走异常记录，B表示此用户电量差动事件；\n[0079] 把满足最小支持度阈值和最小置信度阈值的规则成为强规则，项的集合称为项集，如果项集满足最小支持度，则称它为频繁项集。