運(yùn)行中智能電能表質(zhì)量分析及預(yù)測(cè)方法研究

王雍, 侯慧娟, 姚瓊瓊

(國(guó)網(wǎng)河南省電力公司營(yíng)銷服務(wù)中心，鄭州 450050)

0 引 言

對(duì)于智能電能表的質(zhì)量分析工作，無(wú)論是作為生產(chǎn)者的廠商，還是作為使用者的國(guó)家電網(wǎng)公司，都還沒(méi)有一個(gè)定量的標(biāo)準(zhǔn)。2014年，國(guó)家電網(wǎng)公司開(kāi)展了電能計(jì)量裝置狀態(tài)檢驗(yàn)方面的探索和研究，文獻(xiàn)[1]的研究成果是根據(jù)對(duì)電能表的當(dāng)前運(yùn)行狀態(tài)的評(píng)價(jià)，指導(dǎo)電能表現(xiàn)場(chǎng)檢驗(yàn)及輪換周期的動(dòng)態(tài)調(diào)整工作；2015年，文獻(xiàn)[2]研究基于大數(shù)據(jù)技術(shù)的智能電能表運(yùn)行狀態(tài)分析系統(tǒng)通過(guò)分布式存儲(chǔ)、分布式分析計(jì)算和數(shù)據(jù)挖掘，將用電信息采集系統(tǒng)、計(jì)量生產(chǎn)調(diào)度平臺(tái)、營(yíng)銷業(yè)務(wù)系統(tǒng)等系統(tǒng)中的電能表信息的海量數(shù)據(jù)轉(zhuǎn)化成智能電能表運(yùn)行狀態(tài)報(bào)告。但是，上述研究是從智能電能表全壽命周期的部分環(huán)節(jié)入手，缺少智能電能表關(guān)鍵環(huán)節(jié)的質(zhì)量分析方法研究。

文中梳理電能表關(guān)鍵環(huán)節(jié)質(zhì)量相關(guān)數(shù)據(jù)，研究質(zhì)量影響特征提取方法；對(duì)比各類大數(shù)據(jù)分析技術(shù)，建立智能電能表質(zhì)量分析模型；使用該模型對(duì)智能電能表質(zhì)量問(wèn)題隱患進(jìn)行預(yù)測(cè)分析，并進(jìn)行現(xiàn)場(chǎng)驗(yàn)證，根據(jù)驗(yàn)證結(jié)果持續(xù)優(yōu)化模型[3]。

1 電能表質(zhì)量分析模型構(gòu)建

電能表質(zhì)量分析模型的任務(wù)是依據(jù)電能表關(guān)鍵環(huán)節(jié)相關(guān)數(shù)據(jù)，挖掘已拆回電能表發(fā)生故障的規(guī)律，預(yù)測(cè)具備同特征在運(yùn)電能表發(fā)生故障的概率，并進(jìn)行現(xiàn)場(chǎng)數(shù)據(jù)驗(yàn)證。

對(duì)電能表質(zhì)量影響較大的研發(fā)設(shè)計(jì)、物料采購(gòu)、生產(chǎn)制造、驗(yàn)收檢測(cè)、安裝運(yùn)行、拆回報(bào)廢環(huán)節(jié)被定義為關(guān)鍵環(huán)節(jié)，針對(duì)每個(gè)環(huán)節(jié)數(shù)據(jù)情況進(jìn)行梳理便于后續(xù)數(shù)據(jù)選取[4-6]。

針對(duì)關(guān)鍵環(huán)節(jié)數(shù)據(jù)，利用皮爾遜相關(guān)系數(shù)及卡方檢驗(yàn)對(duì)數(shù)據(jù)字段進(jìn)行相關(guān)性分析。結(jié)合業(yè)務(wù)專家給定的閾值參考，刪除相關(guān)系數(shù)大于0.6的部分字段，最終使用電能表關(guān)鍵環(huán)節(jié)數(shù)據(jù)，經(jīng)過(guò)清洗轉(zhuǎn)換，生成可以進(jìn)行建模分析的數(shù)據(jù)。模型訓(xùn)練集的樣本數(shù)據(jù)采用河南歷史數(shù)據(jù)，樣本數(shù)據(jù)集來(lái)源如表1所示。數(shù)據(jù)選取階段選取原始數(shù)據(jù)共計(jì)132個(gè)字段。

表1 樣本數(shù)據(jù)來(lái)源

按照以下步驟對(duì)基于電能表關(guān)鍵環(huán)節(jié)的132個(gè)原始特征進(jìn)行分析：

第一步，數(shù)據(jù)可視化。為了直觀呈現(xiàn)特征和電能表是否故障的關(guān)系，分別使用這132個(gè)原始特征畫(huà)出故障電能表和正常電能表在各個(gè)特征的分布圖形。故障表和正常表在幾個(gè)較典型特征上的分布如圖1所示。由圖可知，電能表是否故障在每個(gè)特征上的分布無(wú)明顯差異，需要通過(guò)量化指標(biāo)進(jìn)一步提取特征。

圖1 故障表和正常表在各特征上的分布對(duì)比圖

第二步，根據(jù)基尼不純度方法選擇特征。計(jì)算公式如式(1)所示。

(1)

式中m為類別總數(shù);fi為樣本點(diǎn)屬于第i類的概率。

對(duì)基尼不純度求倒數(shù)得出各特征的基尼重要度，計(jì)算公式如式(2)所示，結(jié)果如表2所示。

(2)

表2 特征重要度(部分)

計(jì)算每個(gè)特征的重要度在所有特性重要度的總和中所占用的比例, 計(jì)算公式如式(3)所示。

(3)

統(tǒng)計(jì)學(xué)中通常認(rèn)為概率低于5%的事件為小概率事件，此處選擇5%作為比例閾值篩選特征，將大于重要度占比5%的特征進(jìn)行保留。通過(guò)篩選保留13個(gè)特征進(jìn)行建模。全部特征如表3所示,以符號(hào)A來(lái)表示。

表3 保留特征

第三步，構(gòu)造特征。構(gòu)造特征是根據(jù)業(yè)務(wù)和專家經(jīng)驗(yàn)，將電能表警告記錄、異常代碼記錄按照業(yè)務(wù)邏輯構(gòu)造出新的特征，并將特征分為一票否決特征、重要特征。

電能表若出現(xiàn)過(guò)一票否決特征對(duì)應(yīng)的異常，則該電能表肯定已發(fā)生故障；電能表若出現(xiàn)過(guò)重要特征對(duì)應(yīng)的異常，則該電能表可能已發(fā)生故障[7-9]。構(gòu)造特征包含一票否決特征13條、重要特征30條。部分特征如表4所示，以符號(hào)B來(lái)表示。

表4 構(gòu)造特征(部分)

第四步，匯總上述所有特征字段共計(jì)56條，該部分特征如表5，以符號(hào)C來(lái)表示，C=A∪B。

表5 特征匯總(部分)

基于電能表關(guān)鍵環(huán)節(jié)，按照上述特征數(shù)據(jù)建立故障率預(yù)測(cè)模型，完成電能表批次故障預(yù)測(cè)。預(yù)測(cè)批次故障率有兩種解決方案，一是直接預(yù)測(cè)批次電能表故障率；二是預(yù)測(cè)單個(gè)表是否發(fā)生故障，然后根據(jù)批次的故障數(shù)和總數(shù)計(jì)算批次電能表的故障率。

直接預(yù)測(cè)故障率可采用：(1)使用回歸模型擬合獲得的特征和批次故障率的線性關(guān)系，此方法可得到批次故障率與各特征之間的最優(yōu)權(quán)重關(guān)系;(2)使用拆回表數(shù)據(jù)里面得出不同時(shí)間的故障率數(shù)據(jù)，套用時(shí)間序列模型，可得到批次故障率在時(shí)間軸上的趨勢(shì)預(yù)測(cè)。

另一種方案，先預(yù)測(cè)單表故障，再通過(guò)故障數(shù)除以批次的總數(shù)得到批次的故障率。預(yù)測(cè)單只表是否故障是一個(gè)二分類問(wèn)題，可使用簡(jiǎn)單分類器模型，包括決策樹(shù)、SVM、貝葉斯等，此類模型結(jié)果容易解釋，但準(zhǔn)確率一般，且容易過(guò)擬合；也可使用集成學(xué)習(xí)模型，包括隨機(jī)森林算法、XGBoost算法、lightgbm算法等，此類模型是在簡(jiǎn)單模型基礎(chǔ)上進(jìn)行集成，與單一模型相比準(zhǔn)確率往往較高且有效避免過(guò)擬合，但計(jì)算規(guī)則復(fù)雜，模型可解釋性較差[7]。

按照時(shí)間順序把隨機(jī)事件變化發(fā)展的過(guò)程記錄下來(lái)就構(gòu)成了一個(gè)時(shí)間序列，對(duì)時(shí)間序列進(jìn)行觀察、研究，尋找它的變化發(fā)展規(guī)律，預(yù)測(cè)它將來(lái)的走勢(shì)，就是時(shí)間序列分析(Time Series Analysis)。

時(shí)間序列預(yù)測(cè)只需要一組待預(yù)測(cè)變量的歷史數(shù)據(jù)。同回歸預(yù)測(cè)模型相比，這種方法不需要花費(fèi)精力去判定變量之間的因果關(guān)系，而只需將時(shí)間序列模型所確定的歷史趨勢(shì)向外延伸便可預(yù)測(cè)未來(lái)的變動(dòng)。時(shí)間序列預(yù)測(cè)往往適用于回歸模型所需的自變量數(shù)據(jù)比較缺乏，而所要預(yù)測(cè)變量的歷史數(shù)據(jù)又比較完整，足以反映其變動(dòng)趨勢(shì)的場(chǎng)合[10-12]。

回歸分析(Regression Analysis)是一種統(tǒng)計(jì)分析方法，目的是確定兩種或兩種以上變量間相互依賴的定量關(guān)系。按照自變量和因變量之間的關(guān)系類型，可分為線性回歸分析和非線性回歸分析。在大數(shù)據(jù)分析中，回歸分析是一種預(yù)測(cè)性的建模技術(shù)，它研究的是因變量(目標(biāo))和自變量(預(yù)測(cè)器)之間的關(guān)系。這種技術(shù)通常用于預(yù)測(cè)分析，時(shí)間序列模型以及發(fā)現(xiàn)變量之間的因果關(guān)系[13-14]。

集成學(xué)習(xí)是機(jī)器學(xué)習(xí)一種框架，思想是將多個(gè)模型組合起來(lái)，達(dá)到提高模型整體泛化能力的效果。集成學(xué)習(xí)有三種類型：Bagging,Boosting,和Stacking。XGBoost算法是改進(jìn)的梯度提升學(xué)習(xí)算法，是Boosting中的一種方法，算法原理與傳統(tǒng)GBDT算法不同。傳統(tǒng)的GBDT，訓(xùn)練過(guò)程中只利用一階導(dǎo)數(shù)信息，而XGBoost算法對(duì)損失函數(shù)做了二階的泰勒展開(kāi)，并且在損失函數(shù)之外增加了正則化項(xiàng)求取最優(yōu)解，既保證模型精度的前提，又限制了模型的復(fù)雜度，避免模型過(guò)擬合。XGBoost算法是建立在樹(shù)模型的基礎(chǔ)上[15-17]。

(4)

模型目標(biāo)函數(shù)定義如式(5)所示。式中t代表樹(shù)的數(shù)量，Ω代表正則項(xiàng)。

(5)

對(duì)式(3)進(jìn)行二階泰勒展開(kāi)，約去常數(shù)項(xiàng)可得第t次迭代的目標(biāo)函數(shù)如式(6)所示。式中g(shù)i為損失函數(shù)一階導(dǎo)數(shù)，hi為損失函數(shù)二階導(dǎo)數(shù)。

(6)

由式(6)可知XGBoost算法損失函數(shù)能夠進(jìn)行自定義(必須存在一階和二階導(dǎo)數(shù))，且使用了二階導(dǎo)數(shù)，二階信息使得梯度收斂更快更準(zhǔn)確。

使用現(xiàn)有的河南拆回表數(shù)據(jù)分別建立線性回歸、時(shí)間序列、XGBoost算法模型。三種模型超參數(shù)均設(shè)置為默認(rèn)取值，均選擇99%作為故障概率閾值，預(yù)測(cè)結(jié)果超出閾值則判定為故障表，其中線性回歸、時(shí)間序列將批次判定故障表，XGBoost算法僅作單表故障判定。模型選擇2020年第一季度數(shù)據(jù)共計(jì)1 190 673條進(jìn)行訓(xùn)練。將檔案信息、研發(fā)設(shè)計(jì)數(shù)據(jù)、物料采購(gòu)數(shù)據(jù)、生產(chǎn)制造數(shù)據(jù)、采集異常數(shù)據(jù)和計(jì)量異常數(shù)據(jù)作為自變量，拆回分揀數(shù)據(jù)里電能表是否故障作為因變量輸入XGBoost算法及線性回歸模型；將批次故障率作為時(shí)間序列進(jìn)行建模。模型通過(guò)訓(xùn)練得出數(shù)據(jù)最優(yōu)的聯(lián)合概率分布，并將該分布應(yīng)用于在運(yùn)電能表判斷其是否故障，實(shí)現(xiàn)智能電能表關(guān)鍵環(huán)節(jié)質(zhì)量分析[17-19]。

在相同判定標(biāo)準(zhǔn)下，三種模型準(zhǔn)確率對(duì)比如圖2所示。

圖2 模型準(zhǔn)確率對(duì)比

XGBoost算法模型在預(yù)測(cè)準(zhǔn)確度上遠(yuǎn)高于其他模型，故選擇XGBoost算法模型進(jìn)行后續(xù)的電能表質(zhì)量預(yù)測(cè)分析工作,模型流程圖如圖3所示。

圖3 電能表質(zhì)量分析模型流程圖

2 電能表質(zhì)量預(yù)測(cè)分析及驗(yàn)證

使用河南2015年4月～2020年4月共計(jì)5年21 177 697條歷史故障電能表數(shù)據(jù)建立智能電能表質(zhì)量分析模型，預(yù)測(cè)河南2020年4～12月份共三個(gè)季度的故障數(shù)據(jù)，并在2020年終和實(shí)際拆回?cái)?shù)據(jù)進(jìn)行比對(duì)驗(yàn)證。

驗(yàn)證情況如下：參與預(yù)測(cè)的總電能表數(shù)量為3 231 306只，涉及到貨批次6 103個(gè)，其中針對(duì)每只表計(jì)預(yù)測(cè)其是否發(fā)生故障，并在2020年終和實(shí)際結(jié)果進(jìn)行比對(duì)。

模型前期訓(xùn)練階段驗(yàn)證數(shù)據(jù)為2020年2季度數(shù)據(jù)電能表數(shù)量為971 661只，預(yù)測(cè)正確數(shù)量為2 312 969只，占比71.58%；預(yù)測(cè)錯(cuò)誤數(shù)量為918 337只，占比28.42%，詳細(xì)結(jié)果如表6所示。

表6 模型驗(yàn)證結(jié)果情況

模型初步訓(xùn)練后準(zhǔn)確率達(dá)到0.72，召回率達(dá)到0.39。經(jīng)檢驗(yàn)?zāi)Ｐ涂梢詫?4.87%的故障表識(shí)別出來(lái)，但也存在28.42%的誤判情況，模型精確率有待提高，模型效果評(píng)價(jià)指標(biāo)如表7所示。模型準(zhǔn)確率P、召回率R的定義如式(7)所示:

P=TP/(TP+FP)

R=TP/(TP+FN)

(7)

表7 模型效果評(píng)價(jià)指標(biāo)

模型進(jìn)行初始學(xué)習(xí)后，觀察模型在訓(xùn)練集和測(cè)試集的結(jié)果，得到訓(xùn)練集精確率接近于 1，測(cè)試集精確率穩(wěn)定于 0.7 左右。最后評(píng)估驗(yàn)證集，得到精確率為0.45。驗(yàn)證結(jié)果表明模型的泛化能力不強(qiáng)并且可能出現(xiàn)了過(guò)擬合情況，需要對(duì)模型參數(shù)進(jìn)行優(yōu)化。

為了提高模型學(xué)習(xí)效果，提高模型泛化能力，降低模型過(guò)擬合風(fēng)險(xiǎn)，模型后期調(diào)優(yōu)階段逐步加入2020年第三、第四季度的電能表故障數(shù)據(jù)擴(kuò)充模型驗(yàn)證集，通過(guò)使用增量數(shù)據(jù)的驗(yàn)證形式驗(yàn)證模型對(duì)未知數(shù)據(jù)的泛化能力。通過(guò)下列兩個(gè)步驟對(duì)模型進(jìn)行調(diào)優(yōu):

(1)基于K折交叉驗(yàn)證方法對(duì)模型進(jìn)行調(diào)優(yōu)

交叉驗(yàn)證的基本思想是把在某種意義下將原始數(shù)據(jù)進(jìn)行分組，一部分作為訓(xùn)練集，另一部分作為測(cè)試集，首先用訓(xùn)練集對(duì)分類器進(jìn)行訓(xùn)練，再利用測(cè)試集來(lái)測(cè)試訓(xùn)練得到的模型，以此作為評(píng)價(jià)分類器的性能指標(biāo)。在第一次模型調(diào)優(yōu)的過(guò)程中，使用了K折交叉驗(yàn)證來(lái)提高模型的泛化能力[20-22]。

K折交叉驗(yàn)證的基本思想是把原始數(shù)據(jù)均分為K份，并將數(shù)據(jù)進(jìn)行K次劃分，第i(i∈[1,2,…,K])次選擇第i份數(shù)據(jù)作為測(cè)試集，剩余K-1份數(shù)據(jù)作為訓(xùn)練集。對(duì)K份測(cè)試集上的評(píng)價(jià)結(jié)果求平均值作為最終模型評(píng)價(jià)指標(biāo)結(jié)果。模型在此評(píng)價(jià)指標(biāo)約束下求使得模型收斂的最優(yōu)參數(shù)。在此使用了5折交叉驗(yàn)證，選擇精確率作為評(píng)價(jià)指標(biāo)。

通過(guò)K折交叉驗(yàn)證，訓(xùn)練集精確率達(dá)到0.65，召回率達(dá)到0.62，測(cè)試集精確率達(dá)到0.55，召回率達(dá)到0.54，驗(yàn)證集精確率達(dá)到 0.45，召回率達(dá)到0.42，雖然訓(xùn)練集和測(cè)試集的精確率有所提升，但驗(yàn)證集的精確率低于0.5難以滿足實(shí)際需求，需要對(duì)模型超參數(shù)進(jìn)行優(yōu)化;

(2)基于網(wǎng)格搜索方法對(duì)模型進(jìn)行調(diào)優(yōu)

第二次模型調(diào)優(yōu)使用網(wǎng)格搜索方法對(duì)模型超參數(shù)的取值進(jìn)行優(yōu)化。

網(wǎng)格搜索方法是將模型的超參數(shù)劃定一個(gè)具有有限取值的區(qū)間，程序通過(guò)循環(huán)遍歷所有超參數(shù)的取值組合，并依據(jù)設(shè)定好的評(píng)價(jià)指標(biāo)選擇最佳結(jié)果下的模型參數(shù)作為最優(yōu)參數(shù)[23-25]。文中模型篩選的超參數(shù)如表8所示。

表8 模型超參數(shù)

通過(guò)網(wǎng)格搜索方法，找到最優(yōu)的參數(shù)設(shè)置，使訓(xùn)練集精確率達(dá)到0.85，召回率達(dá)到0.83，測(cè)試集精確率達(dá)到 0.8，召回率達(dá)到0.79，驗(yàn)證集精確率達(dá)到 0.73，召回率達(dá)到0.81。模型優(yōu)化前后效果對(duì)比如圖4所示。

圖4 調(diào)優(yōu)前后模型效果對(duì)比

模型在2020年2季度～4季度各季度的驗(yàn)證數(shù)據(jù)如圖5所示，模型優(yōu)化后結(jié)果如表9所示。

圖5 模型逐月驗(yàn)證結(jié)果

表9 模型驗(yàn)證結(jié)果情況

通過(guò)優(yōu)化調(diào)整，模型在訓(xùn)練階段參數(shù)能夠迅速收斂，在訓(xùn)練集表現(xiàn)出優(yōu)秀的擬合能力，在驗(yàn)證集的精確率達(dá)到0.73，整體評(píng)價(jià)效果比較理想，能夠滿足電網(wǎng)業(yè)務(wù)實(shí)際需求。

3 結(jié)束語(yǔ)

文章主要基于電能表關(guān)鍵環(huán)節(jié)質(zhì)量數(shù)據(jù)，預(yù)測(cè)故障發(fā)生規(guī)律并構(gòu)建電能表質(zhì)量分析模型，研究智能電能表關(guān)鍵環(huán)節(jié)質(zhì)量分析方法，主要研究?jī)?nèi)容包含以下兩個(gè)方面：

(1)梳理電能表關(guān)鍵環(huán)節(jié)質(zhì)量相關(guān)數(shù)據(jù)，研究影響電能表質(zhì)量的關(guān)鍵環(huán)節(jié)數(shù)據(jù)和質(zhì)量影響特征提取方法，提取拆回電能表發(fā)生故障的規(guī)律特征，使用XGBoost算法模型學(xué)習(xí)拆回表中的規(guī)則，構(gòu)建故障預(yù)測(cè)模型；

(2)利用質(zhì)量分析模型對(duì)智能電能表質(zhì)量問(wèn)題開(kāi)展分析，并使用歷史數(shù)據(jù)建立模型，預(yù)測(cè)河南2020年4月份的故障數(shù)據(jù)，并在2020年5月初和實(shí)際拆回?cái)?shù)據(jù)進(jìn)行比對(duì)驗(yàn)證，根據(jù)驗(yàn)證結(jié)果優(yōu)化模型。使用交叉驗(yàn)證方法和網(wǎng)格搜索方法對(duì)模型進(jìn)行調(diào)優(yōu)，最終模型在驗(yàn)證集精確率達(dá)到 0.73，召回率達(dá)到0.81，能夠滿足電網(wǎng)業(yè)務(wù)實(shí)際需求。

文中提出了一種運(yùn)行中智能電能表質(zhì)量分析及預(yù)測(cè)方法研究的方法。該方法以電能表關(guān)鍵環(huán)節(jié)相關(guān)數(shù)據(jù)為基礎(chǔ)，選取電能表在研發(fā)設(shè)計(jì)、物料采購(gòu)、生產(chǎn)制造、驗(yàn)收檢測(cè)、安裝運(yùn)行、拆回報(bào)廢環(huán)節(jié)數(shù)據(jù)作為模型構(gòu)建的樣本數(shù)據(jù)，利用XGBoost算法分類方法建立智能電能表質(zhì)量分析模型。經(jīng)過(guò)實(shí)際驗(yàn)證，結(jié)果表明，該方法精確率達(dá)到0.73，能夠較為客觀地反應(yīng)智能電能表關(guān)鍵環(huán)節(jié)質(zhì)量情況。