基于FP-Growth算法的計量主站告警分析研究

余飛婭， 葉文波

(貴州電網有限責任公司，貴州 貴陽 550000)

0 引 言

隨著大數據、云計算和物聯網等新一代信息技術的快速發展，南網加快公司各類業務與新一代信息技術的融合，挖掘數據價值，實現從業務驅動到數據驅動，對于促進“數字南網”建設具有重要意義[1]。當前，計量主站告警數量日益激增，并且存在大量無效告警，加重了運維人員的工作壓力[2]。面對計量運行過程中存在的海量告警數據，如何對監控告警進行分類篩選，發掘有業務價值的告警，并直接分析出告警根源仍是亟待解決的問題。近年來，關于關聯規則挖掘的研究一直受到國內外學者的重視，并展開了大量的研究[3-6]。文獻[7]通過改進FP-growth算法，無需生成FP-tree，解決了云平臺數據量過大導致處理效率低的問題。文獻[8]針對入侵檢測系統產生的相互孤立的告警數據，通過改進FP-growth算法，挖掘稀疏數據的關聯關系，提高了數據處理效率。在電力系統中，文獻[9]采用灰色關聯規則分析方法對變壓器故障信息數據進行挖掘，揭示了變壓器故障與特征量的相關程度。文獻[10]采用FP-growth算法挖掘變電站二次設備存在的缺陷及其原因的關聯規則，為智能變電站二次設備運維提供支持。當前，針對單個計量無效告警事件，已經有相當規范的處理方法。但是計量系統運行情況繁雜，單一告警事件的處理方式難以滿足實際業務應用需求，缺少多個告警之間的關聯，經常造成誤報、漏報等問題。因此，本文基于計量系統中的歷史告警數據，通過引入庫爾欽斯基(Kulczynski, kulc)度量及不平衡比，改進FP-Growth算法，排除關聯規則挖掘過程中無意義關聯規則的影響，確定計量主站告警的識別方法。

1 計量主站告警規則分析建模

1.1 計量主站告警規則分析建模流程

為解決電網運行過程中存在的大量無效告警，提高異常問題處理的準確性和及時性，本文采用FP-Growth算法對計量主站出現的歷史告警數據進行關聯規則挖掘，分析計量主站告警產生的原因。計量主站告警關聯規則分析模型構建過程如圖1所示。

圖1 計量主站告警規則分析建模流程圖

1.2 FP-Growth算法挖掘關聯規則判定條件

由于傳統關聯規則挖掘Apriori算法需要通過構造候選集，多次掃描原始數據才能挖掘出頻繁項集，導致系統運轉速度較慢，降低了工作效率。因此，選取不產生候選集，僅掃描兩次數據庫的FP-Growth算法，對計量主站告警數據的關聯規則進行挖掘。關聯規則判定主要包括支持度、置信度、Kulc度量以及不平衡比(imbalance ratio，IR)等指標，以項目集N為例，分析事物X與事物Y之間的關聯規則。

(1) 支持度(support)作為關聯規則的約束條件之一，是衡量關聯規則出現頻繁程度的重要指標，即在全部事務中，{X,Y}出現的可能性，其表達式如式(1)所示。

(1)

式中：N為事務的數量；σ(X∪Y)為事務X與事務Y的交集。支持度主要目的是通過設定最小支持度閾值(minsup)，剔除出現較少的無效規則，保留出現頻繁的關聯規則，進而篩選得到頻繁項集Z，其表達式如式(2)所示。

s(Z)≥minsup

(2)

(2) 置信度(confidence)表示在事務X發生的前提下，事務Y發生的概率，即確定事務Y在包含X的事務中出現的頻繁程度，其表達式如式(3)所示。

(3)

(3) Kulc度量為將事務X和事務Y作為置信度的均值，不用計算支持度，進而不會受到不含任何項集的事務影響，其表達式如式(4)所示。

(4)

(4) 不平衡比(IR)：揭示事務X和事務Y之間真實的關聯規則，其表達式如式(5)所示。

(5)

式中：若IR接近于0，表明事務X和事務Y的關聯規則十分平衡，即事務X發生后事務Y很有可能會發生，反之亦然；若IR接近于1，表明事務X和事務Y的關聯規則十分不平衡，即事務X發生后事務Y有可能發生，但反之卻不成立。

1.3 FP-Growth算法挖掘關聯規則流程

FP-Growth算法挖掘關聯規則的核心步驟是構建FP-tree樹節點，減少所需項集的數量。令I={i1，i2，…，id}為數據中所有項的集合，而T={t1，t2，…，tN}是所有事務的集合。每個事務ti包含的項集都是I的子集。其具體挖掘流程如下：

(1) 事務獲取。假設告警序列為I1、I2、I5、I2、I4、I2、I3、I1、I2、I4、I1、I3、I4、I5、I2、I3、I6、I1、I3、I1、I2、I3、I5、……。將告警序列劃分為事務級，設置窗口初始大小為1，最大長度為4，得到事務集合列表，如表1所示。

(2) 構建FP-tree。掃描原始數據庫，統計每個項目出現的次數，設定最小支持度為2，以降序排列方式重新排列項目集，得到整理后的事務集合列表,如表2所示。

根據整理后的數據列表，按照表2給出的序號依次將8條項目集加入FP-tree中，得到如圖2所示的樹狀圖。

(3) 頻繁項集挖掘。從FP-tree中挖掘頻繁模式，對于每一個項目，梳理得到基礎模式項，即以所查找項目為結尾的路徑集合。以I5為例，其基礎模式項為{(I2I1：2)，(I2：2)，(I1：2)}，進而遞歸調用FP-Growth算法，得到模式后綴為I5的所有模式，遞歸調用結束。最終模式后綴I5支持度大于2的所有頻繁模式為：{I2、I5：2，I1、I5：2，I2、I1、I5：2}，同理可以得到其他項目的頻繁相集模式，如表3所示。

表3 挖掘出的頻繁模式

由表3可知，在I2事件發生的情況下，I1和I3都出現的頻率較高，說明它們之間存在強關聯關系。

2 實例分析

以南網某電網公司的計量主站2020年6月2日至2020年6月30日統計的告警數據為例，主要包括：序列號、設備類型、設備編號、告警詳情、告警級別、告警時間、告警標志、告警類型、告警設備地址和告警區域等字段信息，對計量主站運行過程中的告警信息進行分析。通過原始告警數據中的重復告警或閃斷/自愈告警對數據進行刪除，篩選出322.98萬條告警數據用于數據挖掘，分析計量主站告警及相應的電流不平衡、斷相、失壓、表蓋開啟和電能表飛走告警之間的關聯規則。以2020年6月2日至2020年6月24日的248.52萬條數據作為訓練樣本集，建立計量主站告警關聯規則分析數據庫，采用FP-Growth算法對179.52條訓練樣本數據進行挖掘，設置最小支持度為40%，最小置信度為70%。部分強關聯規則如表4所示。

表4 部分強關聯規則

由表4可知，挖掘出的部分頻繁項集在滿足最小支持度、最小置信度以及Kulc度量的同時，IR均小于0.1，表明該事務具有強關聯關系，且屬于有意義的關聯規則。如10 kV水盤高速Ⅰ回線002受到電能表飛走的影響，導致出現告警，從而能夠指導供電局對此條線路加強維護力度，降低告警事件的發生，提高供電的可靠性。

為驗證計量主站告警關聯規則分析的準確性：以2020年6月24日至2020年6月30日的74.46萬條數據作為測試選擇集，即從中每天隨機選取100條告警數據進行計量主站告警關聯規則的匹配與驗證。告警準確率等于通過模型測算出的關聯告警與實際發生告警數量之比。驗證流程如圖3所示。

圖3 驗證流程圖

對比沒有引入Kulc度量和不平衡比的傳統FP-Growth算法，本文提出的算法可以有效地排除無意義關聯規則的影響，提高計量主站告警關聯識別的準確性。采用前文所述的測試集進行測算，對比傳統算法與本文算法的準確率差異，如表5所示。

表5 傳統算法與本文算法的準確率對比表 %

經過實際查找驗證，本文提出的算法準確率較高，總體準確率達到了91.2%，明顯高于傳統算法，驗證了本文提出的FP-Growth算法挖掘關聯規則的準確性和有效性。

3 結束語

本文采用FP-Growth算法挖掘計量主站告警的關聯規則，為排除關聯規則挖掘過程中無意義關聯規則的影響，引入Kulc度量以及不平衡比來確定強關聯規則及重要程度，確定計量主站告警的識別方法。結果表明：FP-Growth算法挖掘計量主站告警的關聯規則準確率達到了91.2%，算法準確度較高；構建的FP-Growth算法挖掘計量主站告警關聯規則具有較高的實際應用價值，剔除外部干擾因素的影響，協助電網公司更加精準定位計量主站告警源，高效排查并解決計量主站告警，保障電網穩定運行。但是計量主站告警誘因較多，僅基于本文提到的告警誘因無法進行完整描述。因此，下一步將在完善指標體系等角度入手，提高告警原因挖掘能力和告警識別的準確性。