電力竊漏電使用者自動識別 細節
阿新 • • 發佈:2018-12-23
# 計算每類使用者類別及使用者數 Type <- table(data_FB[, 3]) # 方法1:基礎繪圖 p <- barplot(Type, space = 0, ylim = c(0, 30), col = rainbow(7), xaxt = "n", ylab = "計數", main = "竊電使用者用電類別分佈分析") df <- data.frame(Type) axis(1, p, df$Var1, las = 2) text(p, Type, labels = Type,pos = 3) # 新增數值標籤 # xaxt="n"設定是否顯示x軸資訊,axes=F不顯示座標軸 # 顏色可以用heat.colors,terrain.colors,cm.colors等
# 方法2:餅圖 Type <- data.frame(Type) pct <- round(Type$Freq / sum(Type$Freq) * 100, 1) lbls <- paste0(Type$Var1, pct, "%") pie(Type$Freq, labels = lbls) # 普通餅圖 library(plotrix) # 3D餅圖 pie3D(Type$Freq, labels = lbls, main = "竊電使用者用電類別分佈", labelrad = 1.4, start = 3) pie3D(Type$Freq, labels = lbls, explode = 0.1, radius = 1) # radius半徑,explode分離度
# ----------------------------正常使用者用電量趨勢分析---------------------------
Regular <- read.csv("正常用電量資料.csv",header=T)
# 基礎繪圖
plot(1:59, Regular[, 2], type = "l", col = "blue",
main = "正常使用者的用電量趨勢") # 主標題,x,y軸標題
# ---------------------------竊漏電使用者用電量趨勢分析-------------------------- Unusual <- read.csv("竊電用電量資料.csv", header = T) # 方法1:基礎繪圖 plot(Unusual[, 2], type = "l", col = "blue") # 設定主標題,x,y軸標題
# 方法2:在一張圖上對比
plot(Regular[,2], col = "blue", lty = 1, type = "l",
main = "正常使用者與竊電使用者的用電趨勢比較", ylim = c(0,8000),
ylab = "用電量", xlab = "", xaxt = "n") # axes = F
axis(1, at = 1:59, Regular[, 1], las = 2) # 設定x軸
lines(Unusual[,2], col = "red", lty = 2, type = "l") # 新增竊電資料
legend("bottomleft", legend = c("正常使用者","竊電使用者"),
lty = 1:2, col = c("blue", "red")) # 新增圖例
# ---------------------------------求斜率--------------------------------------
# 讀取資料
Power <- read.csv("使用者日用電量.csv")
# 設定一個向量k存放求出的每天的斜率值
k <- rep(0, nrow(Power))
Down <- Power$日電量
for (i in 1:nrow(Power)) { # 迴圈所有天,求出每天的前後5天共計11天的平均斜率k
if (i <= 5) {
l <- 1:(i + 5) # 前面不足5天時求平均斜率用到的天數
}
if (i >5 & i < (nrow(Power) - 5)) {
l <- (i - 5):(i + 5) # 前後均滿足5天時的求平均斜率用到的天數
}
if (i >= (nrow(Power) - 5)) {
l <- (i-5):nrow(Power) # 後面不足5天時求平均斜率用到的天數
}
k[i] <- cov(Down[l], l) / var(l) # 計算第i天的斜率,公式類似求協方差除方差
}
# -----------------------------標記用電量趨勢----------------------------------
Decrease <- rep(0, nrow(Power)) # 設定變數D,用於存放電量趨勢標記1或0
for (i in 2:nrow(Power)) { # 從第二天開始迴圈,求出所有天的電量趨勢標記
if (k[i] < k[i - 1]) {
Decrease[i] <- 1 # 當天比前一天斜率低,標記為1
}
if (k[i] >= k[i - 1]) {
Decrease[i] <- 0 # 當天高於或等於前一天斜率,標記為0
}
}
# --------------------------統計11天內的趨勢下降次數---------------------------
Total <- rep(0, nrow(Power)) #設定變數T,存放對第i天前4後5共計10天的電量趨勢彙總值
for (i in 1:nrow(Power)) { # 迴圈所有天,求出每天前4後5共計10天的趨勢彙總
if (i < 5) {
m <- 1:(i + 5) # 前面不足5天要彙總的天數
}
if (i >= 5 & i <= nrow(Power) - 5) {
m <- (i - 4):(i + 5) # 滿足前後5天時研彙總的天數
}
if (i > nrow(Power) - 5) {
m <- (i - 4):nrow(Power) # 後面不足5天時用到的天數
}
Total[i] <- sum(Decrease[m])
}
# 讀取資料
data_alarm <- read.csv("告警.csv")
data <- read.csv("使用者.csv")
# 構造ID&date屬性
data_alarm$ID_date <- paste(data_alarm[, 1], data_alarm[, 2])
data$ID_date <- paste(data[, 1], data[, 2])
# 統計使用者每天的告警次數
D <- data.frame(matrix(0, nrow(data), nrow(data_alarm)))
for (i in (1:nrow(data))) {
for (k in (1:nrow(data_alarm))) {
if (data$ID_date[i] == data_alarm$ID_date[k]) {
D[i, k] <- 1
} else {
D[i, k] <- 0}
}
}
D$sum <- apply(D, 1, sum) # 按行計算總和
data$alarm_ind <- D$sum
data <- data[, c(1, 2, 6)] # 去除不需要的ID,日期和告警次數
library(XLConnect)
missing_data <- XLConnect::readWorksheetFromFile(file = "missing_data.xls",
sheet = 1, header = FALSE)
lagrange <- function(x, xi, yi) {
n <- length(xi)
lage <- 0
for (i in 1:n) {
li <- 1
for (j in 1:n) {
if (i != j) {
li <- li * (x - xi[j]) / (xi[i] - xi[j])
}
}
lage <- li * yi[i] + lage
}
return(lage)
}
missdata <- missing_data
for (k in 1:3) {
x <- which(is.na(missing_data[, k]))
x1 <- c(0, x)
x2 <- c(x, nrow(missing_data))
x12 <- x2 - x1 - 1
xx1 <- x12[1:(length(x12) - 1)] # 缺失值前面的行數
xx2 <- x12[2:(length(x12))] # 缺失值後面的行數
j <- 1
for (m in x) {
if (xx1[j] >= 5) { # 空值前的判斷
xi <- (m - 5):(m - 1)
} else {
xi <- (m - xx1[j]):(m - 1)
}
if (xx2[j] >= 5) { # 空值後的判斷
xi <- c(xi, (m + 1):(m + 5))
} else {
xi <- c(xi, (m + 1):(m + xx2[j]))
}
yi <- missing_data[xi, k]
missdata[m, k] <- lagrange(m, xi, yi)
print(c(m, missdata[m, k]))
j <- j + 1
}
}
# 讀取資料
data_loss <- read.csv("線損.csv")
# 構造線損
data_loss$日線損率 <- (data_loss[, 3] - data_loss[, 4]) / data_loss[, 3]
# 便於程式碼呼叫,將日線損率資料賦予變數v
V <- data_loss$日線損率
# Vb為當天與後5天共6天的線損率平均值
# Vf為當天與前5天共6天的線損率平均值
n <- nrow(data_loss)
Vb <- rep(0, n)
Vf <- rep(0, n)
E <- rep(0, n) # 設定變數E,存放線損指標
for (i in 1:n) { # 迴圈所有天,求出每天的線損指標
if (i <= 5) { # 前面不足5天的情況
Vb[i] <- mean(V[i:(i + 5)])
Vf[i] <- mean(V[1:i])
}
if (i > 5 & i < n - 5) { # 前後均滿足5天的情況
Vb[i] <- mean(V[i:(i + 5)])
Vf[i] <- mean(V[(i - 5):i])
}
if (i >= n - 5) { # 後面不足5天的情況
Vb[i] <- mean(V[i:n])
Vf[i] <- mean(V[(i - 5):i])
}
if ((Vb[i] - Vf[i]) / Vf[i] > 0.01) {
E[i] <- 1 # Vb比Vf的增長率判斷,並標記
}
if ((Vb[i]-Vf[i]) / Vf[i] <= 0.01) {
E[i] <- 0
}
}