[发明专利]一种大用户异常用电分析数据集的关联性挖掘方法和装置

说明书

本发明公开了一种大用户异常用电分析数据集的关联性挖掘方法和装置，包括：对大用户异常用电分析数据集进行支持度判别，得到筛选后的多个频繁项集；通过筛选后的多个频繁项集对异常用电分析数据集进行置信度判别，得到具有关联性的大用户异常用电分析数据集。本发明通过支持度和置信度判别，挖掘大用户异常用电分析数据集项集间的关联性，降低了异常用电分析算法的运算数据量，有效提高系统分析效率，具有良好的应用前景。

技术领域

本发明涉及了一种大用户异常用电分析数据集的关联性挖掘方法和装置，属于电力系统技术领域。

背景技术

随着对异常用电行为查处力度的逐渐增大，窃电行为越来越隐蔽，其中的技术手段也越来越高，异常用电行为呈现出专业化、智能化、隐蔽化。借助常规的统计分析已经难以胜任，新一代人工智能技术的应用逐渐成为主流。标准化的数据集是大数据机器学习分析的基础，但由于大用户异常用电分析数据集包涵的数据项多样，数据量大，直接对数据集进行数据分析计算量极大，为此，需要对大用户异常用电分析的数据集进行数据挖掘，确定数据项间的关联关系，并对无用关联数据进行修剪，降低后续计算量，以满足人工智能分析技术在用户异常用电分析领域的应用，为进一步实现数据智能分析和数据深化应用提供有力支撑。

发明内容

为了克服上述不足，本发明公开了一种大用户异常用电分析数据集的关联性挖掘方法和装置，解决了现有大用户异常用电分析数据集数据量大，导致后续计算量大的问题，通过挖掘多源数据间的关联性，降低了异常用电分析算法的运算数据量。

为了达到上述目的，本发明所采用的技术方案是：一种大用户异常用电分析数据集的关联性挖掘方法，包括：

对大用户异常用电分析数据集进行支持度判别，得到筛选后的多个频繁项集；

通过筛选后的多个频繁项集对异常用电分析数据集进行置信度判别，得到具有关联性的大用户异常用电分析数据集。

进一步的，大用户异常用电分析数据集S由n个用户信息构成：

S＝{S₁,S₂,...,S_x,...,S_n} (29)

其中，x＝1,2,…,n，第x个用户信息S_x为：

S_x＝{L_id,L_cl,L_cal,C_tv(t),T_ag} (30)

其中，L_id为定位信息模块、L_cl为类别信息模块、L_cal为计算信息模块、C_tv(t)为时变信息模块，t为时间，T_ag为标定信息模块。

进一步的，定位信息模块L_id，用于标记用户各类定位信息，为：

L_id＝{n_an,n_cn,n_id,n_ea,n_lo,n_oi} (31)

其中，n_an为电表局编号元素、n_cn为用户编号元素、n_id为用户名称元素、n_ea为用电地址元素、n_lo为线路编号元素、n_oi为采集对象身份信息元素；

类别信息模块L_cl，为：