基于无监督学习的电力用户异常用电模式检测

发布时间：2017-08-20 17:00

  本文关键词：基于无监督学习的电力用户异常用电模式检测

  更多相关文章： 用电模式 电力大数据 异常检测 无监督学习 局部离群因子 反窃电技术

【摘要】：检测异常用电模式的主要目的在于降低非技术性损失(non-technical losses,NTL),降低电力公司的运营成本。该文提出了基于无监督学习的异常用电模式检测模型,适用于电力用户数据集缺乏训练样本的情况。该模型包括特征提取、主成分分析、网格处理、计算局部离群因子等模块。首先提取多个表征用户用电模式的特征量,通过主成分分析将每个用户映射到二维平面,实现数据可视化并便于计算局部离群因子。网格处理技术筛选出低密度区域的数据点,显著提升了算法效率。该模型输出所有用户用电行为的异常度及疑似概率排序,研究结果表明利用该排序,只需要检测异常度排序靠前的少数用户即可查出大部分异常用户。
【作者单位】： 电力系统及发电设备控制和仿真国家重点实验室(清华大学电机系);国家电网公司西北分部;南方电网科学研究院;
【关键词】： 用电模式 电力大数据 异常检测 无监督学习 局部离群因子 反窃电技术
【分类号】：TM73
【正文快照】： 度排序靠前的少数用户即可查出大部分异常用户。0引言随着电力系统信息化程度的不断提高和配用电数据量的迅速增长,研究适用于配用电数据挖掘的算法并建立有效的知识发现模型,对配用电业务模式创新和智能电网的发展具有重要意义。然而到目前为止,“数据海量,信息匮乏”仍是电，

本文编号：707776