电力计费分布式并行异常检测方法技术

一种电力计费分布式并行异常检测方法，其包括以下步骤：获取电网异常问题；获取电网业务数据；采用并行坐标下降计算方法筛选所述电网业务数据，所述电网业务数据存在符合所述电网异常问题时，发出异常信号。上述电力计费分布式并行异常检测方法，通过利用电网业务数据尤其是电力计费数据所自有的一定程度的稀疏性，采用并行坐标下降计算方法筛选电网业务数据，且利用数据的稀疏性能够获得更好的下界并达到优化目标，无需每次进行遍历所有数据，从而更精确地找到异常问题，降低了算法开销，极大地提高了异常检测效率。

Distributed parallel anomaly detection method for power billing

【技术实现步骤摘要】
电力计费分布式并行异常检测方法
本申请涉及电力计费领域，特别是涉及电力计费分布式并行异常检测方法。
技术介绍
对于稽查分析来说，电网异常事件通常包括漏报、误报、电表故障、窃电、补贴不当、少缴费、不缴费等违规违法情况，外在表现大多为电表相对读数为零度，简称零度户。这些情况，通过人工分析比对，可以识别发现大部分问题，但由于工作量繁重，且人工易犯错等缺陷，导致一些稽查错误，或漏查现象时有发生。这项人工工作成本巨大，且工作人员往往认为这类繁琐却又简单重复的体力劳动没有任何价值，工作效率低，容易疲劳。坐标下降算法是一类经典且有效的一阶算法，用途十分广泛。坐标下降算法的优点是：当沿着某一个维度去优化目标函数时候，意味着自变量的其他分量是固定的，所以此时目标函数变得更加简单。其次坐标下降算法没有步长参数，因此节省了线性搜索步长的开销。在并行化方面，现在也已经提出很多方法。但总体来看，一阶算法仍然存在按照顺序迭代的约束，使得算法并行化非常困难，因此当前坐标下降算法的并行度很低。当前大数据并行化的坐标下降算法要解决的关键问题是：原始的坐标下降算法在每一次的内部迭代中只使用一个向量去更新迭代变量。并行化的思路自然就是如何同时的使用多个向量去更新迭代变量的多个位置上的元素。但是由于坐标下降算法本质上是按序依次选取坐标去更新的，这种顺序的迭代性质使得并行化非常困难。这种困难主要表现在：假设原来设计的串行坐标下降算法，直接用两个或以上线程并行运行，多个线程同时去更新某一个迭代向量的多个元素，这将导致算法和数据失效问题：1号失效和2号失效。其中，1号失效是指坐标下降算法要求在更新一个坐标时，其他坐标应该固定不变；这时如果多个线程同时更新不同坐标，就会导致这种串行算法从原理上失效。2号失效问题是指前述多个线程同时对原来串行算法的同一个向量的同一个元素进行改写，而导致写失效。为解决此问题，很多传统算法都是采取绕开或忽略以上失效问题的方法。如Mini-Batch为了避免数据不一致后果，没有同时更新多个位置上元素。PASSCoDe给出了多个版本算法试图逐步加大并行度。其中，PASSCoDe-Lock版本实质上是一个串行算法，并且在性能上甚至不如传统单机算法。PASSCoDe-Wild则粗暴选取多个坐标更新，该算法首先存在前述的1号失效问题，这导致PASSCoDe-Wild在绝大多数情况下都不会收敛到最优解。为了避免2号失效问题，PASSCoDe-Atomic通过原子操作去避免写冲突，但这又牺牲了并行。Mini-Batch绕过失效问题后对传统算法的串行计算过程并行优化，但是Mini-Batch方法有以下缺陷：1)每一个分块的更新都比较小，算法的并行度低。2)采用集中更新方法避免写冲突。但是，这种集中更新要求每次进行更新后对所有数据遍历一次，这不仅加大了算法开销，并且对于分布式并行算法来说是不现实的。3)Mini-Batch方法的收敛性随着分块的增大而减慢。
技术实现思路
基于此，有必要提供一种电力计费分布式并行异常检测方法。一种电力计费分布式并行异常检测方法，其包括以下步骤：获取电网异常问题；获取电网业务数据；采用并行坐标下降计算方法筛选所述电网业务数据，所述电网业务数据存在符合所述电网异常问题时，发出异常信号。上述电力计费分布式并行异常检测方法，通过利用电网业务数据尤其是电力计费数据所自有的一定程度的稀疏性，采用并行坐标下降计算方法筛选电网业务数据，且利用数据的稀疏性能够获得更好的下界并达到优化目标，无需每次进行遍历所有数据，从而更精确地找到异常问题，降低了算法开销，极大地提高了异常检测效率。在其中一个实施例中，采用并行坐标下降计算方法筛选所述电网业务数据，包括：采用双层对偶坐标下降并行算法筛选所述电网业务数据。在其中一个实施例中，所述双层对偶坐标下降并行算法包括：根据对偶问题的目标函数，分析坐标的耦合关联关系，解除或者延迟某一大块数据的耦合关联关系，把所述电网异常问题分为多个子问题，并将各所述子问题的目标函数转化为对偶问题；对各所述子问题并行求解。在其中一个实施例中，采用双层对偶坐标下降并行算法筛选所述电网业务数据，包括：根据所述电网异常问题拆分设置多个子问题，并分别为各所述子问题设置目标函数；分别根据各所述目标函数将各所述子问题转化为对偶问题并求解最优的可分近似函数；其中，所述可分近似函数用于使划分的子问题达到最大限度并行同时保证最后结果的求解精度满足预定要求；根据最优的可分近似函数获得最优的归约参数；采用最优的归约参数进行并行坐标下降计算筛选所述电网业务数据。在其中一个实施例中，为各所述子问题设置目标函数时，还利用所述电网业务数据的稀疏性获得下界，以使所述下界贴近所述目标函数。在其中一个实施例中，所述并行坐标下降计算方法采用以下步骤得到优选算法模型：获取电网历史业务数据；为所述电网历史业务数据设置基础分类算法；确定优化目标并根据所述电网异常问题拆分设置多个子问题；根据所述优化目标及所述子问题确定归约参数；建立算法模型；判断所述算法模型是否已经收敛，是则采用所述算法模型作为所述优选算法模型，确定最优的归约参数，否则执行后续步骤；采用并行对偶坐标下降算法计算模型参数的最优解，并根据所述最优解调整所述归约参数的权重，继续执行建立算法模型。在其中一个实施例中，根据所述最优解调整所述归约参数的权重时还探测范围。在其中一个实施例中，所述异常信号包括报警信息和/或报警声音。在其中一个实施例中，所述电网异常问题包括漏报、误报、电表故障、窃电、补贴不当、少缴费和/或不缴费。在其中一个实施例中，所述电力计费分布式并行异常检测方法还包括步骤：根据所述异常信号及所述电网业务数据确定异常位置。进一步地，在其中一个实施例中，判断所述异常位置的电力计费装置是否异常，是则调整所述电力计费装置。进一步地，在其中一个实施例中，判断所述异常位置的电力计费装置是否异常，否则进一步判断所述异常位置的电力计费装置是否被破坏，是则停止供电和/或报警处理。附图说明图1为本申请一个实施例的流程示意图。图2为本申请另一个实施例的示意图。图3为本申请另一个实施例的示意图。图4为本申请另一个实施例的示意图。具体实施方式为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施例的限制。需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的本文档来自技高网...

【技术保护点】
1.一种电力计费分布式并行异常检测方法，其特征在于，包括以下步骤：/n获取电网异常问题；/n获取电网业务数据；/n采用并行坐标下降计算方法筛选所述电网业务数据，所述电网业务数据存在符合所述电网异常问题时，发出异常信号。/n

【技术特征摘要】
1.一种电力计费分布式并行异常检测方法，其特征在于，包括以下步骤：
获取电网异常问题；
获取电网业务数据；
采用并行坐标下降计算方法筛选所述电网业务数据，所述电网业务数据存在符合所述电网异常问题时，发出异常信号。


2.根据权利要求1所述电力计费分布式并行异常检测方法，其特征在于，采用并行坐标下降计算方法筛选所述电网业务数据，包括：采用双层对偶坐标下降并行算法筛选所述电网业务数据。


3.根据权利要求2所述电力计费分布式并行异常检测方法，其特征在于，所述双层对偶坐标下降并行算法包括：根据对偶问题的目标函数，分析坐标的耦合关联关系，解除或者延迟某一大块数据的耦合关联关系，把所述电网异常问题分为多个子问题，并将各所述子问题的目标函数转化为对偶问题；对各所述子问题并行求解。


4.根据权利要求2所述电力计费分布式并行异常检测方法，其特征在于，采用双层对偶坐标下降并行算法筛选所述电网业务数据，包括：
根据所述电网异常问题拆分设置多个子问题，并分别为各所述子问题设置目标函数；
分别根据各所述目标函数将各所述子问题转化为对偶问题并求解最优的可分近似函数；其中，所述可分近似函数用于使划分的子问题达到最大限度并行同时保证最后结果的求解精度满足预定要求；
根据最优的可分近似函数获得最优的归约参数；
采用最优的归约参数进行并行坐标下降计算筛选所述电网业务数据。


5.根据权利要求4所述电力计费分布式并行异常检测方法，...

【专利技术属性】
技术研发人员：吴重民，邓利民，吕浩晖，陈广开，潘炜，陈臣，陈书弘，陈观娣，陈碧仪，谭致远，邓明斌，伍笑颜，黄文科，王马才，胡文，
申请(专利权)人：广州供电局有限公司，
类型：发明
国别省市：广东;44