基于FP-growth 算法的多尺度用電異常行為檢測(cè)方法

武亞光，張才俊，程飛飛

（國(guó)家電網(wǎng)有限公司客戶服務(wù)中心，天津 300309）

隨著各種現(xiàn)代化技術(shù)不斷滲透到人們的工作、學(xué)習(xí)和生活中，對(duì)電力能源的需求也隨之不斷增加，因此電力消耗量不斷增加[1]。電力由電力公司提供，通過(guò)收取電費(fèi)來(lái)維持公司運(yùn)營(yíng)。電費(fèi)的收取一般以家庭、單位、團(tuán)體或者組織等為單位進(jìn)行收費(fèi)，因此客戶量十分龐大，這使得客戶管理工作量十分龐大。在客戶管理中，發(fā)現(xiàn)用電異常行為是最難的部分。用戶在使用電力時(shí)，會(huì)通過(guò)電表記錄下來(lái)，以此來(lái)作為收費(fèi)標(biāo)準(zhǔn)，然而部分用戶為了一時(shí)貪念，隨意搭接線路、篡改電表等，進(jìn)行電力竊取。這種異常用電行為屬于犯罪行為，且隨著高科技的更新，異常用電更難以發(fā)現(xiàn)[2]。

基于上述背景，關(guān)于用電異常行為檢測(cè)研究有很多，如嚴(yán)勤等人[3]以采集到的用電量數(shù)據(jù)為基礎(chǔ)，提取其時(shí)序特征，將特征輸入到深度循環(huán)神經(jīng)網(wǎng)絡(luò)當(dāng)中進(jìn)行分類檢測(cè)，尋找存在異常行為的用戶。鄭思達(dá)等人[4]在其研究中從智能電表中采集數(shù)據(jù)，然后提取四個(gè)特征指標(biāo)，將提取到的特征構(gòu)成數(shù)據(jù)集，基于聚類技術(shù)計(jì)算樣本之間的相似性，以此區(qū)分異常和正常。冉哲等人[5]在其研究中采集用戶用電數(shù)據(jù)，然后利用RFE 算法提取用電特征，得到五個(gè)代表性特征，利用CatBoost 模型進(jìn)行分類識(shí)別，完成異常用電檢測(cè)。

前人研究面對(duì)一些表現(xiàn)不明顯的小用戶竊電行為檢測(cè)結(jié)果差強(qiáng)人意，因此提出基于FP-growth 算法的多尺度用電異常行為檢測(cè)。通過(guò)該研究以期提高小用戶異常用電行為排查準(zhǔn)確性，保證用電可靠性。

1 多尺度用電異常行為檢測(cè)方法研究

隨著各種竊電技術(shù)的層出不窮，異常用電行為更加難以察覺和發(fā)現(xiàn)，尤其是單個(gè)居民用戶竊電規(guī)模不大，且不是持續(xù)竊電，很難檢查出用電數(shù)據(jù)異常[6]。針對(duì)上述問(wèn)題，提出一種基于FP-growth 算法的多尺度用電異常行為檢測(cè)方法，該方法利用FP-growth 算法挖掘異常用電行為與特征之間的關(guān)聯(lián)規(guī)則，通過(guò)計(jì)算二者之間的支持度和置信度來(lái)判斷竊電行為是否發(fā)生。

1.1 用戶用電數(shù)據(jù)采集

對(duì)用戶用電異常行為檢測(cè)的實(shí)質(zhì)是一個(gè)數(shù)據(jù)挖掘過(guò)程，而數(shù)據(jù)挖掘的前提是有大量的樣本數(shù)據(jù)[7]?；诖耍秒姅?shù)據(jù)采集至關(guān)重要，具體過(guò)程如下：

步驟1：遠(yuǎn)程采集檢測(cè)中心發(fā)布采集任務(wù)；

步驟2：HTTP 服務(wù)器對(duì)用電數(shù)據(jù)采集任務(wù)進(jìn)行解析；

步驟3：將解析結(jié)果存入數(shù)據(jù)庫(kù)；

步驟4：返回入庫(kù)結(jié)構(gòu)給HTTP 服務(wù)器，并轉(zhuǎn)發(fā)給監(jiān)控中心；

步驟5：遍歷數(shù)據(jù)庫(kù)，獲取滿足條件的采集任務(wù)；

步驟6：將任務(wù)進(jìn)行分解，得到若干子任務(wù)，并將其存入數(shù)據(jù)庫(kù)；

步驟7：輪詢數(shù)據(jù)庫(kù)，獲取需要執(zhí)行的子任務(wù)；

步驟8：通過(guò)消息總線轉(zhuǎn)發(fā)給協(xié)議棧；

步驟9：解析消息并轉(zhuǎn)發(fā)給協(xié)議模塊；

步驟10：組成相應(yīng)報(bào)文，并發(fā)送給集中器；

步驟11：集中器獲取用電數(shù)據(jù)；

步驟12：轉(zhuǎn)化集中器上報(bào)的數(shù)據(jù)報(bào)文為JSON 格式的執(zhí)行結(jié)果；

步驟13：通過(guò)消息總線將結(jié)果發(fā)送給任務(wù)執(zhí)行模塊；

步驟14：在任務(wù)執(zhí)行模塊當(dāng)中將結(jié)果轉(zhuǎn)換為DB文件；

步驟15：將DB 文件反饋給檢測(cè)中心。

上述步驟為采集器采集用電數(shù)據(jù)的具體流程，為后續(xù)異常檢測(cè)提供可利用和可挖掘的基礎(chǔ)數(shù)據(jù)[8]。

1.2 用戶用電數(shù)據(jù)預(yù)處理

基于上述采集到的用電數(shù)據(jù)，進(jìn)行預(yù)處理，以提高數(shù)據(jù)質(zhì)量。

1）缺失數(shù)據(jù)填補(bǔ)

采集到的用電數(shù)據(jù)中難以避免地會(huì)出現(xiàn)部分缺失的情況，若是該數(shù)據(jù)是關(guān)鍵數(shù)據(jù)，一旦缺失將直接影響異常檢測(cè)的準(zhǔn)確性[9]。面對(duì)這一情況，通過(guò)下述插值公式進(jìn)行填補(bǔ)：

式中，Xi代表缺失的用電數(shù)據(jù)；Xj代表樣本中第j個(gè)數(shù)據(jù)；n代表樣本中數(shù)據(jù)數(shù)量。

2）數(shù)據(jù)標(biāo)準(zhǔn)化

數(shù)據(jù)標(biāo)準(zhǔn)化的作用是方便不同量綱數(shù)據(jù)之間可以進(jìn)行同一運(yùn)算而進(jìn)行的處理[10]。計(jì)算公式如下：

1.3 多尺度特征選取

最后的異常行為檢測(cè)與識(shí)別是以用戶用電數(shù)據(jù)特征作為輸入的，因此選取的特征越具有代表性，檢測(cè)結(jié)果越準(zhǔn)確[11]?；诖?，進(jìn)行多尺度特征選取研究，具體過(guò)程如下：

步驟1：列舉所有用電數(shù)據(jù)特征，包括用電量標(biāo)準(zhǔn)差、負(fù)荷、線損、用電模式、不平衡率等，具體如表1所示[12]；

表1 用電數(shù)據(jù)特征表

步驟2：對(duì)指標(biāo)進(jìn)行向量化；

步驟3：計(jì)算每個(gè)特征向量的重要性指數(shù)，計(jì)算公式如下：

式中，Pi代表第i個(gè)特征向量的重要性指數(shù)；wi代表權(quán)重；Si代表第i個(gè)特征向量；m代表特征向量數(shù)量，在這里取值m=14；

步驟4：按照重要性指數(shù)從大到小的順序進(jìn)行特征向量排序；

步驟5：選取重要性指數(shù)排名前K的特征向量組成新的特征集合；

步驟6：按照下述公式計(jì)算特征集合中每個(gè)特征的貢獻(xiàn)率，計(jì)算公式如下：

式中，Ri代表第i個(gè)特征向量的貢獻(xiàn)率；Qi代表i個(gè)特征向量的排名；K代表特征集合中特征向量的數(shù)量。

步驟7：根據(jù)貢獻(xiàn)率選取大于1.0 的特征向量作為最優(yōu)特征指標(biāo)[13]。

基于上述過(guò)程完成多尺度特征選取工作，為后續(xù)研究奠定基礎(chǔ)。

1.4 基于FP-growth 算法的用電異常行為檢測(cè)的實(shí)現(xiàn)

將上一節(jié)選出的特征參量作為基礎(chǔ)，利用FP-growth 算法挖掘關(guān)聯(lián)規(guī)則，實(shí)現(xiàn)用電異常行為檢測(cè)[14]。

FP-growth 算法中涉及兩個(gè)關(guān)鍵概念，即支持度和置信度。

1）支持度

支持度是指項(xiàng)集A和項(xiàng)集B同時(shí)出現(xiàn)的概率[15]。計(jì)算公式如下：

式中，Support(A?B)代表支持度；Num(A?B)代表A和B同時(shí)出現(xiàn)的次數(shù)；Num(Z)代表總事務(wù)集中事務(wù)數(shù)量。

2）置信度

置信度是指同時(shí)包含A和B的事務(wù)占包含A的事務(wù)的比例[16]。計(jì)算公式如下：

式中，Confidence(A|B)代表置信度；Num(A) 代表包含A的事務(wù)數(shù)量。

基于FP-growth 算法進(jìn)行關(guān)聯(lián)多尺度用電異常行為檢測(cè)，具體過(guò)程如下：

步驟1：掃描事務(wù)數(shù)據(jù)庫(kù)Z；

步驟2：設(shè)置最小支持度閾值，記為φ為最小置信度閾值；

步驟3：從Z中挖掘滿足條件的頻繁項(xiàng)集，具體過(guò)程如下：

1）按照式（5）計(jì)算Z中每個(gè)項(xiàng)的支持度Support(A?B)；

2）判斷Support(A?B)是否不小于φ？若是，將該項(xiàng)加入頻繁項(xiàng)集；否則，刪除該項(xiàng)；

步驟4：再次掃描事務(wù)數(shù)據(jù)庫(kù)，生成項(xiàng)頭表。

1）按照式（6）計(jì)算Z中每個(gè)項(xiàng)的置信度；

2）判斷每個(gè)項(xiàng)的置信度是否不小于φ。若大于，將該項(xiàng)加入項(xiàng)頭集；否則，刪除該項(xiàng)；

3）按照置信度大小進(jìn)行降序排列，生成項(xiàng)頭表。步驟5：構(gòu)造FP-tree 結(jié)構(gòu)。

1）創(chuàng)建根節(jié)點(diǎn)；

2）遍歷頻繁項(xiàng)集中的每項(xiàng)事務(wù)；

3）把每項(xiàng)事務(wù)一一映射到FP-tree 結(jié)構(gòu)中。

步驟6：構(gòu)造條件FP-tree；

步驟7：基于條件遞歸挖掘，產(chǎn)生頻繁項(xiàng)集；

步驟8：從頻繁項(xiàng)集中產(chǎn)生關(guān)聯(lián)規(guī)則，即挖掘特征與用電行為之間的關(guān)聯(lián)規(guī)則。

基于以上分析可知，基于關(guān)聯(lián)規(guī)則實(shí)現(xiàn)用電異常行為檢測(cè)，即當(dāng)特征與用電行為之間的支持度大于1 時(shí)，則認(rèn)為存在用電異常。

2 方法應(yīng)用效果測(cè)試

以基于深度循環(huán)神經(jīng)網(wǎng)絡(luò)的檢測(cè)方法、基于模糊聚類的檢測(cè)方法以及基于RFE+CatBoost 的檢測(cè)方法為對(duì)比項(xiàng)，進(jìn)行用電異常行為檢測(cè)分析與測(cè)試。

2.1 測(cè)試樣本

該測(cè)試中所使用的樣本來(lái)自愛爾蘭社會(huì)科學(xué)數(shù)據(jù)檔案館，該樣本分布情況如圖1 所示。

圖1 樣本分布圖

2.2 檢測(cè)效果評(píng)價(jià)指標(biāo)

檢測(cè)方法的評(píng)價(jià)指標(biāo)為F1 指標(biāo)，計(jì)算公式如下：

式中，P代表查準(zhǔn)率；R代表查全率，其余指標(biāo)來(lái)自混淆矩陣，如表2 所示。

表2 混淆矩陣

2.3 性能分析

相同測(cè)試條件下，利用所研究方法、基于深度循環(huán)神經(jīng)網(wǎng)絡(luò)的檢測(cè)方法、基于模糊聚類的檢測(cè)方法以及基于RFE+CatBoost 的檢測(cè)方法進(jìn)行用電異常行為檢測(cè)，根據(jù)檢測(cè)結(jié)果計(jì)算F1 值，結(jié)果如圖2 所示。

圖2 方法異常檢測(cè)結(jié)果

從圖2 可以看出，該文方法的F1 值大于基于深度循環(huán)神經(jīng)網(wǎng)絡(luò)的檢測(cè)方法、基于模糊聚類的檢測(cè)方法以及基于RFE+CatBoost 的檢測(cè)方法檢測(cè)結(jié)果的F1 值，說(shuō)明該方法的檢測(cè)更為準(zhǔn)確。

3 結(jié)束語(yǔ)

該文研究了基于FP-growth 算法的多尺度用電異常行為檢測(cè)方法，通過(guò)測(cè)試證明了該研究方法的檢測(cè)準(zhǔn)確性，即F1 值更大。后續(xù)工作中，在測(cè)試環(huán)節(jié)需要進(jìn)一步將方法應(yīng)用到實(shí)際當(dāng)中，以測(cè)試方法的實(shí)際應(yīng)用性。