[发明专利]基于孤立森林算法的用电信息采集数据异常分析方法

说明书

基于孤立森林算法的用电信息采集数据异常分析方法，建立基于用电信息采集系统的台区线损管理指标，制定基于用电信息采集系统的台区线损管理方法。针对线损类台区，采用云存储技术实现多个线损类台区用电信息数据采集、分类、处理；分析总结脏数据的类型，根据其表现形式消除噪音，去除脏数据；通过数据变换将经过清理筛选后的数据，转换为利于数据挖掘的形式；应用孤立森林算法建立数据分析模型，并应用受试者工作特征ROC曲线与曲线下面积AUC、及累积查全率曲线与Ｐ‑Ｒ曲线，进行模型评估，并将此模型应用到多个线损类台区用电信息数据集上，对经过筛选后的数据进行数据挖掘，筛选用电异常用户。本发明采用孤立森林算法有效挖掘数据异常用户，分析线损原因，加强台区线损管理。

技术领域

本发明涉及用电信息采集技术领域，具体是一种基于孤立森林算法的用电信息采集数据异常分析方法。

背景技术

随着信息化时代的迅速发展，率先展开大数据相关研究的是互联网、信息通信行业。对电力行业而言，大数据也同样具有深远的研究意义和光明的应用前景。随着下一代电力系统逐步演进，基于数据驱动的电力供应链将逐步取代传统的电力供应链。其中用电信息采集系统的推广，为我国电力行业开展基于电力数据分析的管理运营决策和供电服务优化提供了必要的数据基础。同时随着电能数据、工况数据、事件信息等用电数据呈指数增长，大数据特征越来越显著，用电大数据的应用需求日益迫切。海量的用电数据主要来源于各类计量装置及系统，由于多种设备故障、通信故障、电网波动和管理等原因，出现了大量异常的用电数据。面对这种海量用电数据的增加，多数电力部门仅使用传统的统计方法进行异常数据分析，并且大多需要依赖现场检验来实现。由于受到人力、物力、财力的限制，异常数据背后隐藏的深层次原因无法有效得以提炼，却带来了“数据灾难”和“数据荒废”。因此，用传统分析手段己难以满足要求，需要通过数据挖掘来发现用电数据异常更深层次的规律，排除数据的偶然性，提炼数据的必然性。

由于低压客户群体数量庞大，且变化频繁，目前台区线损管理中普遍存在户变关系不清、抄表质量不佳、窃电、计量故障等管理原因导致的线损异常。近几年，国内许多供电企业不同程度的面临一个共同的窘境，即在治理台区线损上“投资大、回报小”，其根源是近十年以来，影响台区线损的主要因素已经转变为管理上的损耗，而改造投资方向不变。用电信息采集系统建设将智能化的管理理念引入了台区，给台区线损管理带来了创新的机遇。

云计算技术可以通过利用分布式的软硬件资源和信息，提供按需分配的高质量服务，并在搜索引擎、社交网络、通信等众多领域中得到了成功的应用。在智能电网信息化建设领域，云计算所独具的大规模数据高效存取和并行计算能力，使之能够为包括用电信息采集系统在内的信息系统提供高质量的数据处理服务，为智能电网时代的信息化体系提供坚实的技术支撑。

发明内容

本发明提供一种基于孤立森林算法的用电信息采集数据异常分析方法，实现基于实时数据库与云计算、云实时存储平台技术相融合的应用一体化，使用高效的并行计算技术实现大数据批处理任务的高吞吐率。采用稳定性好，抗噪性能强的孤立森林算法有效挖掘数据异常用户，分析线损原因，加强台区线损管理。

本发明采取的技术方案为：

基于孤立森林算法的用电信息采集数据异常分析方法，包括以下步骤：

步骤一：建立基于用电信息采集系统的台区线损管理指标，制定基于用电信息采集系统的台区线损管理方法。

步骤二：针对线损类台区，采用云存储技术实现多个线损类台区用电信息数据采集、分类、处理；

步骤三：分析总结脏数据的类型，根据其表现形式消除噪音；

步骤四：通过数据变换将经过清理筛选后的数据，转换为利于数据挖掘的形式，即对数据进行降维。为充分反映负荷间的相似性，本发明选取6种常用的日负荷特性指标：负荷率、峰谷差率、最高利用小时率、峰期负载率、平期负载率、谷期负载率，全面地反映了各类用户的用电特性，对数据实现有效降维。