[发明专利]基于改进Apriori算法的电能表风险分析方法及系统

说明书

本发明涉及数据挖掘技术领域，是一种基于改进Apriori算法的电能表风险分析方法及系统，前者包括以下步骤，S1，在电能表历史故障数据中进行随机抽样，获得样本数据；S2，针对样本数据建立电能表关联规则集；S3，利用改进Apriori算法及电能表关联规则集，在样本数据中提取频繁项目集；S4，设置预设支持度和预设置信度，利用预设支持度和预设置信度在频繁项目集中提取强关联规则；S5，基于强关联规则生成电能表风险信息。本发明能对电能表历史故障数据进行数据深度挖掘，生成电能表风险信息，为电能表运行质量深度分析和运维管理提供技术支撑，给电网安全可靠运行、经济运行和精益化管理带来新的技术手段。

技术领域

本发明涉及数据挖掘技术领域，是一种基于改进Apriori算法的电能表风险分析方法及系统。

背景技术

随着智能电能表和用电信息采集技术的推广应用，电能表运行监测手段较之机械表有了质的飞越，远程监测电能表运行状态已成为可能。

用电信息采集系统可实现电能表计量电量、运行工况和事件记录等各类数据的采集与监测。计量生产调度平台(MDS)汇集了电能表供货前全性能、到货后样品比对、抽检、全检等各环节检定误差数据，各供应商中标批次、到货批次、退货批次信息及运行环节出现的故障情况。可从时间、区域等多个维度开展统计分析，为正确评价运行电能表状态提供基础数据支撑。

目前，营销计量业务方面的系统已实现了电能表的招标前，供货前、运行中以及报废后的全过程监督管理，但在电能表运行质量深度分析评价及大数据技术应用方面一直没有涉及，急需利用现有各系统的海量数据进行数据深度挖掘，为智能电能表运行质量深度分析和精准轮换提供技术支撑，给电网安全可靠运行、经济运行和精益化管理带来新的技术手段。

因此，如何应用大数据对电能表运行质量进行分析评价，成为了本领域技术人员亟需解决的问题。

发明内容

本发明提供了一种基于改进Apriori算法的电能表风险分析方法，克服了上述现有技术之不足，其能有效解决现有的营销计量业务方面的系统不能对电能表运行质量进行分析评价的问题。

本发明的技术方案之一是通过以下措施来实现的：一种基于改进Apriori算法的电能表风险分析方法，包括以下步骤：

S1，在电能表历史故障数据中进行随机抽样，获得样本数据；

S2，针对样本数据建立电能表关联规则集；

S3，利用改进Apriori算法及电能表关联规则集，在样本数据中提取频繁项目集；

S4，设置预设支持度和预设置信度，利用预设支持度和预设置信度在频繁项目集中提取强关联规则；

S5，基于强关联规则生成电能表风险信息。

下面是对上述发明技术方案的进一步优化或/和改进：

上述S1获得样本数据具体包括如下步骤：

S11，获取原始电能表历史故障数据；

S12，剔除原始电能表历史故障数据中的冗余数据和不相关数据，得到电能表历史故障数据；

S13，在电能表历史故障数据中进行随机抽样，获得样本数据。

上述S1中电能表历史故障数据包括供应商、产品型号、故障类型以及安装区域。

上述S2中电能表关联规则集为Q＝{S,T,R,A}，其中，S表示供应商，T表示产品型号，R表示故障类型，A表示安装区域。

上述S3利用改进Apriori算法及电能表关联规则集在样本数据中提取频繁项目集具体包括如下步骤：

S31，设定k的初始值为1；