基于机器学习的异常用电检测技术的发展现状
摘要
智能电表的出现与普及带来了一场用电信息采集方式的变革,在给人们带来便利的同时,也产生了海量的数据,这就使得不法分子的窃电行为更不易被发现,给电力公司带来巨大的经济损失。针对这一现象,国内外很多的学者都对此进行了深入的研究,并且提出了很多异常用电检测的手段。本文对基于机器学习的异常用电检测技术的发展现状进行介绍,指出了当前研究中出现的一些问题,并提出了一些解决措施。
引文
[1]陈启鑫,郑可迪,康重庆,皇甫奋宇.异常用电的检测方法:评述与展望[J].电力系统自动化,2018(17):189-199
[2]í?igo Monedero,Félix Biscarri,Carlos León,Jesús Biscarri,Rocío Millán.MIDAS:Detection of Non-technical Losses in Electrical Consumption Using Neural Networks and Statistical Techniques[J].Lecture Notes in Computer Science Computational Science and Its Applications-ICCSA 2006,2006(05):725-734.
[3]赵文清,沈哲吉,李刚.基于深度学习的用户异常用电模式检测[J].电力自动化设备,2018(09):34-38.
[4]Daisuke Mashima,Alvaro A.Cárdenas.Evaluating Electricity Theft Detectors in Smart Grid Networks[J].International Workshop on Recent Advances in Intrusion Detection,2012:210-229.
[5]张铁峰,张靖.k_means两阶段用电异常检测方法[J].电力科学与工程,2018(12):25-31.
[6]王桂兰,周国亮,赵洪山,米增强.大规模用电数据流的快速聚类和异常检测技术[J].电力系统自动化,2016(24):27-33.
[7]赵莉,候兴哲,胡君,傅宏,孙洪亮.基于改进k_means算法的海量智能用电数据分析[J].电网技术,2014(10):2715-2720.
[2]í?igo Monedero,Félix Biscarri,Carlos León,Jesús Biscarri,Rocío Millán.MIDAS:Detection of Non-technical Losses in Electrical Consumption Using Neural Networks and Statistical Techniques[J].Lecture Notes in Computer Science Computational Science and Its Applications-ICCSA 2006,2006(05):725-734.
[3]赵文清,沈哲吉,李刚.基于深度学习的用户异常用电模式检测[J].电力自动化设备,2018(09):34-38.
[4]Daisuke Mashima,Alvaro A.Cárdenas.Evaluating Electricity Theft Detectors in Smart Grid Networks[J].International Workshop on Recent Advances in Intrusion Detection,2012:210-229.
[5]张铁峰,张靖.k_means两阶段用电异常检测方法[J].电力科学与工程,2018(12):25-31.
[6]王桂兰,周国亮,赵洪山,米增强.大规模用电数据流的快速聚类和异常检测技术[J].电力系统自动化,2016(24):27-33.
[7]赵莉,候兴哲,胡君,傅宏,孙洪亮.基于改进k_means算法的海量智能用电数据分析[J].电网技术,2014(10):2715-2720.