摘要
聚类算法和异常点检测算法都是数据挖掘的重要方法。已有的聚类和异常点检测算法主要针对规律性数据进行挖掘,而没有将两种算法融合用于数据分析并实现窃电辨识的方法。鉴于此,在分析相关算法原理和电量数据特征的基础上,提出一种融合聚类算法和异常点检测算法的窃电辨识方法,通过对电量异常数据的深入挖掘实现对窃电用户的准确辨识。理论分析和实验结果表明,该方法可有效提高窃电辨识的准确性,具有一定的实用性。
Clustering algorithm and abnormal point detection algorithm are important methods of data mining.The existing clustering and anomaly detection algorithms are mainly aimed at mining regular data,and there is no method to integrate the two algorithms for data analysis to realize stealing identification.In view of this,a new stealing identification method combining clustering algorithm and anomaly detection algorithm is proposed based on the analysis that principle of the relevant algorithms and the characteristics of the electricity data,it realizes accurate identification of stealing users through the deep excavation of the abnormal data.Theoretical analysis and experimental results show that this method can effectively improve the accuracy of stealing identification,which has certain practicability.
作者
李宁
尹小明
丁学峰
蔡慧
汪伟
Li Ning;Yin Xiaoming;Ding Xuefeng;Cai Hui;Wang Wei(School of Mechanical and Electrical Engineering,China Jiliang University,Hangzhou 310018,China;State Grid Zhejiang Changxing Power Supply Company,Huzhou 313100,Zhejiang,China)
出处
《电测与仪表》
北大核心
2018年第21期19-24,共6页
Electrical Measurement & Instrumentation
基金
浙江省自然科学基金青年科学基金项目(LQ17E070003)
关键词
聚类
异常点
用电量
窃电辨识
clustering
abnormal point
electricity consumption
stealing identification
作者简介
李宁(1993—),男,硕士研究生,从事计量大数据分析和智能防窃电算法研究。Email:1775865044@qq.com;尹小明(1983—),男,工程师,从事电力营销管理工作。Email:402650952@qq.com;丁学峰(1982—),男,高级工程师,从事电力营销管理工作。Email:d.aladdin@163.com;蔡慧(1980—),男,博士,副教授,从事电力电子变换器、电力电子与电气传动、新能源发电研究。Email:caihui@cjlu.edu.cn;汪伟(1964—),男,博士,教授,从事电气测量与控制研究。Email:wangwei@cjlu.edu.cn
