基于隨機(jī)森林算法的智能電表故障診斷及壽命預(yù)測(cè)模型設(shè)計(jì)

車 玲，黃勇華，姜林林，車恩羽

（1. 南通職業(yè)大學(xué) 電子信息工程學(xué)院， 江蘇 南通 226007； 2. 西南大學(xué) 計(jì)算機(jī)與信息科學(xué)學(xué)院， 重慶 400715）

智能電表是一種利用數(shù)字技術(shù)、網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)多種費(fèi)率雙向計(jì)量、多種數(shù)據(jù)雙向通信、用戶端控制、防竊電等智能化功能的新型數(shù)字電度表[1]。智能電表是智能電網(wǎng)（尤其是智能配電網(wǎng)）數(shù)據(jù)采集的主要設(shè)備之一，對(duì)于提高電力系統(tǒng)的運(yùn)行效率、優(yōu)化電力資源配置、實(shí)現(xiàn)用電側(cè)管理等具有重要意義。由于智能電表的元器件構(gòu)成復(fù)雜且類型多樣，運(yùn)行過程中難免產(chǎn)生損壞和各種故障[2]，如外觀故障、時(shí)鐘單元故障、計(jì)量性能故障等。這些故障會(huì)影響電表的計(jì)量準(zhǔn)確性、通信可靠性、使用安全性等，給電力系統(tǒng)帶來安全風(fēng)險(xiǎn)和經(jīng)濟(jì)損失。因此，及時(shí)發(fā)現(xiàn)并處理智能電表故障，延長其使用壽命，是保證智能電網(wǎng)正常運(yùn)行的一項(xiàng)重要任務(wù)。本文擬針對(duì)智能電表存在數(shù)據(jù)采集量大、故障數(shù)據(jù)種類繁多等問題，構(gòu)建智能電表故障診斷及壽命預(yù)測(cè)模型，以期實(shí)現(xiàn)智能電表的故障預(yù)測(cè)和及時(shí)處理，確保智能電表的安全可靠運(yùn)行。

1 隨機(jī)森林（RF）算法

目前，對(duì)于智能電表的故障診斷和壽命預(yù)測(cè)，主要采用基于規(guī)則或機(jī)理的方法[3]。這些方法需要依賴專家知識(shí)或者物理模型，往往缺乏通用性和適應(yīng)性，無法有效處理復(fù)雜的非線性關(guān)系和多因素耦合問題。而且，這些方法往往只能在故障發(fā)生后進(jìn)行診斷，無法提前預(yù)測(cè)故障發(fā)生的可能性和時(shí)間。為克服上述方法的局限性，提出一種基于隨機(jī)森林（Random Forest，RF）算法的智能電表故障診斷及壽命預(yù)測(cè)模型。隨機(jī)森林（RF）是一種集成學(xué)習(xí)方法，可通過構(gòu)建多個(gè)決策樹并進(jìn)行投票或取平均值來提高預(yù)測(cè)性能[4]。

1.1 隨機(jī)森林（RF）算法框架結(jié)構(gòu)

隨機(jī)森林（RF）算法是集成算法的一個(gè)子集，利用隨機(jī)方法構(gòu)建具有多棵決策樹的森林，并根據(jù)決策樹的投票選擇決定最終分類結(jié)果。隨機(jī)森林算法采用有放回的采樣，即每棵樹從訓(xùn)練集中選取固定數(shù)量的樣本，選取后再放回到原始訓(xùn)練集中。圖1 為隨機(jī)森林算法建立的決策樹框架結(jié)構(gòu)。

圖1 隨機(jī)森林算法框架結(jié)構(gòu)

隨機(jī)森林（RF）算法的構(gòu)建步驟如下：

1）從原始訓(xùn)練樣本集隨機(jī)抽取n 個(gè)相互獨(dú)立的訓(xùn)練樣本，作為每棵決策樹的根節(jié)點(diǎn)樣本。

2）使用生成的n 個(gè)測(cè)試樣本，構(gòu)建n 棵決策樹，并從M 個(gè)特征屬性中隨機(jī)抽取K 個(gè)特征屬性，從中選擇一個(gè)最合適的特征屬性作為分裂節(jié)點(diǎn)。構(gòu)建的決策樹不進(jìn)行剪枝，保證其完整生長。

3）建立隨機(jī)森林后，利用測(cè)試樣本進(jìn)入每一棵決策樹，進(jìn)行類型輸出和回歸輸出，并以投票方式輸出最終類別。

隨機(jī)森林（RF）算法具有以下優(yōu)點(diǎn)：

1）可處理高維度、非線性、非平衡數(shù)據(jù)；

2）可同時(shí)進(jìn)行分類和回歸分析；

3）可評(píng)估各特征的重要性；

4）可抵抗噪聲和過擬合。

1.2 智能電表故障與壽命預(yù)測(cè)模型設(shè)計(jì)

根據(jù)大數(shù)據(jù)分析理論，對(duì)某智能電表的海量累積數(shù)據(jù)進(jìn)行挖掘分析，并從中提取與故障和壽命相關(guān)的特征變量，提出一種基于隨機(jī)森林（RF）算法的智能電表故障及壽命預(yù)測(cè)模型。首先，收集和整理電表的特征數(shù)據(jù)，如用電功率、用電質(zhì)量、用電計(jì)費(fèi)等特征，以及電表的故障標(biāo)簽，如正常、異常、損壞等類別；其次，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，如處理缺失值、異常值、噪音等問題，以及進(jìn)行特征選擇、特征編碼、特征歸一化等操作，使數(shù)據(jù)符合隨機(jī)森林算法的輸入要求；再次，將數(shù)據(jù)集中85 %的數(shù)據(jù)作為訓(xùn)練樣本，訓(xùn)練隨機(jī)森林分類器和回歸器；最后利用數(shù)據(jù)集中15 %的數(shù)據(jù)作為測(cè)試數(shù)據(jù)，評(píng)估分類器和回歸器性能。預(yù)測(cè)流程如圖2 所示。

圖2 智能電表故障及壽命預(yù)測(cè)流程

對(duì)某地級(jí)市供電公司提供的真實(shí)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證，并與支持向量機(jī)回歸、線性回歸等幾種常用回歸模型的預(yù)測(cè)結(jié)果進(jìn)行橫向比較，驗(yàn)證模型預(yù)測(cè)的準(zhǔn)確度和信用度。

2 預(yù)測(cè)模型構(gòu)建

2.1 數(shù)據(jù)來源與處理

使用某地級(jí)市供電公司提供的真實(shí)數(shù)據(jù)進(jìn)行模型構(gòu)建與驗(yàn)證，所研究的智能電表用戶包括工業(yè)和大型商業(yè)用戶，約20 萬。每個(gè)用戶對(duì)應(yīng)一個(gè)唯一編號(hào)，有相應(yīng)的計(jì)費(fèi)信息和轉(zhuǎn)賬信息，還有一個(gè)或多個(gè)智能電表編號(hào)，并有相應(yīng)的實(shí)時(shí)功率數(shù)據(jù)和質(zhì)量字節(jié)數(shù)據(jù)。

實(shí)時(shí)功率數(shù)據(jù)是指每15 分鐘記錄一次用戶用電功率（kW），每天共96 條記錄。計(jì)費(fèi)數(shù)據(jù)是指每月記錄一次用戶用電量值（kW·h），每年共12條記錄。轉(zhuǎn)賬信息是指每次用戶繳納電費(fèi)時(shí)記錄其使用的銀行賬戶信息。質(zhì)量字節(jié)數(shù)據(jù)是指每15分鐘記錄一次用戶用電質(zhì)量信息（8 位二進(jìn)制數(shù)），每天共96 條記錄。每個(gè)二進(jìn)制位代表一個(gè)警報(bào)類型。表1 顯示用戶用電質(zhì)量信息及其含義。

表1 用戶用電質(zhì)量信息含義

選取2017 年1 月至2019 年12 月共36 個(gè)月內(nèi)發(fā)生過至少一次故障檢修事件的用戶作為研究對(duì)象。如圖3 所示，根據(jù)檢修事件記錄，智能電表故障類型中時(shí)鐘單元故障、計(jì)量性能故障和外觀故障占比較大。因此，將發(fā)生過這三類故障之一的用戶標(biāo)記為異常用戶。

圖3 智能電表故障類型及占比

為保證數(shù)據(jù)完整性和有效性，在進(jìn)行模型構(gòu)建前，對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理。

1）刪除缺失值超過10 %或異常值超過5 %的用戶數(shù)據(jù)；

2）刪除用電功率為0 或質(zhì)量字節(jié)值全為0的無效記錄；

3）對(duì)于連續(xù)變量（如用電功率），采用均值填充法補(bǔ)全缺失值；

4）對(duì)于離散變量（如質(zhì)量字節(jié)），采用眾數(shù)填充法補(bǔ)全缺失值；

5）對(duì)于異常值（如用電功率值超過正常范圍），采用中位數(shù)替換法處理；

6）對(duì)于分類變量（如銀行賬戶信息），采用獨(dú)熱編碼法轉(zhuǎn)換為數(shù)值變量；

7）對(duì)于數(shù)值變量（如用電功率），采用標(biāo)準(zhǔn)化法轉(zhuǎn)換為標(biāo)準(zhǔn)正態(tài)分布。

預(yù)處理后的數(shù)據(jù)，可進(jìn)行有效的特征提取，減少無效數(shù)據(jù)特征占比，提高數(shù)據(jù)應(yīng)用的準(zhǔn)確度。

2.2 特征提取與選擇

建立智能電表的故障預(yù)測(cè)及壽命預(yù)測(cè)模型，需要從原始數(shù)據(jù)中提取出與故障和壽命相關(guān)的特征變量，包括用電功率、用電質(zhì)量、用電計(jì)費(fèi)、用戶編號(hào)、智能電表編號(hào)、轉(zhuǎn)賬信息等特征。為減少特征維度，提高模型效率，采用隨機(jī)森林（RF）算法對(duì)所有特征進(jìn)行重要性評(píng)估。其主要思想是，觀察各特征在隨機(jī)森林樹中所做貢獻(xiàn)，取平均值，再比較各特征的貢獻(xiàn)度。

根據(jù)隨機(jī)森林算法，依據(jù)下列原則判斷特征的重要性。

1）特征與目標(biāo)變量的相關(guān)性越高，特征的重要性越高。例如，如果目標(biāo)是預(yù)測(cè)電表的壽命，那么用電量、用電功率等特征比用電質(zhì)量更重要。

2）特征在隨機(jī)森林中每棵樹上所做貢獻(xiàn)越大，特征的重要性越高。

3）特征的取值范圍和變化程度越大，特征的重要性越高。例如，如果一個(gè)特征的取值范圍很小，或者取值分布很不均勻，那么這個(gè)特征可能比其他特征更易被忽略或更易受噪聲影響。

依據(jù)以上原則和特征重要性，從用電功率、用電質(zhì)量、用電計(jì)費(fèi)等三方面進(jìn)行數(shù)據(jù)特征提取，共提取特征值k=14 個(gè)，具體如下：

1）用電功率特征：用電功率反映了用戶的用電行為和負(fù)荷變化，與電表的損耗和老化有關(guān)。從用電功率數(shù)據(jù)中提取平均功率、最大功率、功率標(biāo)準(zhǔn)差等特征，如表2 所示。

表2 提取的用電功率特征

2）用電質(zhì)量特征：用電質(zhì)量反映了用戶的用電環(huán)境和電網(wǎng)狀態(tài)，與電表的穩(wěn)定性和可靠性有關(guān)。從質(zhì)量字節(jié)數(shù)據(jù)中提取質(zhì)量字節(jié)頻率、字節(jié)比例等特征，如表3 所示。

表3 提取的用電質(zhì)量特征

3）用電計(jì)費(fèi)特征：用電計(jì)費(fèi)反映了用戶的用電規(guī)模和消費(fèi)水平，與電表的使用強(qiáng)度和壽命有關(guān)。從計(jì)費(fèi)數(shù)據(jù)中提取平均用電量、最大用電量等特征，如表4 所示。

表4 提取的用電計(jì)費(fèi)特征

3 實(shí)驗(yàn)結(jié)果與分析

3.1 故障預(yù)測(cè)結(jié)果

采用同一訓(xùn)練集和測(cè)試集，將RF 算法與其他常見分類算法，包括決策樹（decision tree，DT）、邏輯回歸（logistic regression，LR）、樸素貝葉斯（naive Bayes，NB）、K 近鄰（K-nearest neighbor，KNN）及支持向量機(jī)（support vector machine，SVM）等算法進(jìn)行比較。

交叉驗(yàn)證法是模型進(jìn)行訓(xùn)練和驗(yàn)證較為有效的方法之一。利用交叉驗(yàn)證法，將數(shù)據(jù)集劃分為5個(gè)子集，包括4 個(gè)訓(xùn)練集和1 個(gè)測(cè)試集。然后，依次對(duì)訓(xùn)練集和測(cè)試集進(jìn)行5 次輪換訓(xùn)練和測(cè)試。最后，將5 次測(cè)試結(jié)果進(jìn)行平均，得到最終評(píng)估指標(biāo)。

采用的評(píng)估指標(biāo)分為故障預(yù)測(cè)指標(biāo)和壽命預(yù)測(cè)指標(biāo)。故障預(yù)測(cè)指標(biāo)包括召回率（recall）、準(zhǔn)確率（accuracy）、F1（F1-score）、精確率（precision）；壽命預(yù)測(cè)指標(biāo)包括均方誤差（mean squared error，MSE）、均方根誤差（root mean squared error，RMSE）及平均絕對(duì)誤差（mean absolute error，MAE）。

各算法在故障預(yù)測(cè)任務(wù)中的評(píng)估指標(biāo)比較如表5 所示。

表5 RF 算法與其他分類算法故障預(yù)測(cè)結(jié)果比較

從表5 可以看出，RF 算法對(duì)準(zhǔn)確率、精確率、召回率等的預(yù)測(cè)準(zhǔn)確率達(dá)90 %以上，F(xiàn)1 達(dá)0.92，均高于其他分類算法，表明RF 算法可以有效識(shí)別異常用戶，具有較高準(zhǔn)確率，且在故障預(yù)測(cè)方面表現(xiàn)最優(yōu)。

3.2 壽命預(yù)測(cè)結(jié)果

將RF 算法與其他常見回歸算法，包括支持向量回歸（support vector regression，SVR）、線性回歸（linear regression，LR）、嶺回歸（ridge regression，RR）、LASSO 回歸（least absolute shrinkage and selection operator，LASSO） 和決策樹回歸（decision tree regression，DTR）等算法進(jìn)行比較，各算法在壽命預(yù)測(cè)任務(wù)中評(píng)估指標(biāo)比較結(jié)果如表6 所示。

表6 RF 算法與其他分類算法壽命預(yù)測(cè)結(jié)果比較

從表6 可以看出，RF 算法在壽命預(yù)測(cè)任務(wù)中表現(xiàn)最優(yōu)，其MSE（均方誤差）、RMSE（均方根誤差）和MAE（平均絕對(duì)誤差）均為最低。表明RF算法可有效估計(jì)智能電表的剩余壽命，且具有較高精度。

4 結(jié) 語

利用RF 算法分別建立了智能電表的故障診斷及壽命預(yù)測(cè)模型，通過對(duì)大量的智能電表數(shù)據(jù)進(jìn)行分析和處理，提取了用電功率特征、用電質(zhì)量特征和用電計(jì)費(fèi)特征，并利用RF 算法評(píng)估特征的重要性，再進(jìn)行特征選擇，最終得到優(yōu)化的模型輸入特征向量。利用交叉驗(yàn)證法進(jìn)行模型訓(xùn)練和驗(yàn)證，并與其他常見的分類回歸算法進(jìn)行比較。結(jié)果表明，RF 算法在故障預(yù)測(cè)和壽命預(yù)測(cè)方面均表現(xiàn)出較高的準(zhǔn)確性和穩(wěn)定性。研究成果可為智能電表的運(yùn)行監(jiān)測(cè)和維護(hù)管理提供有效的技術(shù)支持。