基于关联规则算法的异常研判方法、模型构建方法及装置与流程

1.本技术涉及电力维护技术领域，具体涉及基于关联规则算法的异常研判方法、模型构建方法及装置。


背景技术：

2.研判即研究判断，电力系统中的异常研判指的是对电力数据进行研究判断进而确定其中的异常数据和异常情况。
3.目前关于电力系统中异常数据的研判方法是通过两个或两个以上的单一判据对异常进行关联判别，其异常研判的准确性低，导致了根据目前异常数据的研判方法所获取的用电数据异常情况的误报率高，进而增加了人工分析以及现场处理的工作量。


技术实现要素：

4.本技术实施例的目的在于提供一种基于关联规则算法的异常研判方法、模型构建方法及装置，以改善上述现有的异常研判的准确性低的技术问题。
5.为实现上述目的，本技术提供如下技术方案：第一方面，本技术实施例提供一种异常研判方法，所述方法包括：获取用电信息采集系统采集到的用电数据；其中，所述用电数据包括电能数据、事件信息、档案信息、业扩信息和设备评价信息中的至少一种；对所述用电数据进行归一化处理，并根据归一化处理结果确定归一化异常数据；根据所述归一化异常数据和异常研判模型确定用户用电信息的异常研判结果；其中，所述异常研判模型包括多个目标关联规则，每一所述目标关联规则包括第一异常类型和对应的第一异常原因。
6.在上述方案中，该异常研判方法通过获取用电信息采集系统采集到的用电数据，对所述用电数据进行归一化处理，并根据归一化处理结果确定归一化异常数据，进而根据所述归一化异常数据和异常研判模型确定用户用电信息的异常研判结果。由于上述异常研判模型包括多个目标关联规则，而每一目标关联规则包括第一异常类型和对应的第一异常原因，根据上述异常研判模型和上述归一化异常数据确定的异常研判结果具有更高的准确度，即采用本技术的异常研判方法可以降低异常研判的误报率，进而减少了人工分析以及现场处理的工作量。
7.可选的，在所述根据所述归一化异常数据和异常研判模型确定用户用电信息的异常研判结果之前，所述方法还包括：根据所述用电数据生成全量关系库；其中，所述全量关系库包括多种关联规则，每一所述关联规则包括异常类型和对应的异常原因，所述异常类型包括终端故障、通讯故障、电表故障和设备故障，所述异常原因包括装接质量、用户原因、系统原因和设备原因；根据关联规则算法和所述归一化异常数据确定所述全量关系库中满足预设条件的所述目标关联规则。
8.在上述方案中，可以通过关联规则算法对关联规则进行筛选，以确定上述全量关
系库中满足预设条件的所述目标关联规则，进而保证所确定的目标关联规则中所包括的第一异常类型和对应的第一异常原因之间的关联性，以进一步保证根据上述归一化异常数据和包括多个目标关联规则的异常研判模型所确定的异常研判结果的准确性。
9.可选的，所述根据关联规则算法和所述归一化异常数据确定所述全量关系库中满足预设条件的所述目标关联规则，包括：根据连接步和剪枝步确定所述全量关系库中满足预设支持度阈值条件的中间关联规则；将所述中间关联规则中满足预设置信度阈值条件的关联规则作为所述目标关联规则。
10.在上述方案中，可以通过预设支持度阈值条件和预设置信度阈值条件对全量关系库所包括的多种关联规则进行筛选，以确定满足预设条件的目标关联规则。
11.可选的，在所述对所述用电数据进行归一化处理，并根据归一化处理结果确定归一化异常数据之前，所述方法还包括：对所述用电数据进行预处理；其中，所述预处理包括数据清洗和数据转换中的至少一种。
12.在上述方案中，在对用电数据进行归一化处理之前，可以统一对该用电数据进行预处理，以保证进行归一化处理的数据的规范性，进而提高归一化处理结果的可靠性。
13.可选的，所述异常研判结果包括至少一个第二异常类型和对应的第二异常原因；在所述根据所述归一化异常数据和所述异常研判模型确定用户用电信息的异常研判结果之后，所述方法还包括：根据加权平均算法获取每一所述第二异常类型和对应的第二异常原因的加权平均结果；根据所述加权平均结果和预设加权平均阈值确定目标异常类型和对应的目标异常原因。
14.在上述方案中，采用加权平均算法对已获取的异常研判结果进行验证，通过比较预设加权平均阈值以及第二异常类型和对应的第二异常原因的加权平均结果，确定目标异常类型和对应的目标异常原因，进一步保证了所确定的目标异常类型和对应的目标异常原因的准确度。
15.可选的，在所述根据所述加权平均结果和预设加权平均阈值确定目标异常类型和对应的目标异常原因之后，所述方法还包括：根据所述目标异常类型和对应的所述目标异常原因确定异常处理建议；根据所述目标异常类型、对应的所述目标异常原因和所述异常处理建议生成维修工单，并向指定的维修终端发送所述维修工单。
16.在上述方案中，通过根据目标异常类型、对应的所述目标异常原因和上述异常处理建议生成维修工单，并向指定的维修终端发送该维修工单，使得维修终端的相应维护人员可以根据该维修工单对该异常进行维修，进而提高了解决异常事件的效率。
17.第二方面，本技术实施例提供一种异常研判模型构建方法，所述方法包括：获取用电信息采集系统采集的用电数据；其中，所述用电数据包括电能数据、事件信息、档案信息、业扩信息和设备评价信息中的至少一种；对所述用电数据进行归一化处理，并根据归一化处理结果确定归一化异常数据；根据所述用电数据生成全量关系库；其中，所述全量关系库包括多种关联规则，每一所述关联规则包括异常类型和异常原因；根据关联规则算法和所述归一化异常数据确定全量关系库中满足预设条件的目标关联规则；根据所述目标关联规则确定异常研判模型。
18.在上述方案中，该异常研判模型构建方法通过获取用电信息采集系统采集到的用电数据，对所述用电数据进行归一化处理，并根据归一化处理结果确定归一化异常数据；并
根据所述用电数据生成全量关系库，且该全量关系库包括多种关联规则，每一关联规则包括异常类型和异常原因；进而根据关联规则算法和上述归一化异常数据确定全量关系库中满足预设条件的目标关联规则，并根据所述目标关联规则确定异常研判模型，通过该构建方法所确定的异常研判模型实现对用户用电信息的异常研判。由于上述异常研判模型包括多个从关联规则中选取的目标关联规则，根据上述异常研判模型确定的异常研判结果具有更高的准确度，即采用本技术的异常研判模型构建方法所确定的异常研判模型进行异常研判可以降低异常研判的误报率，进而减少了人工分析以及现场处理的工作量。
19.第三方面，本技术实施例提供一种异常研判装置，所述装置包括：用电数据获取模块，所述用电数据获取模块用于获取用电信息采集系统采集到的用电数据；其中，所述用电数据包括电能数据、事件信息、档案信息、业扩信息和设备评价信息中的至少一种；异常数据确定模块，所述异常数据确定模块用于对所述用电数据进行归一化处理，并根据归一化处理结果确定归一化异常数据；异常研判结果确定模块，所述异常研判结果确定模块用于根据所述归一化异常数据和异常研判模型确定用户用电信息的异常研判结果；其中，所述异常研判模型包括多个目标关联规则，每一所述目标关联规则包括第一异常类型和对应的第一异常原因。
20.在上述方案中，该异常研判装置通过获取用电信息采集系统采集到的用电数据，对所述用电数据进行归一化处理，并根据归一化处理结果确定归一化异常数据，进而根据所述归一化异常数据和异常研判模型确定用户用电信息的异常研判结果。由于上述异常研判模型包括多个目标关联规则，而每一目标关联规则包括第一异常类型和对应的第一异常原因，根据上述异常研判模型和上述归一化异常数据确定的异常研判结果具有更高的准确度，即采用本技术的异常研判装置可以降低异常研判的误报率，进而减少了人工分析以及现场处理的工作量。
21.第四方面，本技术实施例提供一种电子设备，包括：存储器以及处理器，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器读取并运行时，执行第一方面任意一种可能的实现方式提供的方法。
22.第五方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器读取并运行时，执行第一方面任意一种可能的实现方式提供的方法。
23.本技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术实施例了解。本技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
24.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
25.图1为本技术实施例提供的一种异常研判方法的流程示意图；图2为本技术实施例提供的另一种异常研判方法的流程示意图；
图3为本技术实施例提供的一种异常研判模型构建方法的流程示意图；图4为本技术实施例提供的一种异常研判装置的结构示意图；图5为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
26.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
27.术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
28.术语“第一”、“第二”等仅用于将一个实体或者操作与另一个实体或操作区分开来，而不能理解为指示或暗示相对重要性，也不能理解为要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
29.针对现有技术中存在的不足，本技术实施例提供一种异常研判方法，用于改善上述现有的异常研判的准确性低的技术问题。
30.请参照图1，图1为本技术实施例提供的一种异常研判方法的流程示意图，该异常研判方法，包括：步骤101、获取用电信息采集系统采集到的用电数据；其中，所述用电数据包括电能数据、事件信息、档案信息、业扩信息和设备评价信息中的至少一种；步骤102、对所述用电数据进行归一化处理，并根据归一化处理结果确定归一化异常数据；步骤103、根据所述归一化异常数据和异常研判模型确定用户用电信息的异常研判结果；其中，所述异常研判模型包括多个目标关联规则，每一所述目标关联规则包括第一异常类型和对应的第一异常原因。
31.其中，在步骤101中，用电信息采集系统指的是电力用户用电信息采集系统，可以实现对电力用户的用电信息进行采集、处理和实时监控。其中，可实时获取用电信息采集系统采集到的用电数据，也可以获取一段时间内的用电信息采集系统采集到的用电数据，还可以每隔固定时间获取一次用电信息采集系统最近一次采集到的用电数据。其中，电能数据包括电压、电流以及功率等数据，事件信息包括开盖事件以及换表事件等信息，档案信息包括用户编号以及接线方式等信息，业扩信息包括用户新装流程、换表处理流程、停电故障处理流程以及增/减容处理流程等信息，设备评价信息包括设备厂商以及设备运行年限等信息。
32.其中，在步骤102中，归一化处理包括将非数字数据转化为数字数据，以及将数字数据映射到0
‑
1之间，再根据归一化处理结果中所包含数据的离散程度确定其中的归一化异常数据。将非数字数据转化为数字数据指的是将事件信息用数字进行表示，以换表事件为例，若发生换表事件即存在换表记录，则记为1，若未发生换表事件即不存在换表记录，则
记为0；以开盖事件为例，若发生开盖事件即存在开盖记录，则记为1，若未发生开盖事件即不存在开盖记录，则记为0。其中，可以根据对上述用电数据中的同一属性的数据进行归一化处理，表示归一化处理前的同一属性用电数据值，表示归一化处理后的同一属性用电数据值，表示同一属性用电数据中的最小值，表示同一属性用电数据中的最大值；同一属性用电数据指的是属于同一属性的用电数据，例如，不同采集位置采集到的电表运行年限数据、不同采集位置采集到的电压数据或者不同采集位置采集到的电流数据等。
33.其中，若获取到的是一段时间内的用电信息采集系统采集到的用电数据，可以根据用电数据的采集时间对归一化处理后所获取的归一化数据进行分类，将同一采集时间的归一化数据划分到同一时间类别，再根据同一时间类别的归一化数据的离散程度确定归一化异常数据。
34.其中，在步骤103中，可以根据归一化异常数据确定第一异常类型，再根据目标关联规则确定与第一异常类型对应的第一异常原因。其中，第一异常类型可以是终端故障、通讯故障、电表故障或设备故障等，第一异常原因可以是装接质量、用户原因、系统原因或设备原因等。目标关联规则可以是某一个第一异常类型以及和该第一异常类型对应的一个或多个第一异常原因，也可以是多个第一异常类型以及和多个第一异常类型对应的某一个第一异常原因，还可以是多个第一异常类型以及和多个第一异常类型对应的多个第一异常原因。例如，该目标关联规则可以是终端故障以及和终端故障对应的系统原因，可以是通讯故障以及和通讯故障对应的“用户原因和系统原因”，可以是“终端故障和电表故障”以及和“终端故障和电表故障”对应的用户原因，还可以是“电表故障和设备故障”以及和“电表故障和设备故障”对应的“系统原因和设备原因”等。
35.由上可知，本技术提供了一种异常研判方法，该异常研判方法通过获取用电信息采集系统采集到的用电数据，对所述用电数据进行归一化处理，并根据归一化处理结果确定归一化异常数据，进而根据所述归一化异常数据和异常研判模型确定用户用电信息的异常研判结果。由于上述异常研判模型包括多个目标关联规则，而每一目标关联规则包括第一异常类型和对应的第一异常原因，根据上述异常研判模型和上述归一化异常数据确定的异常研判结果具有更高的准确度，即采用本技术的异常研判方法可以降低异常研判的误报率，进而减少了人工分析以及现场处理的工作量。
36.请参考图2，图2为本技术实施例提供的另一种异常研判方法的流程示意图。
37.其中，步骤201的实现方式可参考上述异常研判方法实施例中步骤101的相应内容，步骤203的实现方式可参考上述异常研判方法实施例中步骤102的相应内容，步骤206的实现方式可参考上述异常研判方法实施例中步骤103的相应内容。
38.在一些可选的实施例中，在步骤206、根据所述归一化异常数据和异常研判模型确定用户用电信息的异常研判结果之前，所述方法还包括：步骤204、根据所述用电数据生成全量关系库；其中，所述全量关系库包括多种关联规则，每一所述关联规则包括异常类型和对应的异常原因，所述异常类型包括终端故障、通讯故障、电表故障和设备故障，所述异常原因包括装接质量、用户原因、系统原因和设备原因；步骤205、根据关联规则算法和所述归
一化异常数据确定所述全量关系库中满足预设条件的所述目标关联规则。
39.其中，在步骤204中，全量关系库指的是包括至少一个异常类型和至少一个异常原因的全部关联规则。以异常类型包括终端故障和通讯故障，且异常原因包括装接质量和用户原因为例，则全量关系库包括以下九种关联规则：终端故障以及装接质量、终端故障以及用户原因、终端故障以及“装接质量和用户原因”、通讯故障以及装接质量、通讯故障以及用户原因、通讯故障以及“装接质量和用户原因”、“终端故障和通讯故障”以及装接质量、“终端故障和通讯故障”以及用户原因、“终端故障和通讯故障”以及“装接质量和用户原因”。
40.其中，在步骤205中，该关联规则算法可以是apriori算法或eclat算法。
41.在一些可选的实施例中，步骤205、根据关联规则算法和所述归一化异常数据确定所述全量关系库中满足预设条件的所述目标关联规则，包括：根据连接步和剪枝步确定所述全量关系库中满足预设支持度阈值条件的中间关联规则；将所述中间关联规则中满足预设置信度阈值条件的关联规则作为所述目标关联规则。
42.其中，在步骤205中，可以选用关联规则算法中的apriori算法，则目标关联规则指的是，在全量关系库所包括的关联规则中，支持度满足预设支持度阈值条件且和置信度满足预设置信度阈值条件的规则。支持度指的是属于同一关联规则的数据在数据集中出现的次数占总数据集的比重，以关联规则“通讯故障以及用户原因”为例，则，其中，指的是通讯故障，指的是用户原因，指的是“通讯故障以及用户原因”同时出现的概率，指的是“通讯故障以及用户原因”这一关联规则的支持度，指的是“通讯故障以及用户原因”同时出现的次数，指的是总数据集的数量。置信度指的是同一关联规则中，一数据出现时，另一数据出现的概率。以关联规则“通讯故障以及用户原因”为例，则，其中，指的是通讯故障，指的是用户原因，指的是对的置信度，即用户原因这一前提条件下，出现通讯故障的概率，指的是出现的前提下，出现的概率，指的是和同时出现的概率，指的是出现的概率。其中，预设支持度阈值条件可以是0.3或0.4或其他合理数值，预设置信度阈值条件可以是0.8或0.85或其他合理数值，本技术对此不作具体限定。
43.在一些可选的实施例中，在步骤203、对所述用电数据进行归一化处理，并根据归一化处理结果确定归一化异常数据之前，所述方法还包括：步骤202、对所述用电数据进行预处理；其中，所述预处理包括数据清洗和数据转换中的至少一种。
44.其中，在步骤202中，数据清洗指的是去除用电数据中的空数据或者明显错误的数据。数据转换指的是将非数字数据转化为数字数据，以换表事件为例，若发生换表事件即存在换表记录，则记为1，若未发生换表事件即不存在换表记录，则记为0；以开盖事件为例，若发生开盖事件即存在开盖记录，则记为1，若未发生开盖事件即不存在开盖记录，则记为0。其中，可以在步骤203中进行归一化处理的过程中，对需要清洗或转换的数据进行数据清洗或数据转换，也可以在进行归一化处理之前，对用电数据统一进行数据预处理。
45.在一些可选的实施例中，所述异常研判结果包括至少一个第二异常类型和对应的第二异常原因；在步骤206、根据所述归一化异常数据和所述异常研判模型确定用户用电信息的异常研判结果之后，所述方法还包括：步骤207、根据加权平均算法获取每一所述第二异常类型和对应的第二异常原因的加权平均结果；根据所述加权平均结果和预设加权平均阈值确定目标异常类型和对应的目标异常原因。
46.其中，在步骤207中，预设加权平均阈值可以是0.85或0.9或其他合理数值，本技术对此不作具体限定。假设“终端故障和电表故障”以及设备原因这一关联规则为目标关联规则，即第二异常类型和对应的第二异常原因为“终端故障和电表故障”以及设备原因，并以“终端故障和电表故障”以及设备原因为例，对加权平均计算过程进行说明：根据获取到的用电数据，若终端通讯不通，则代表终端故障，且a4对于的终端通讯不通，则终端故障记为1；若a1、a2、a3以及a4四个点的电表冻结数据分别为a1=1000、a2=1500、a3=2000且a4=10000，根据对a1、a2、a3以及a4四个点的电表冻结数据进行归一化处理，得到归一化处理后的a1*=0、a2*=0.056、a3*=0.111以及a4*=1，则根据该四个点的电表冻结数据的离散程度可以确定a4对应的电表故障，记为1；根据预先制定的年度供应商质量批次评价表对设备原因进行分析，假设a厂商评价95分，b厂商85分，c厂商50分，a4设备对应厂商60分，归一化处理得：a厂商=0，b厂商=0.222，c厂商=1，a4设备厂商=0.778；则求得加权平均结果为：。该加权平均结果越接近1，则表明异常研判结果即第二异常类型和对应的第二异常原因的准确度越高。将加权平均结果大于预设加权平均阈值的第二异常类型和对应的第二异常原因确定为目标异常类型和对应的目标异常原因，可以进一步提高所确定的目标异常类型和对应的目标异常原因的准确度。
47.其中，全量关系库中的关联规则除异常类型和异常原因之外，还可以客观影响因素，例如，气候因素、政策因素以及设备运行年限等。以“终端故障和电表故障”以及设备原因和设备运行年限为目标关联规则为例，其中，终端故障=1、电表故障=1且设备原因=0.778；若设备运行总年限应该是10年，今年是设备运行的第8年，则设备运行年限=0.8。则求得加权平均结果为：。
48.在一些可选的实施例中，在所述根据所述加权平均结果和预设加权平均阈值确定目标异常类型和对应的目标异常原因之后，所述方法还包括：步骤208、根据所述目标异常类型和对应的所述目标异常原因确定异常处理建议；根据所述目标异常类型、对应的所述目标异常原因和所述异常处理建议生成维修工单，并向指定的维修终端发送所述维修工单。
49.其中，在步骤208中，可以根据上述目标异常类型和对应的所述目标异常原因确定异常处理建议，也可以是全量关系库还包括异常处理建议，则关联规则可以包括异常类型、异常原因、客观影响因素以及异常处理建议，所确定的目标关联规则也包括异常类型、异常原因、客观影响因素以及异常处理建议，根据归一化异常数据和异常研判模型所确定用户用电信息的异常研判结果也可以包括异常类型、异常原因、客观影响因素以及异常处理建议，进而可以根据异常研判结果生成维修工单，并向指定的维修终端发送该维修工单。
50.请参照图3，图3为本技术实施例提供的一种异常研判模型构建方法的流程示意图，该异常研判模型构建方法，包括：
步骤301、获取用电信息采集系统采集的用电数据；其中，所述用电数据包括电能数据、事件信息、档案信息、业扩信息和设备评价信息中的至少一种；步骤302、对所述用电数据进行归一化处理，并根据归一化处理结果确定归一化异常数据；步骤303、根据所述用电数据生成全量关系库；其中，所述全量关系库包括多种关联规则，每一所述关联规则包括异常类型和异常原因；步骤304、根据关联规则算法和所述归一化异常数据确定全量关系库中满足预设条件的目标关联规则；步骤305、根据所述目标关联规则确定异常研判模型。
51.在一些可选的实施例中，步骤304、根据关联规则算法和所述归一化异常数据确定全量关系库中满足预设条件的所述目标关联规则，包括：根据连接步和剪枝步确定所述全量关系库中满足预设支持度阈值条件的中间关联规则；将所述中间关联规则中满足预设置信度阈值条件的关联规则作为所述目标关联规则。
52.在一些可选的实施例中，在步骤302、对所述用电数据进行归一化处理，并根据归一化处理结果确定归一化异常数据之前，所述方法还包括：对所述用电数据进行预处理；其中，所述预处理包括数据清洗和数据转换中的至少一种。
53.本技术实施例提供的异常研判模型构建方法，其实现原理及产生的技术效果在前述方法实施例中已经介绍，为简要描述，异常研判模型构建方法实施例部分未提及之处，可参考异常研判方法实施例中相应内容。
54.请参照图4，图4为本技术实施例提供的一种异常研判装置的结构示意图，该异常研判装置，包括：用电数据获取模块401，该用电数据获取模块401用于获取用电信息采集系统采集到的用电数据；其中，所述用电数据包括电能数据、事件信息、档案信息、业扩信息和设备评价信息中的至少一种；异常数据确定模块402，该异常数据确定模块402用于对所述用电数据进行归一化处理，并根据归一化处理结果确定归一化异常数据；异常研判结果确定模块403，该异常研判结果确定模块403用于根据所述归一化异常数据和异常研判模型确定用户用电信息的异常研判结果；其中，所述异常研判模型包括多个目标关联规则，每一所述目标关联规则包括第一异常类型和对应的第一异常原因。
55.在一些可选的实施例中，所述装置还包括：全量关系库生成模块，所述全量关系库生成模块用于根据所述用电数据生成全量关系库；其中，所述全量关系库包括多种关联规则，每一所述关联规则包括异常类型和对应的异常原因，所述异常类型包括终端故障、通讯故障、电表故障和设备故障，所述异常原因包括装接质量、用户原因、系统原因和设备原因；目标关联规则确定模块，所述目标关联规则确定模块用于根据关联规则算法和所述归一化异常数据确定所述全量关系库中满足预设条件的所述目标关联规则。
56.在一些可选的实施例中，上述目标关联规则确定模块，具体用于：根据连接步和剪枝步确定所述全量关系库中满足预设支持度阈值条件的中间关联规则；将所述中间关联规则中满足预设置信度阈值条件的关联规则作为所述目标关联规则。
57.在一些可选的实施例中，所述装置还包括：预处理模块，所述预处理模块用于对所
述用电数据进行预处理；其中，所述预处理包括数据清洗和数据转换中的至少一种。
58.在一些可选的实施例中，所述装置还包括：加权平均结果获取模块，所述加权平均结果获取模块用于根据加权平均算法获取每一第二异常类型和对应的第二异常原因的加权平均结果；其中，所述异常研判结果包括至少一个所述第二异常类型和对应的第二异常原因；目标异常确定模块，所述目标异常确定模块用于根据所述加权平均结果和预设加权平均阈值确定目标异常类型和对应的目标异常原因。
59.在一些可选的实施例中，所述装置还包括：异常处理建议确定模块，所述异常处理建议确定模块用于根据所述目标异常类型和对应的所述目标异常原因确定异常处理建议；维修工单生成模块，所述维修工单生成模块用于根据所述目标异常类型、对应的所述目标异常原因和所述异常处理建议生成维修工单，并向指定的维修终端发送所述维修工单。
60.本技术实施例提供的异常研判装置，其实现原理及产生的技术效果在前述异常研判方法实施例中已经介绍，为简要描述，异常研判装置实施例部分未提及之处，可参考异常研判方法实施例中相应内容。
61.图5为本技术实施例提供的一种电子设备的结构示意图。参照图5，电子设备5包括：处理器501、存储器502，这些组件通过通信总线503和/或其他形式的连接机构（未示出）互连并相互通讯。
62.其中，存储器502包括一个或多个（图中仅示出一个），其可以是，但不限于，随机存取存储器（random access memory，简称ram），只读存储器（read only memory，简称rom），可编程只读存储器（programmable read
‑
only memory，简称prom），可擦除可编程只读存储器（erasable programmable read
‑
only memory，简称eprom），电可擦除可编程只读存储器（electric erasable programmable read
‑
only memory，简称eeprom）等。处理器501以及其他可能的组件可对存储器502进行访问，读和/或写其中的数据。
63.处理器501包括一个或多个（图中仅示出一个），其可以是一种集成电路芯片，具有信号的处理能力。上述的处理器501可以是通用处理器，包括中央处理器（central processing unit，简称cpu）、微控制单元（micro controller unit，简称mcu）、网络处理器（network processor，简称np）或者其他常规处理器；还可以是专用处理器，包括神经网络处理器（neural
‑
network processing unit，简称npu）、图形处理器（graphics processing unit，简称gpu）、数字信号处理器（digital signal processor，简称dsp）、专用集成电路（application specific integrated circuits，简称asic）、现场可编程门阵列（field programmable gate array，简称fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。并且，在处理器501为多个时，其中的一部分可以是通用处理器，另一部分可以是专用处理器。
64.在存储器502中可以存储一个或多个计算机程序指令，处理器501可以读取并运行这些计算机程序指令，以实现本技术实施例提供的一种异常研判方法。
65.可以理解的，图5所示的结构仅为示意，电子设备5还可以包括比图5中所示更多或者更少的组件，或者具有与图5所示不同的结构。图5中所示的各组件可以采用硬件、软件或其组合实现。电子设备5可能是实体设备，例如pc机、笔记本电脑、平板电脑、手机、服务器、嵌入式设备等，也可能是虚拟设备，例如虚拟机、虚拟化容器等。并且，电子设备5也不限于单台设备，也可以是多台设备的组合或者大量设备构成的集群。
66.本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被计算机的处理器读取并运行时，执行本技术实施例提供的异常研判方法。例如，计算机可读存储介质可以实现为图5中电子设备5中的存储器502。
67.在本技术所提供的实施例中，应该理解到，所揭露装置以及系统，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
68.另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
69.再者，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
70.以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。