一种基于鱼骨分析法的电力计量数据异常原因分析模型构建方法与流程

本发明属于数据管理技术领域，涉及一种基于鱼骨分析法的电力计量数据异常原因分析模型构建方法。

背景技术：

在电力计量的运维工作中，因为涉及专业多，数据间的相互关系复杂程度高，对于具体数据异常原因的诊断显得尤为困难，且数据异常的影响范围广，为此需要实现数据异常原因的快速诊断，急需一套异常原因分析模型。

技术实现要素：

有鉴于此，本发明的目的是提供一种基于鱼骨分析法的电力计量数据异常原因分析模型构建方法。用于实现电力计量运维工作中的数据异常原因的诊断。

本发明的目的是通过以下技术方案实现的：

该种基于鱼骨分析法的电力计量数据异常原因分析模型构建方法，包括以下步骤：

步骤s1：从从电力计量运维工作和数据质量两个方面入手，分析梳理数据异常原因；

步骤s2；梳理节点判定条件；

步骤s3：采用鱼骨分析法，进行原因优先级设计；

步骤s4：构建辅助运维决策建议库。

特别地，所述步骤s1中，数据异常原因的梳理步骤包括：

步骤s11：梳理异常数据大项；

步骤s12：基于数据异常大项梳理数据异常检查项；

步骤s13：基于数据异常检查项梳理数据异常原因明细。

特别地，所述步骤s2具体为：遍历异常数据大项、异常检查项、异常原因明细，借助运维排查、数据管理等不同的判定条件，寻找异常判定的数据特征与诊断判据，按照特征值判定的优先级与判定数据获取的难以程度将特征值进行排序，设计每个节点的判定条件。

特别地，所述步骤s2中，异常原因分析鱼骨节点判定条件的算法流程为：

步骤s21：通过历史数据分析，结合打分修正，获得各个节点属性的取值分布；

步骤s22：给出节点分析判定的置信度取值α；

步骤s23：对应下一级的异常原因项，根据历史数据，判断在给定的取值分布下，异常原因实际发生的概率是否满足执行度要求，并根据比较结果调整取值分布范围，最终确定节点的判定条件。

特别地，所述步骤s3具体为：

步骤s31：基于数据异常原因，鱼骨设计异常原因重要性优先级量表；

步骤s32：通过运维专家对量表打分；

步骤s33：利用ahp分析打分结果，获得异常原因重要性结果。

特别地，所述步骤s4具体为：遍历数据异常原因明细，借助运维排查与营销工单处理的历史记录与专家经验，构建异常原因明细与运维建议的关联关系，根据具体异常数据的不同数据特征，匹配不同类型的运维建议，最终构建辅助运维决策建议库。

步骤s24：重复s21-s23，直至完成所有节点判定条件的设计。

特别地，所述步骤s33中，异常原因分析模型原因重要性通过以下步骤得到：

步骤s331：将电量计量数据异常原因分析鱼骨图转化为ahp层次结构模型图；

步骤s332：基于ahp层次结构，设计异常原因重要性优先级量表，由相关专家进行打分；

步骤s333：筛选评分结果中分歧较大的异常原因明细，并重新打分；直至所有异常原因重要度都确定；

步骤s334：计算异常原因明细的相对重要度。

步骤s335:利用matlab计算软件求解判断矩阵的最大特征根λmax，检验判断矩阵的一致性；

步骤s336：基于计算结果，汇总建立电力计量数据异常原因分析模型所以异常原因明细项的重要性优先级体系。

特别地，所述步骤s334包括以下具体步骤：

步骤s3341：构建成对比较矩阵，将各异常检查项下对应的异常原因明细的重要度进行两两比较。记某一原因检查项对应的任意两个异常原因明细为ai和aj，构建过程中需遵循规则如下：

规则一：当i＝j时，aij＝aji＝aii＝ajj＝1

规则二：当i≠j时，

若ai<aj，则aij＝1/(aj-ai)，aji＝aj-ai；

若ai＝aj，则aij＝aji＝1；

若ai>aj，则aij＝ai-aj，aji＝1/(ai-aj)；

步骤s3342：采用和法计算异常原因明细相对重要度，具体步骤如下：

(1)：将成对比较矩阵a＝(aij)n×n的每一列向量的归一化得：j＝1，2，…，n；

(2)：对按行求和得i＝1，2，…，n；

(3)：对归一化，即得特征向量：w＝[w1,w2,...,wn]^t；

本发明的有益效果是：异常原因分析鱼骨图是基于运维与异常工单处理的历史数据与历史记录，对数据异常与异常原因间的层级关系与内在逻辑进行梳理的结果。本发明基于鱼骨分析结果，通过节点判定条件梳理与异常原因明细项重要性优先级的比较，支持对电力计量数据异常原因的快速准确分析，辅助运维人员根据异常原因影响程度高低进行异常运维决策与进一步的工单派发。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和前述的权利要求书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为本发明的方法流程示意图。

具体实施方式

以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

如图1所示，本发明的基于鱼骨分析法的电力计量数据异常原因分析模型构建方法，包括以下步骤：

步骤s1：梳理数据异常原因，绘制数据异常原因分析鱼骨

数据异常原因的梳理从电力计量运维工作和数据质量两个方面入手，综合考虑异常原因分析的系统性、科学性和关联性原则，结合数据异常的层级关系、数据体检等梳理数据异常原因；

数据异常原因梳理步骤包括：

步骤s11：梳理异常数据大项；

步骤s12：基于数据异常大项梳理数据异常检查项；

步骤s13：基于数据异常检查项梳理数据异常原因明细。

以表码异常数据大项为例，梳理可得数据异常检查项包括表码缺失、获取异常、表码事件、发生告警，表码缺失异常检查项进一步梳理可以获得对应的数据异常原因明细，包括抄表任务缺失、关联终端离线、终端和电表时钟超差。

步骤s2:梳理节点判定条件

遍历异常数据大项、异常检查项、异常原因明细，借助运维排查、数据管理等不同的判定条件，寻找异常判定的数据特征与诊断判据，按照特征值判定的优先级与判定数据获取的难以程度将特征值进行排序，设计每个节点的判定条件。

其中，所述异常原因分析鱼骨节点判定条件的算法流程为：

步骤s21：通过历史数据分析，结合专家打分修正，获得各个节点属性的取值分布。

步骤s22：给出节点分析判定的置信度取值α。

步骤s23：对应下一级的异常原因项，根据历史数据，判断在专家给定的取值分布下，异常原因实际发生的概率是否满足执行度要求，并根据比较结果调整取值分布范围，最终确定节点的判定条件。

步骤s24：重复上述三个步骤，直至完成所有节点判定条件的设计。

基于1中表码异常数据大项的实例，抄表任务缺失细项对应的条件为“表码标识&&{时间段：匹配时间}捕获抄表任务事件”；关联终端离线细项对应的条件为“表码标识&&{时间段：匹配时间}捕获关联终端离线任务事件”；终端和电表时钟超差细项对应的条件为“表码标识&&{时间段：匹配时间}捕获终端和电表时钟超差事件”。

步骤s3:原因优先级设计

步骤s31：基于数据异常原因鱼骨设计异常原因重要性优先级量表；

步骤s32：邀请运维专家对量表打分；

步骤s33：利用ahp分析打分结果，获得异常原因重要性结果。

其中，所述异常原因分析模型原因重要性的算法流程为：

步骤s331：将电量计量数据异常原因分析鱼骨图转化为ahp层次结构模型图

步骤s332：基于ahp层次结构，设计异常原因重要性优先级量表，交由运维、业务领域的相关专家进行打分。

步骤s333：筛选评分结果中分歧较大的异常原因明细，并重新打分(可以组织本领域的专家进行讨论后打分)。重复步骤三，直到所有异常原因重要性都确定。

步骤s334：计算异常原因明细的相对重要度，

步骤s335：利用matlab计算软件求解判断矩阵的最大特征根，检验判断矩阵的一致性；

步骤s336：基于计算结果，汇总建立电力计量数据异常原因分析模型所以异常原因明细项的重要性优先级体系。

其中，步骤s334中计算异常原因明细的相对重要度的具体流程如下：

步骤s3341：构建成对比较矩阵，将各异常检查项下对应的异常原因明细的重要度进行两两比较。记某一原因检查项对应的任意两个异常原因明细为ai和aj，构建过程中需遵循规则如下：

规则一：当i＝j时，aij＝aji＝aii＝ajj＝1

规则二：当i≠j时，

若ai<aj，则aij＝1/(aj-ai)，aji＝aj-ai；

若ai＝aj，则aij＝aji＝1；

若ai>aj，则aij＝ai-aj，aji＝1/(ai-aj)。

步骤s3342：采用和法计算异常原因明细相对重要度，具体步骤如下：

(1)：将成对比较矩阵a＝(aij)n×n的每一列向量的归一化得：，j＝1，2，…，n；

(2)：对按行求和得i＝1，2，…，n；

(3)：对归一化，即得特征向量：w＝[w1,w2,...,wn]^t。

实例中，表码异常数据大项下，各数据异常检查项对应的重要性优先级如下：

表码事件为0.287，发生告警为0.2413，表码缺失为0.3176，获取异常为0.1542；

表码缺失异常检查项下对应的各异常原因细项的重要性优先级如下：

抄表任务缺失为0.1567，关联终端离线为0.0987，终端和电表时钟超差为0.0622。

步骤s4：构建辅助运维决策建议库

遍历数据异常原因明细，借助运维排查与营销工单处理的历史记录与专家经验，构建异常原因明细与运维建议的关联关系，根据具体异常数据的不同数据特征，匹配不同类型的运维建议，最终构建辅助运维决策建议库。

实例中，表码缺失异常检查项下，对应的异常原因细项包括抄表任务缺失、关联终端离线、终端和电表时钟超差三个异常原因细项，根据异常原因的特性，关联运维排查项、现场排查工单等运维决策辅助建议。

本发明所述的ahp(analytichierarchyprocess)层次分析法是美国运筹学家t.l.saaty教授于二十世纪70年代提出的一种实用的多方案或多目标的决策方法，是一种定性与定量相结合的决策分析方法。常被运用于多目标、多准则、多要素、多层次的非结构化的复杂决策问题，特别是战略决策问题，具有十分广泛的实用性。

本发明在流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。