[发明专利]基于Apriori算法的电力物联异常告警压缩方法

权利要求书

1.一种基于Apriori算法的电力物联异常告警压缩方法，其特征在于，它包括如下步骤：

步骤1：通过Java构建电力物联异常告警日志，并根据告警类型和告警时间对电力物联异常告警日志进行告警数据整理，得到整理后的电力物联异常告警数据，整理后的电力物联异常告警数据按照时间顺序排列，每项警告数据都对应相应告警类型和具体告警信息；

步骤2：采用时间滑动窗口的方法在整理后的电力物联异常告警数据中进行合组处理，即将告警时间相距B分钟内的告警数据合并成一组告警数据，对各项告警数据中告警具体名称缺失的告警数据以0填充，并对各项告警数据中重复告警数据进行去重处理，形成没有重复告警的告警组数据；

步骤3、利用Apriori算法扫描没有重复告警的各组告警数据，获取各组中所有项告警数据，生成1项集C₁，然后对1项集C₁中每个项进行计数并计算支持度，删除1项集C₁中支持度小于预设最小支持度的项，从而获得频繁1项集L₁，再对频繁1项集L₁自身连接生成的集合执行剪枝策略产生候选2项集的集合C₂，然后，利用Apriori算法扫描所有候选2项集的集合C₂，对候选2项集的集合C₂中每个项进行计数并计算支持度，删除候选2项集的集合C₂中支持度小于预设最小支持度的项，从而获得频繁2项集L₂，再对频繁2项集L₂自身连接生成的集合执行剪枝策略产生候选3项集的集合C₃，然后，利用Apriori算法扫描所有候选3项集的集合C₃，对候选3项集的集合C₃中每个项进行计数并计算支持度，删除候选3项集的集合C₃中支持度小于预设最小支持度的项，从而获得频繁3项集L₃；

以此类推，对频繁k-1项集L_k-1自身连接生成的集合执行剪枝策略产生候选k项集的集合C_k，然后，利用Apriori算法扫描所有候选k项集的集合C_k，对候选k项集的集合C_k中的每个项进行计数并计算支持度，删除候选k项集的集合C_k中支持度小于预设最小支持度的项，从而获得频繁k项集L_k；获取完频繁项集后，依据频繁项集构造关联规则，并计算关联规则的置信度，当置信度超过预设最小置信度时，输出该关联规则，并将其应用于告警信息压缩，其中构造关联规则方法为：将频繁项集L_i，i＝2,3..k拆分为两个互不相交告警信息子集A、B，B＝L_i-A，A为L_i任意非空子集，构建关联规则(A)-(B)，意思是告警信息子集A发生情况下引发告警信息子集B发生，衡量这种规则的标准为置信度，置信度公式如下：

其中，表示关联规则(A)-(B)的置信度，P(B|A)表示当A发生时B发生的概率，support(A∪B)表示A和B一起发生的支持度，也就是A和B一起发生的概率，support(A)表示A的支持度，即A发生的概率，当置信度超过预设最小置信度时，输出关联规则(A)-(B)；

步骤4：若告警时间窗口内告警数据里面有告警信息子集A和告警信息子集B，则告警信息子集A和告警信息子集B只保留告警信息子集A即可，告警信息子集B删掉，实现电力物联异常告警压缩；

所述步骤3中，预设最小支持度和预设最小置信度的确定方法为：

确定预设最小支持度和预设最小置信度的联合选择方法，建立综合评分公式，选择评分最高的预设最小支持度和预设最小置信度组合；

建立综合评分公式，选择评分最高的预设最小支持度和预设最小置信度组合的具体方法为：设确定预设最小支持度为min_support，预设最小置信度为min_confidence，Apriori算法的运行时间为run_time,Apriori算法合并率为merge_rate，综合得分为sum，综合得分指算法执行时间和算法执行效果在Apriori算法执行时间所占比重调整系数α和Apriori算法告警项的合并率所占比重调整系数β设定下的得分，在设定好α、β后，为了获得综合得分最大值，采用遗传算法进行求取，f₁，f₂分别设定为各自一次拟合函数，建立下面综合评分公式，选择评分最高的预设最小支持度和预设最小置信度作为评价标准；

run_time＝f₁(min_support)

merge_rate＝f₂(min_confidence)

run_time＝f₁(min_support)；merge_rate＝f₂(min_confidence)分别为Apriori算法运行时间与预设最小支持度的一次拟合函数，Apriori算法合并率与预设最小置信度的一次拟合函数。

2.根据权利要求1所述的基于Apriori算法的电力物联异常告警压缩方法，其特征在于：所述步骤1中，通过Java构建电力物联异常告警日志为建立日志，创立处理器、设定格式器、依次给处理器装载格式器和给日志装载处理器。