[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

摘要

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。

主权项

1.一种基于决策树群的多维电能表现场状态检验方法，其特征是：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；(8)采用所有次级决策树对测试集进行样本检测，结合用电信息采集系统检测的需求，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；(9)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。