数据挖掘在反窃电系统中的应用与研究
发布时间：2021-01-11 11:02
随着信息技术、计算机技术逐渐应用于供电企业,供电企业在实现自动化管理的过程中,线损率无法实现有效控制,而且窃电现象严重影响供电企业的经济效益,常用的反窃电措施是以安装外部监测设备为主,但是,外设的应用成本相对较高,安装难度复杂,取得的反窃电效果并不理想,基于此,针对用户用电数据不全面、窃电数据无法准确定位及监测等问题,提出利用数据挖掘优化反窃电系统的方法,重点对反窃电系统中的数据挖掘、数据分析等方面展开研究,以优化反窃电系统的方式,解决数据挖掘、数据模型分析等问题,提高反窃电系统的有效性及准确性。为检验本次研究的针对性及有效性,在对反窃电系统的应用进行研究时,是以SQL Server2008为数据库,并从关系数据的角度,对数据挖掘的实践应用进行分析,以构建数据预处理算法模块、PCA算法下用户用电特征提取的方式,进行反窃电算法的应用分析,在明确系统用户管理、用电管理、窃电用户判别等功能的基础上,针对反窃电系统在A地区中的实践应用效果进行分析,实践结果证明,在利用反窃电系统的前提下,可以对用户用电情况进行常态化检查及稽查,可以对A地区数据进行筛选及分析,整改率达到100%,反窃电系统的应用...
【文章来源】： 张斯祺 辽宁工程技术大学
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
零火线调接图
辽宁工程技术大学硕士学位论文152.6数据挖掘与反窃电模型的融合在反窃电的过程中，由于设备管理、数据更新、取证方式等方面的影响，电力企业很难对用户的窃电行为进行有效控制。基于此，本次研究是以数据挖掘与反窃电模型融合为核心依据，在明确数据挖掘的前提下，实现对反窃电模型的有效统计及分析。数据挖掘是针对反窃电过程中的基本特征、电量值、子目标等相关数据进行集合处理，数据聚类是根据挖掘的信息数据“相似度”进行集合区间划分，为后续的数据算法方面提供参考依据。数据分类的目的是通过输入数据，对训练集合区间的数据表现特性进行描述，依据分类规则预测用户的用电情况，具体的反窃电模型设计如下：图2.2反窃电模型流程Figure2.2processofanti-theftmodel在对数据测试以及反窃电数学模型构建等方面进行统计及分析的过程中，是构建用户用电特征集合，并根据特征属性的记录，对用户的用电类型进行预测，实现对用户异常用电行为的有效统计及分析。
辽宁工程技术大学硕士学位论文173反窃电系统中的数据挖掘技术应用3.1数据挖掘的实施步骤反窃电系统中的数据挖掘技术应用，是利用分析数据对用户用电数据进行统计，并针对用户用电数据的变化进行分析，在分析数据挖掘及信息处理的基础上，需要从问题定义、数据收集及预处理、数据挖掘算法执行以及结果解释、评估的流程进行统计，具体的数据挖掘步骤如下：图3.1数据挖掘步骤Figure3.1dataminingsteps问题定义是对用户用电数据进行挖掘之前，以用户用电异常数据为指标，分析异常用电的调整，并判断用户是否存在窃电行为。在进行数据准备阶段，以数据集成、数据清晰、数据变换及数据简化为基本流程。数据集成是将用户用电的原始数据进行合并处理，针对异构数据进行集成化处理，以语义模型的方式进行表达，在对数据进行集成化处理的过程中，需要解决异构数据转换的问题，在统一原始数据的基础上，针对数据命名、结构、含义、字长等方面进行转换及聚集，以此形成出本的可用数据。在数据集成化处理后，根据所占物理空间以及值域范围进行分析，并对源数据的噪声数据、无关数据进行处理，以去除空白数据及噪声数据的方式，实现重复数据处理、数据类型的转换。在进行数据清洗的过程中，可以采用监督、无监督两种方式进行落实，在连续数据属性离散化的前提下，可以相对减小数据表的大小，以此提高数据分类的准确性。数据变换是对处理后用户用电数据的特征进行描述，其中包含规格化、归纳、切换、旋转以及投影等操作，规格化是以元组集的合并为依据，并对属性值进行归一化处理，在利用IS-A语义关系的基础上，规格化后可以相对减少元组个数，以此
【参考文献】：
期刊论文
[1]用电监察所面临的问题及反窃电措施[J]. 王井相,王利波. 化工管理. 2018(32)
[2]防窃电预警分析应用实施[J]. 张耀,赵猛,张琛馨,杨青. 电子测试. 2018(12)
[3]基于GA-BP神经网络的反窃电系统研究与应用[J]. 王庆宁,张东辉,孙香德,沈杨,许湘莲. 电测与仪表. 2018(11)
[4]大数据时代的计算机信息处理技术[J]. 高杨. 科技风. 2018(12)
[5]浅谈窃电存在的问题及其防范措施[J]. 张家祥. 中国战略新兴产业. 2017(48)
[6]智能防窃电综合解决方案研究[J]. 付婷,朱碧钦,林海平,李金湖,林海玉. 电气时代. 2017(12)
[7]聚类k-means算法在新疆反窃电工作中的应用[J]. 刘卫新,尹文庆,潘霞,杨金成. 南昌大学学报(理科版). 2017(05)
[8]应用数据挖掘技术构建反窃电管理系统的研究[J]. 刘盛,朱翠艳. 中国电力. 2017(10)
[9]基于正态分布离群点算法的反窃电研究[J]. 王新霞,王珂,焦东翔,魏新宇. 电气应用. 2017(07)
[10]计量装置防窃电技术研究[J]. 王家亮. 电子测试. 2017(01)
硕士论文
[1]基于海量数据挖掘关联测度工具的设计[D]. 岳雪.西安财经学院 2014
[2]供电企业防窃电方法和对策的研究[D]. 刘增明.华北电力大学 2013
本文编号：2970652
【文章来源】： 张斯祺 辽宁工程技术大学
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
零火线调接图
辽宁工程技术大学硕士学位论文152.6数据挖掘与反窃电模型的融合在反窃电的过程中，由于设备管理、数据更新、取证方式等方面的影响，电力企业很难对用户的窃电行为进行有效控制。基于此，本次研究是以数据挖掘与反窃电模型融合为核心依据，在明确数据挖掘的前提下，实现对反窃电模型的有效统计及分析。数据挖掘是针对反窃电过程中的基本特征、电量值、子目标等相关数据进行集合处理，数据聚类是根据挖掘的信息数据“相似度”进行集合区间划分，为后续的数据算法方面提供参考依据。数据分类的目的是通过输入数据，对训练集合区间的数据表现特性进行描述，依据分类规则预测用户的用电情况，具体的反窃电模型设计如下：图2.2反窃电模型流程Figure2.2processofanti-theftmodel在对数据测试以及反窃电数学模型构建等方面进行统计及分析的过程中，是构建用户用电特征集合，并根据特征属性的记录，对用户的用电类型进行预测，实现对用户异常用电行为的有效统计及分析。
辽宁工程技术大学硕士学位论文173反窃电系统中的数据挖掘技术应用3.1数据挖掘的实施步骤反窃电系统中的数据挖掘技术应用，是利用分析数据对用户用电数据进行统计，并针对用户用电数据的变化进行分析，在分析数据挖掘及信息处理的基础上，需要从问题定义、数据收集及预处理、数据挖掘算法执行以及结果解释、评估的流程进行统计，具体的数据挖掘步骤如下：图3.1数据挖掘步骤Figure3.1dataminingsteps问题定义是对用户用电数据进行挖掘之前，以用户用电异常数据为指标，分析异常用电的调整，并判断用户是否存在窃电行为。在进行数据准备阶段，以数据集成、数据清晰、数据变换及数据简化为基本流程。数据集成是将用户用电的原始数据进行合并处理，针对异构数据进行集成化处理，以语义模型的方式进行表达，在对数据进行集成化处理的过程中，需要解决异构数据转换的问题，在统一原始数据的基础上，针对数据命名、结构、含义、字长等方面进行转换及聚集，以此形成出本的可用数据。在数据集成化处理后，根据所占物理空间以及值域范围进行分析，并对源数据的噪声数据、无关数据进行处理，以去除空白数据及噪声数据的方式，实现重复数据处理、数据类型的转换。在进行数据清洗的过程中，可以采用监督、无监督两种方式进行落实，在连续数据属性离散化的前提下，可以相对减小数据表的大小，以此提高数据分类的准确性。数据变换是对处理后用户用电数据的特征进行描述，其中包含规格化、归纳、切换、旋转以及投影等操作，规格化是以元组集的合并为依据，并对属性值进行归一化处理，在利用IS-A语义关系的基础上，规格化后可以相对减少元组个数，以此
【参考文献】：
期刊论文
[1]用电监察所面临的问题及反窃电措施[J]. 王井相,王利波. 化工管理. 2018(32)
[2]防窃电预警分析应用实施[J]. 张耀,赵猛,张琛馨,杨青. 电子测试. 2018(12)
[3]基于GA-BP神经网络的反窃电系统研究与应用[J]. 王庆宁,张东辉,孙香德,沈杨,许湘莲. 电测与仪表. 2018(11)
[4]大数据时代的计算机信息处理技术[J]. 高杨. 科技风. 2018(12)
[5]浅谈窃电存在的问题及其防范措施[J]. 张家祥. 中国战略新兴产业. 2017(48)
[6]智能防窃电综合解决方案研究[J]. 付婷,朱碧钦,林海平,李金湖,林海玉. 电气时代. 2017(12)
[7]聚类k-means算法在新疆反窃电工作中的应用[J]. 刘卫新,尹文庆,潘霞,杨金成. 南昌大学学报(理科版). 2017(05)
[8]应用数据挖掘技术构建反窃电管理系统的研究[J]. 刘盛,朱翠艳. 中国电力. 2017(10)
[9]基于正态分布离群点算法的反窃电研究[J]. 王新霞,王珂,焦东翔,魏新宇. 电气应用. 2017(07)
[10]计量装置防窃电技术研究[J]. 王家亮. 电子测试. 2017(01)
硕士论文
[1]基于海量数据挖掘关联测度工具的设计[D]. 岳雪.西安财经学院 2014
[2]供电企业防窃电方法和对策的研究[D]. 刘增明.华北电力大学 2013
本文编号：2970652
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2970652.html
