CN102880915A - 一种基于对热点事件进行关联挖掘的电量预测方法 - Google Patents

Abstract

本发明提供一种实用价值大、反映营销深层规律的、准确预测电量的基于对热点事件进行关联挖掘的电量预测方法，包括以下步骤：步骤1，分析数据，建立模型；步骤2，挖掘热点事件；步骤3，运用关联规则挖掘事件之间的联系进行电量预测。所述模型为前馈型神经网络模型，热点事件包括时空频繁事件、基于均线偏离的异常事件、基于模型的异常事件，关联规则是指在给定训练项集上频繁出现的项集与项集之间的一种紧密的联系，其中“频繁”是由人为设定的一个阈值即支持度来衡量，“紧密”由人为设定的一个关联阈值即置信度来衡量。

Description

一种基于对热点事件进行关联挖掘的电量预测方法

技术领域

本发明属于电力技术领域。

背景技术

电网销售是指面对千变万化的电力市场，供电企业始终围绕满足电力客户需求的中心，合理运用销售策略，最终提供安全经济的电力商品和满意的服务，并且实现盈利。电网的营销在电网业务中占有很大的比重，营销决策对电网的业务开展有很非常重要的影响。得益于数据库技术以及计算机技术的飞速发展，电网的销售明细数据被详细记录并保存在计算机数据库中，形成海量的营销数据库。然而，决策者很难从这些历史销售数据中获取到对营销决策有直接参考作用的信息，一方面是由于数据量巨大，就算是有经验的业务人员也难以从海量的明细数据中得到有用的信息，另一方面，这些营销数据有一定的周期性和地域特征，发现并分析这些特征需要丰富的业务经验。

现有基于数据仓库的技术并不能为电网营销的决策提供直接支持，原因如下：

A．数据仓库仅能提供基于统计的汇总视图；

B．决策者对变化和异常最感兴趣。

发明内容

本发明提供一种实用价值大、反映营销深层规律的、准确预测电量的基于对热点事件进行关联挖掘的电量预测方法。

为解决上述技术问题，本发明采用的技术方案是：提供一种基于对热点事件进行关联挖掘的电量预测方法，其特征是，包括以下步骤：

步骤1，分析数据，建立模型；

步骤2，挖掘热点事件；

步骤3，运用关联规则找出频繁出现的事件子集进行电量预测。

进一步地，所述模型为前馈型神经网络模型。

进一步地，，所述热点事件包括时空频繁事件、基于均线偏离的异常事件、基于模型的异常事件。

进一步地，，所述关联规则是指在给定训练项集上频繁出现的项集与项集之间的一种紧密的联系，其中“频繁”是人为设定的一个阈值即支持度来衡量，“紧密”是人为设定的一个关联阈值即置信度来衡量。

更进一步地，关联规则是形如

的蕴涵式，这里

并且X∩Y=Φ。规则在项集数据库D中的支持度（support）是项集中包含X和Y的项集数与所有项集数之比，记为即

$\mathrm{support}(X\⇒Y)=\left|\right\{T:X\∪Y\⊆T,T\∈D\left\}\right|/\left|\right\{D\left\}\right|$

规则在项集集中的可信度（confidence）是指包含X和Y的项集数与包含X的项集数之比，记为

即

$\mathrm{confidence}(x\⇒y)=\left|\right\{T:X\∪Y\⊆T,T\∈D\left\}\right|/\left|\right\{T:X\⊆T,T\∈D\left\}\right|.$

我们围绕着在营销明细数据中的变化和异常，提出三种热点事件的定义：

时空频繁事件：设x₁,x₂，...x_n表示n个时段（本文中以一个自然月为一个时段）的用电量数值，根据所有时段的用电量确定峰谷平的时段。根据业务经验，把训练数据中各时段用电量的升序序列的前p作为峰，后q作为谷（其中p和q在[0,1]之间取值，p+q＜1），中间部分为平，称p和q为临界比率。定义θ_min和θ_max为谷/平和平/峰的临界用电量，在此基础上定义与月用电量相关的事件如下：

A.月用电量峰值事件

1)用电低谷时段：{x₁|x₁<θ_min,i∈[1,n]}

2)用电平稳时段：{x₁|θ_min≤x₁<θ_max,i∈[1,n]}

3)用电高峰时段：{x₁|x₁≥θ_max，i∈[1,n]}

B.月用电量上升事件

1)用电上升：     x_i+1>x_i，(i≥1,i∈[1,n])

2)用电下降：     x_i+1≤x_i，(i≥1,i∈[1,n])。

基于均线偏离的异常事件：虽然每个月的用电量都会发生变化，但根据经验不应该出现过大的波动，除非有异常的情况发生（自然或非自然的重大事件）。因此提出基于均线偏离的异常事件，认为当本月的用电量偏离k月移动均线太远时，就有异常事件发生。通过对该类事件的检测，并分析其与同一时期其它事件的相关性，能有效对用电量的波动提供合理的解释。

形式上，假设滑动平均值E是当前间隔的前m个月份用电量的平均值，r为偏离因子，记W为正常滑动区间，E_j为第j个时刻的滑动平均值，则有：

1)第j个时刻的滑动平均值

2）正常滑动区间：

基于模型的异常事件：前馈型神经网络通常有一个或多个隐层，隐层中的神经元都采用S型传递函数，输出层的神经采取线性函数。隐层的非线性传递函数神经元可以学习输入输出之间的线性和非线性关系。

前馈型神经网络信息处理的方向是从输入层到各隐层再到输出层逐层进行而得名。从信息处理能力看，网络中的接点可分为两种：一种是输入节点，只负责从外界引入信息后向前传递给第一隐层；另一种是具有处理能力的节点，包括各隐层和输出层节点。前馈网络中除输出层外，任一层的输出是下一层的输入，信息的处理具有逐层传递进行的方向性。

前馈型神经网络采用BP算法，描述如下：

BP算法：

Input:4个行业的月用电量及相关属性；

Output:模型的异常点预测结果predict；

                                  

1.用newff()函数构建两层的神经网络；

2.对权值和阈值进行初始化；

3.用sim()函数进行仿真；

4.返回预测结果predict。

关联规则就是在给定训练项集上频繁出现的项集与项集之间的一种紧密的联系。其中“频繁”是由人为设定的一个阈值即支持度（support）来衡量，“紧密”也是由人为设定的一个关联阈值即置信度（confidence）来衡量的。这两种度量标准是频繁项集挖掘中两个至关重要的因素，也是挖掘算法的关键所在。规则反映了数据项中某些属性或数据集中某些数据项之间的统计相关性，其一般形式为：X1∧…∧Xn Y[C,S]，表示由X1∧…∧Xn可以预测Y，其中可信度为C，支持度为S。设事件集合I={i1,i2,…,im}，其中的元素i称为项(item)。记集合D为项集T的集合，这里项集T是项的集合，并且对应每一个项集有唯一的标识，记作TID。设X是一个I中项的集合，如果

那么称项集T包含X。一个关联规则是形如的蕴涵式，这里

并且X∩Y=Φ。规则

在项集数据库D中的支持度（support）是项集中包含X和Y的项集数与所有项集数之比，记为

即

$\mathrm{support}(X\&DoubleRightArrow;Y)=\left|\right\{T:X\&cup;Y\&SubsetEqual;T,T\&Element;D\left\}\right|/\left|\right\{D\left\}\right|;$

规则在项集集中的可信度（confidence）是指包含X和Y的项集数与包含X的项集数之比，记为

即

$\mathrm{confidence}(x\&DoubleRightArrow;y)=\left|\right\{T:X\&cup;Y\&SubsetEqual;T,T\&Element;D\left\}\right|/\left|\right\{T:X\&SubsetEqual;T,T\&Element;D\left\}\right|.$

关联规则挖掘使用的算法：Apriori算法

算法2：Apriori算法

                 

Input:四个行业的热点事件数据集；

Output:频繁k项集；

                 

Begin

遍历数据集，生成候选1项集和频繁1项集；

通过迭代，检索出事务数据库中的所有频繁项集；

利用频繁项集构造出满足用户最小信任度的规则。

End

                 

根据关联规则挖掘结果，进行电量预测。关联规则挖掘具体是寻找本文定义的事件之间共同出现的频率，例如用电量峰值与用电量升降这两个事件同时的次数。支持度是指互相关联的事件在数据集中出现的频率限制，例如当支持度为1%时，相关联的事件同时出现的次数必须不少于所有事件次数的1%。附图表格中括号内的数代表各个事件，1代表第一个事件，依次类推。举例说明：在支持度为10%的前提下，频繁三项集（1，3，4）表示第一、三、四个事件同时出现的次数超过总事件次数的10%，表明这三个事件的发生有比较密切的联系。也就是说，当用电量上升的同时，出现用电量峰值和偏离均值的异常点可能性比较大，决策者根据此提前采取应对策略。

与现有技术相比，有益效果是：

本文提出了在用电量数据库中定义热点事件，并通过关联规则发现算法找出频繁出现的事件子集，以表示事件之间的关联，从而对电力销售的决策支持提供服务。引入数据挖掘技术对营销明细数据中的事件进行发现并分析其关联性将有助于为决策过程提供更有效的支持。时空频繁事件一方面根据预设的用电分档时段对行业的月用电量归档并区别出高峰用电时段；另一方面判断当前月用电量的升降变化。基于均线的异常事件根据滑动平均线模拟总体趋势变化的思想来观察行业月用电量的变化趋势，并在此基础上判断偏离历史平均水平的异常点。基于模型的异常事件运用机器学习中的前馈型神经网络模型，寻找行业月用电量与相关属性之间的联系，并且在此基础上判别基于模型的异常点。最后，运用关联规则挖掘事件之间的联系，阐明数据中的深层信息，促进电力营销决策的科学化发展。

本文提出的是一个热点事件的处理框架，在此框架中可以定义各种类型的事件，而不仅仅限于用电量高峰、上升以及异常事件。理论上，凡是决策者感兴趣而又能够量化的事件都可以使用本文的算法框架。事件的定义基于时空粒度，这是由电网销售数据库的组织方式所支持的。因此事件的关联分析也是基于时空粒度，仅当在某一时空粒度上频繁出现的事件子集才会被捕获。

我们认为事件的定义比起数据仓库所提供的汇总视图更高级，更贴近决策者的关注点，是进行智能化决策支持的重要基础，有广阔的理论和应用前景。

附图说明

图1是前馈型神经网络示意图；

图2是本发明预测方法流程图；

图3是产业1月度电量与5个月滑动均线对比图；

图4是产业2月度电量与5个月滑动均线对比图；

图5是产业3月度电量与5个月滑动均线对比图；

图6是产业4月度电量与5个月滑动均线对比图；

图7是基于模型的异常事件检测的正确率示意图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步地详细说明。

我们认为，虽然每个月的用电量都会发生变化，但根据经验不应该出现过大的波动，除非有异常的情况发生（自然或非自然的重大事件）。因此提出基于均线偏离的异常事件，认为当本月的用电量偏离k月移动均线太远时，就有异常事件发生。通过对该类事件的检测，并分析其与同一时期其它事件的相关性，能有效对用电量的波动提供合理的解释。

形式上，假设滑动平均值E是当前间隔的前5个月份用电量的平均值，r为偏离因子，记W为正常滑动区间，E_j为第j个时刻的滑动平均值，则有：

1)第j个时刻的滑动平均值 $E_j={\mathrm{\&Sigma;}}_{i=1}^5{x}_i,(j=i+5,j\&Element;N)$

2)正常滑动区间：

滑动平均线反映用电量的变化趋势，是模拟电量销售市场变化的一个重要指标。本技术交底书选取四个产业的月用电量原始数据真值线（橙色曲线）与5个月份的滑动平均线（深绿色曲线）对比，如下图3所示：

我们取偏离因子r=0.2，即当值在均线值的20%范围内的情况下，认为是正常，否则就出现异常。根据上述定义，找到在考虑的50个月的时间间隔中，四个产业在四个季度的偏离均线的事件，如表1所示。

表1四个产业基于均线偏离的异常点

从表1中可以看出，第一季度产业1出现偏离均线的异常点数目较少，第四季度产业出现偏离均线的异常点数目较多。出现较多偏离均线的点，说明该时期的用电量波动程度比较大，导致用电量的变化趋势并不能由均线直接反映。我们认为检测这种用电量与均线的偏离对电网销售的决策有重要的意义。

模型的学习对象是当前月份的用电量是否属于正常情况。这些属性与当前月份的用电量存在密切的关系，模型根据这些属性来预测当前月份用电量是否为异常点。为了能更有效的训练ANN，把离散属性扩展为一系列的0-1哑变量表示形式，即对于每个离散属性的每个取值，设置一个布尔类型变量指示某数据记录是否有取该值，则输入属性扩展为15维。通过训练一个ANN来捕获输入属性和状态标记label之间的内在关系。根据数据的具体情况，设置了一个三层的ANN，其中输入层有15个结点，中间层9个结点，输出层1个结点，各层之间的转移函数使用Matlab的缺省值，ANN的参数配置也使用Matlab的缺省值。

为了测试模型的有效性，把现有数据集（50个月）划分为训练集和测试集。由于模型的输入要求有前6个月的用电量数值，重构数据集，并从中进行训练集和测试集的随机划分，其中60%的数据作为训练集，其余40%作为测试集。图7展示了10次随机划分模型输出的正确率变化曲线。

从图7中可以出，模型的预测正确率在70%-75%之间波动，结合均线偏离事件与人工分析，模型的输出可为电网销售的决策提供一定程度上的支持。

构造一个热点事件的事务数据库，考虑到当前事件的检测是以月份为单位的，构造了如表2所示的事件记录表。

表2事件记录表

表2中的a、b、c、d分别代表“用电高峰事件”、“用电量上升事件”、“均线偏离事件”、“基于模型的偏离事件”，共记录了50个月份的热点事件（从第7个月份开始省略）。

表3中2F、3F和4F分别代表2、3、4频繁项目集。其中关联规则挖掘具体是寻找表2中的事件之间共同出现的频率，例如用电量峰值与用电量升降这两个事件同时的次数，其中支持度是指互相关联的事件在数据集中出现的频率限制。当支持度为1%时，相关联的事件同时出现的次数必须不少于所有事件次数的1%。括号中的数代表事件，1代表第一个事件，依次类推。举例说明：在支持度为10%的前提下，频繁三项集（1,3,4）表示第一、三、四个事件同时出现的次数超过总事件次数的10%，表明这三个事件的发生有比较密切的联系。也就是说，当用电量上升的同时，出现用电量峰值和偏离均值的异常点的可能性比较大，决策者根据此提前采取应对策略。

表3频繁事件集

以上所述仅为本发明的一个实例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (5)

1.一种基于对热点事件进行关联挖掘的电量预测方法，其特征是，包括以下步骤：

步骤1，分析数据，建立模型；

步骤2，挖掘热点事件；

步骤3，运用关联规则找出频繁出现的事件子集进行电量预测。

2.根据权利要求1所述的电量预测方法，其特征是，所述模型为前馈型神经网络模型。

3.根据权利要求1所述的电量预测方法，其特征是，所述热点事件包括时空频繁事件、基于均线偏离的异常事件、基于模型的异常事件。

4.根据权利要求1所述的电量预测方法，其特征是，所述关联规则是指在给定训练项集上频繁出现的项集与项集之间的一种紧密的联系，其中“频繁”是由人为设定的一个阈值即支持度来衡量，“紧密”是由人为设定的一个关联阈值即置信度来衡量。

5.根据权利要求4所述的电量预测方法，其特征是，关联规则是形如

的蕴涵式，这里

并且X∩Y=Φ，规则

在项集数据库D中的支持度（support）是项集中包含X和Y的项集数与所有项集数之比，记为

即

$\mathrm{support}(X\&DoubleRightArrow;Y)=\left|\right\{T:X\&cup;Y\&SubsetEqual;T,T\&Element;D\left\}\right|/\left|\right\{D\left\}\right|;$

规则

在项集集中的可信度（confidence）是指包含X和Y的项集数与包含X的项集数之比，记为

即

$\mathrm{confidence}(x\&DoubleRightArrow;y)=\left|\right\{T:X\&cup;Y\&SubsetEqual;T,T\&Element;D\left\}\right|/\left|\right\{T:X\&SubsetEqual;T,T\&Element;D\left\}\right|.$

Images