[发明专利]一种基于决策树群的多维电能表现场状态检验方法

说明书

本发明一种基于决策树群的多维电能表现场状态检验方法，包括以下步骤：将用电信息采集系统提供的电能表相关采集数据建立决策树；针对每棵决策树进行分类形成下一级分枝；生成完全生长的初级决策树；对初级决策树基于代价复杂性剪枝算法进行剪枝优化；使用独立的测试集评估被剪枝优化后的初级决策树的准确率；每组次级决策树选出一棵最优的决策树，由所有最优决策树组成决策树群异常诊断模型，判定结果以投票的方式获取优胜；将决策树群异常诊断模型运算规则传递给用电信息采集系统Hadoop大数据处理集群，实现对在运电能表的异常运行状况进行异常检测。

技术领域

本发明属于电能表检验的技术领域，尤其涉及一种基于决策树群的多维电能表现场状态检验方法。

背景技术

目前，电能表检测面临的问题是：我国幅员辽阔且人口密度较大，地势多以丘陵和山地为主，且随着社会的发展以及人口的不断增长，国网电力公司接入的电能表等装置不断增多，电能表的故障诊断涉及到户外作业等等；这些现象均导致国网电力公司的工作量剧增，出现现场检测繁琐且覆盖面积狭小等问题。

现有的诊断系统的不足之处是其往往需要在建设中投入较多的软硬件设备，而不能合理利用现有用电信息采集系统平台所提供软硬件设备及数据进行远程诊断和预警，尤其在国网电力公司用电信息采集系统的现有软硬件设备内包含海量数据信息(如用户分类、通讯方式、用户抄表信息、用户日/月冻结数据、电能表数据等)，且用电信息采集系统现有的大数据处理平台的数据并行处理模块可有效实现复杂模型的海量数据处理速度，因此，利用此平台所提供的现有软硬件设备及数据建立合理的异常诊断模型进行信息的深度分析与挖掘，发展电能计量装置的远程故障诊断系统以辅助用电信息采集系统实现电能表等设备的高效校验。

综上所述，现有技术中如何处理现有电能表的诊断系统现场检测繁琐、覆盖面积狭小的问题，以及如何有效利用现有的用电信息采集平台进行电能表运行状况远程、全面、智能、精准检测的检测与维护的问题，尚缺乏有效的解决方案。

发明内容

本发明为了解决上述问题，提供一种基于决策树群的多维电能表现场状态检验方法，实现在现有的国网电力公司用电信息采集系统平台基础上构建多维电能表现场状态检验系统，满足及时对在运电能表的运行状态进行检测预警的业务需求。

为了实现上述目的，本发明采用如下技术方案：

一种基于决策树群的多维电能表现场状态检验方法，包括以下步骤：

(1)将用电信息采集系统提供的电能表相关采集数据作为训练集，由训练集别建立决策树，并确定其判定属性类别与特征属性，树以单个节点为根开始；

(2)针对每棵决策树所拥有的特征属性进行初步处理，结合电力领域专家经验，取分割点，将连续特征属性离散化；

(3)根据所述步骤(2)中的分割点，以信息增益率的熵度量作为特征属性的启发信息，计算连续特征属性与离散特征属性的信息增益率；

(4)选择信息增益率最大的特征属性作为样本分类的特征属性，该特征属性成为节点的判定属性，对判定属性的每个已知的值创建一个分支，并据此将训练集进行分类形成下一级分枝；

(5)判断决策树的该节点是否满足停止生长条件，若不满足返回步骤(1)，递归自上而下地形成每个归类上的样本决策树分枝，直至所有节点满足停止生长条件，生成完全生长的初级决策树；

(6)对初级决策树基于代价复杂性剪枝算法进行剪枝优化，依次剪去表面误差率增益值最低的分枝，每剪掉一枝生成一棵次级决策数；

(7)使用独立的测试集评估被剪枝优化后的初级决策树的准确率，若仍有较多噪声数据存在，则返回步骤(6)，直至获得满足评估需求的一组剪枝优化后的初级决策树，每棵初级决策树生成一组次级决策树组；