一种基于离群算法的窃电行为检测的研究
|
摘要
针对窃电行为现场查证具有难以克服的现实困难,提出一种基于离群数据挖掘的窃电行为检测方法。该离群算法基于密度聚类算法,采用基于用电量波动的不同方向识别不同的用电模式,基于用电频率、离群距离以及异常规则关联度的计算挖掘潜在离群数据点,并通过基于评价矩阵确定离群阈值对离群数据点存在窃电行为的可能性进行确定性分析,实现对窃电行为的数据化检测。最后通过仿真测试证明该算法在针对混杂不同用电模式的用电数据的窃电检测方面相对于其他数据挖掘算法具有更好的性能表现。
In view of the practical difficulties of on-site verification of stealing power, a method based on outlier mining is proposed. The outlier detection algorithm based on density clustering algorithm, the electricity consumption fluctuation pattern recognition method based on different, potential outliers mining frequency, outlier distance and correlation calculation based on abnormal rules, and through the evaluation matrix to determine the threshold for outlier outliers exist the possibility of stealing behavior of uncertainty analysis based on the implementation of detection of acts of stealing data. Finally, the simulation test shows that the algorithm has better performance than other data mining algorithms in the detection of power stealing data for different power modes.
In view of the practical difficulties of on-site verification of stealing power, a method based on outlier mining is proposed. The outlier detection algorithm based on density clustering algorithm, the electricity consumption fluctuation pattern recognition method based on different, potential outliers mining frequency, outlier distance and correlation calculation based on abnormal rules, and through the evaluation matrix to determine the threshold for outlier outliers exist the possibility of stealing behavior of uncertainty analysis based on the implementation of detection of acts of stealing data. Finally, the simulation test shows that the algorithm has better performance than other data mining algorithms in the detection of power stealing data for different power modes.
引文
[1]刘凤魁,邓春宇,王晓蓉,等.基于改进快速密度峰值聚类算法的电力大数据异常值检测[J].电力信息与通信技术,2017,15(06):36—41.
[2]许刚,谈元鹏,戴腾辉.稀疏随机森林下的用电侧异常行为模式检测[J/OL].电网技术,2017,41(06):1964—1973.
[3]陈宏.基于关联规则挖掘算法的用电负荷能效研究[J].电子设计工程,2017,25(04):79-82+86.
[4]王桂兰,周国亮,赵洪山,等.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,2016,40(24):27—33.
[5]王昕,田猛,赵艳峰,等.一种基于状态估计的新型窃电方法及对策研究[J/OL].电力系统保护与控制,2016,44(23):141—146.
[6]武昕,王震.基于负熵估计的居民用电负荷非侵入式分解算法[J/OL].电网技术,2017,41(03):931—937.
[7]陈文瑛,陈雁,邱林,等.应用大数据技术的反窃电分析[J].电子测量与仪器学报,2016,30(10):1558—1567.
[8]李亦非,宋玮琼,彭放,等.基于局部异常点检测算法的电能表飞走异常智能分析[J].电测与仪表,2016,53(18):69—73.
[9]周宁慧,王彬,王治华,等.基于集合论估计的电网状态辨识(四)离群点识别[J].电力系统自动化,2016,40(08):22-28+50.
[10]王卫公,牟婷婷,王兰君,等.基于灰色分析的集抄数据异常判定[J].电网与清洁能源,2016,32(04):6-11+16.
[11]庄池杰,张斌,胡军,李秋硕,曾嵘.基于无监督学习的电力用户异常用电模式检测[J].中国电机工程学报,2016,36(02):379-387.
[12]谷云东,张素杰,冯君淑.大用户电力负荷的多模型模糊综合预测[J].电工技术学报,2015,30(23):110-115.
[13]程超,张汉敬,景志敏,等.基于离群点算法和用电信息采集系统的反窃电研究[J/OL].电力系统保护与控制,2015,43(17):69—74.
[14]辛洁晴,夏正侃,高亦凌,等.基于事故树的窃电损失要因分析[J].电力系统及其自动化学报,2014,26(03):47—51.
[15]蓝敏,李朔宇,李锡祺,等.基于聚类分群的线损特征分析方法[J].电力科学与技术学报,2013,28(04):54—58.
[16]黄海涛,张粒子,乔慧婷,等.基于变密度聚类的居民阶梯分段电量制定方法[J].电网技术,2010,34(11):111—116.
[17]杨政,李欣然,陈辉华,等.密度梯度聚类算法在负荷动特性聚类中的应用[J].电力系统及其自动化学报,2010,22(02):41—47.
[2]许刚,谈元鹏,戴腾辉.稀疏随机森林下的用电侧异常行为模式检测[J/OL].电网技术,2017,41(06):1964—1973.
[3]陈宏.基于关联规则挖掘算法的用电负荷能效研究[J].电子设计工程,2017,25(04):79-82+86.
[4]王桂兰,周国亮,赵洪山,等.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,2016,40(24):27—33.
[5]王昕,田猛,赵艳峰,等.一种基于状态估计的新型窃电方法及对策研究[J/OL].电力系统保护与控制,2016,44(23):141—146.
[6]武昕,王震.基于负熵估计的居民用电负荷非侵入式分解算法[J/OL].电网技术,2017,41(03):931—937.
[7]陈文瑛,陈雁,邱林,等.应用大数据技术的反窃电分析[J].电子测量与仪器学报,2016,30(10):1558—1567.
[8]李亦非,宋玮琼,彭放,等.基于局部异常点检测算法的电能表飞走异常智能分析[J].电测与仪表,2016,53(18):69—73.
[9]周宁慧,王彬,王治华,等.基于集合论估计的电网状态辨识(四)离群点识别[J].电力系统自动化,2016,40(08):22-28+50.
[10]王卫公,牟婷婷,王兰君,等.基于灰色分析的集抄数据异常判定[J].电网与清洁能源,2016,32(04):6-11+16.
[11]庄池杰,张斌,胡军,李秋硕,曾嵘.基于无监督学习的电力用户异常用电模式检测[J].中国电机工程学报,2016,36(02):379-387.
[12]谷云东,张素杰,冯君淑.大用户电力负荷的多模型模糊综合预测[J].电工技术学报,2015,30(23):110-115.
[13]程超,张汉敬,景志敏,等.基于离群点算法和用电信息采集系统的反窃电研究[J/OL].电力系统保护与控制,2015,43(17):69—74.
[14]辛洁晴,夏正侃,高亦凌,等.基于事故树的窃电损失要因分析[J].电力系统及其自动化学报,2014,26(03):47—51.
[15]蓝敏,李朔宇,李锡祺,等.基于聚类分群的线损特征分析方法[J].电力科学与技术学报,2013,28(04):54—58.
[16]黄海涛,张粒子,乔慧婷,等.基于变密度聚类的居民阶梯分段电量制定方法[J].电网技术,2010,34(11):111—116.
[17]杨政,李欣然,陈辉华,等.密度梯度聚类算法在负荷动特性聚类中的应用[J].电力系统及其自动化学报,2010,22(02):41—47.