检索结果-维普期刊中文期刊服务平台

基于RFE+CatBoost模型的异常用电检测方法研究被引量：3: 1; 作者冉哲李英娜刘爱莲《电视技术》 2021年第8期121-126,132,共7页; 针对传统电力检测领域中异常用电检测模型需要调节大量超参数导致异常用电检测效率低下,以及模型选取特征不能充分反映实际用电情况导致分类精度不高的问题,提出一种基于RFE+CatBoost模型的异常用电检测方法。较传统的异常用电检测方法... 展开更多; 关键词异常用电检测特征递归消除分类预测算法; 在线阅读下载PDF 职称材料

基于改进RF算法的电能计量异常检测分析: 2; 作者邹丹张梦莎《消费电子》 2025年第2期29-31,共3页; 用电客户的不规范使用行为,对电网的正常运营及经济效益造成了很大的冲击,因此,对其进行有效的监测显得尤为重要。通过对电力系统中异常用电行为的特点和评估指标的研究,建立了一种新的融合故障诊断模型。首先,建立电力负荷时序特性指数... 展开更多; 关键词异常用电检测随机森林算法特征指标构建数据降维; 在线阅读下载PDF 职称材料

基于特征选择的养殖行业异常用电行为检测: 3; 作者孙耀易校石《科学技术创新》 2024年第24期13-16,共4页; 随着智能电网和物联网技术的发展,异常用电行为检测变得尤为重要。本文提出了一种基于TOPSIS特征选择的异常用电行为检测方法。利用养殖行业用户用电数据计算各特征与理想点和负理想点的相对接近度,对特征进行排序并选取最具代表性的特... 展开更多; 关键词 TOPSIS 特征选择异常用电行为检测养殖行业; 在线阅读下载PDF 职称材料

基于卷积神经网络的居民用电异常检测方法被引量：1: 4; 作者陶华庄友谊戴欢《科学技术创新》 2022年第34期92-98,共7页; 居民用电占国民用电比例逐年上升,及时发现居民用电异常,对实现节能减排具有重要意义。结合房间占用率和设备使用特性考虑,本文提出了一种基于卷积神经网络的居民用电异常检测方法。首先,定义了两种常见的居民用电设备异常,即设备过载... 展开更多; 关键词异常用电检测房间占用率设备使用特性分类规则卷积神经网络; 在线阅读下载PDF 职称材料

基于时间卷积网络的用户用电异常检测方法被引量：7: 5; 作者刘月峰赵潇潇《科技创新与应用》 2021年第27期145-147,共3页; 针对电网中的用电异常行为,为了解决大部分传统检测方法效率低下以及当前的机器学习模型存在局限性等问题,提出了一种基于时间卷积网络的端到端的用户用电异常检测模型。结果表明,文章提出的方法在中国国家电网公司(SGCC)收集的电表数... 展开更多; 关键词用电异常检测非技术性损失时间卷积网络; 在线阅读下载PDF 职称材料

保护样本分布特征的混合采样方法: 6; 作者张浩仁璐阎少宏《华北理工大学学报（自然科学版）》 CAS 2024年第3期122-130,共9页; 在大数据窃电检测领域,基于机器学习的异常用电检测方法往往面临数据不平衡问题,影响了模型的泛化性能。为此,提出了一种保护样本分布特征的混合采样算法。首先,根据样本的分布特征提出了密度欠采样和邻域过采样算法。然后,为进一步提... 展开更多; 关键词数据平衡处理数据增强混合采样算法异常用电检测; 在线阅读下载PDF 职称材料

基于大数据分析的通信机房窃电侦查方法被引量：1: 7; 作者庄丹郭向荣 +4 位作者邓金荣许学研曹海山陈庆专黄伟群《广东通信技术》 2021年第12期18-22,共5页; 移动通信运营商每年投入大量的资金建设5G基站,基本遍布全国各区域。移动网络站点广泛分布在各处,基站用电无人看管,偷漏电现象时有发生。由于基站点多面广,查处难度大,传统排查方式耗时耗力,针对基站用电异常问题,将窃电行为场景化并... 展开更多; 关键词用电异常检测通信机房窃电降本增效用户行为打击偷电; 在线阅读下载PDF 职称材料

题名基于RFE+CatBoost模型的异常用电检测方法研究被引量：3: 1; 作者冉哲李英娜刘爱莲; 机构昆明理工大学信息工程与自动化学院云南省计算机技术应用重点实验室; 出处《电视技术》 2021年第8期121-126,132,共7页; 文摘针对传统电力检测领域中异常用电检测模型需要调节大量超参数导致异常用电检测效率低下,以及模型选取特征不能充分反映实际用电情况导致分类精度不高的问题,提出一种基于RFE+CatBoost模型的异常用电检测方法。较传统的异常用电检测方法而言,CatBoost算法降低了模型检测对于超参数的依赖。以用户用电数据作为研究对象,结合RFE算法分析用户在用电表现上的不同特征,采用分类预测算法对异常用电行为进行进一步研究,最后通过云南某地用户用电数据集进行验证,与其他用电异常检测模型进行对比,实验证明所提模型具有很好的检测能力,对于提升企业用电异常检测效率、指导用户更好地用电具有重要意义。; 关键词异常用电检测特征递归消除分类预测算法; Keywords abnormal electricity detection recursive feature elimination classification prediction algorithm; 分类号 TM73 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于改进RF算法的电能计量异常检测分析: 2; 作者邹丹张梦莎; 机构国网太原供电公司; 出处《消费电子》 2025年第2期29-31,共3页; 文摘用电客户的不规范使用行为,对电网的正常运营及经济效益造成了很大的冲击,因此,对其进行有效的监测显得尤为重要。通过对电力系统中异常用电行为的特点和评估指标的研究,建立了一种新的融合故障诊断模型。首先,建立电力负荷时序特性指数,采用皮尔逊(Pearson)相关系数、主成分分析等方法,对电力负荷数据进行降维与关联分析;其次,利用改进后的随机森林模型在多类别识别方面的优越性,提高对异常用电的识别精度和效率。最后,对所提出的算法进行了测试,测试结果显示,该算法在正确率、误报率等方面都比传统算法有较大提高。研究结果显示,采用改进后的随机森林算法对电力系统的故障诊断具有较高的可靠性。; 关键词异常用电检测随机森林算法特征指标构建数据降维; 分类号 TM933 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名基于特征选择的养殖行业异常用电行为检测: 3; 作者孙耀易校石; 机构伊犁师范大学; 出处《科学技术创新》 2024年第24期13-16,共4页; 基金大学生创新创业训练计划项目支持(S2023107640036)。; 文摘随着智能电网和物联网技术的发展,异常用电行为检测变得尤为重要。本文提出了一种基于TOPSIS特征选择的异常用电行为检测方法。利用养殖行业用户用电数据计算各特征与理想点和负理想点的相对接近度,对特征进行排序并选取最具代表性的特征。实验结果表明,该方法能够有效提升异常检测模型的性能,具有较高的准确性和可靠性,为养殖行业的用电安全管理提供了有力支持。; 关键词 TOPSIS 特征选择异常用电行为检测养殖行业; Keywords TOPSIS feature selection abnormal electricity usage behavior detection breeding industry; 分类号 TM73 [电气工程—电力系统及自动化] TP311.1 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于卷积神经网络的居民用电异常检测方法被引量：1: 4; 作者陶华庄友谊戴欢; 机构温州大学电气与电子工程学院温州大学计算机与人工智能学院; 出处《科学技术创新》 2022年第34期92-98,共7页; 基金浙江省教育厅科研项目(Y202146796) 温州市科研项目(ZG2021029,G20210023)。; 文摘居民用电占国民用电比例逐年上升,及时发现居民用电异常,对实现节能减排具有重要意义。结合房间占用率和设备使用特性考虑,本文提出了一种基于卷积神经网络的居民用电异常检测方法。首先,定义了两种常见的居民用电设备异常,即设备过载异常和设备空置异常。然后,从设备功耗规格、房间占用信息等数据中提取能耗异常的分类规则,并对每条能耗序列数据进行类型标定。在此基础上,利用卷积神经网络分类模型对带标签的能耗数据集进行训练学习。最后,利用真实设备能耗数据进行能耗异常分类和检测。实验结果表明,所提出的方法优于其他传统机器学习算法,具有高准确率和F1分数,实现了对能耗异常的自动识别与分类。; 关键词异常用电检测房间占用率设备使用特性分类规则卷积神经网络; Keywords abnormal electricity usage detection room occupancy equipment usage characteristics classification rules convolutional neural network; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程] TM925.01 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名基于时间卷积网络的用户用电异常检测方法被引量：7: 5; 作者刘月峰赵潇潇; 机构内蒙古科技大学信息工程学院; 出处《科技创新与应用》 2021年第27期145-147,共3页; 文摘针对电网中的用电异常行为,为了解决大部分传统检测方法效率低下以及当前的机器学习模型存在局限性等问题,提出了一种基于时间卷积网络的端到端的用户用电异常检测模型。结果表明,文章提出的方法在中国国家电网公司(SGCC)收集的电表数据集上表现出的分类效果优于现有的支持向量机(SVM)、logistic回归(LR)、卷积神经网络(CNN)和长短期记忆网络(LSTM)等方法。; 关键词用电异常检测非技术性损失时间卷积网络; Keywords electricity anomaly detection non-technical losses temporal convolutional network(TCN); 分类号 TM73 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名保护样本分布特征的混合采样方法: 6; 作者张浩仁璐阎少宏; 机构华北理工大学理学院河北省数据科学与应用重点实验室唐山市数据科学重点实验室; 出处《华北理工大学学报（自然科学版）》 CAS 2024年第3期122-130,共9页; 基金河北省自然科学基金面上项目(A2023209002):非线性马氏切换微分系统的离散、间歇随机反馈控制研究。; 文摘在大数据窃电检测领域,基于机器学习的异常用电检测方法往往面临数据不平衡问题,影响了模型的泛化性能。为此,提出了一种保护样本分布特征的混合采样算法。首先,根据样本的分布特征提出了密度欠采样和邻域过采样算法。然后,为进一步提高数据处理效果、提升模型性能,给出了失衡度指标来将两种算法结合,并提出了保护样本分布特征的混合采样方法。在两份数据集上进行实验,经过该算法处理的数据集,相较于现有的过采样算法,能够有效减少样本数量,提高模型的训练速度;相较于现有的欠采样算法,能够提高模型准确率和AUC值。; 关键词数据平衡处理数据增强混合采样算法异常用电检测; Keywords data balancing data augmentation hybrid sampling algorithm abnormal electricity usage detection; 分类号 TP309.7 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于大数据分析的通信机房窃电侦查方法被引量：1: 7; 作者庄丹郭向荣邓金荣许学研曹海山陈庆专黄伟群; 机构中国移动通信集团广东有限公司汕头分公司无线优化中心通信物业管理室中国移动通信集团广东有限公司汕头分公司无线优化中心中国移动通信集团广东有限公司汕头分公司无线优化中心综合管理室中国移动通信集团广东有限公司汕头分公司集团客户部AI应用创新中心; 出处《广东通信技术》 2021年第12期18-22,共5页; 文摘移动通信运营商每年投入大量的资金建设5G基站,基本遍布全国各区域。移动网络站点广泛分布在各处,基站用电无人看管,偷漏电现象时有发生。由于基站点多面广,查处难度大,传统排查方式耗时耗力,针对基站用电异常问题,将窃电行为场景化并提炼相关用电行为特征,结合电表大数据、基站设备数据、网管能耗数据、用户行为,构建一种精细化、多维度、场景化关联的用电异常检测方法,输出用电异常站点清单,高效支撑现场排查取证。; 关键词用电异常检测通信机房窃电降本增效用户行为打击偷电; 分类号 TM73 [电气工程—电力系统及自动化] TN80 [电子电信—信息与通信工程] TP311.13 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于RFE+CatBoost模型的异常用电检测方法研究	冉哲李英娜刘爱莲	《电视技术》	2021	3	在线阅读下载PDF 职称材料
2	基于改进RF算法的电能计量异常检测分析	邹丹张梦莎	《消费电子》	2025	0	在线阅读下载PDF 职称材料
3	基于特征选择的养殖行业异常用电行为检测	孙耀易校石	《科学技术创新》	2024	0	在线阅读下载PDF 职称材料
4	基于卷积神经网络的居民用电异常检测方法	陶华庄友谊戴欢	《科学技术创新》	2022	1	在线阅读下载PDF 职称材料
5	基于时间卷积网络的用户用电异常检测方法	刘月峰赵潇潇	《科技创新与应用》	2021	7	在线阅读下载PDF 职称材料
6	保护样本分布特征的混合采样方法	张浩仁璐阎少宏	《华北理工大学学报（自然科学版）》 CAS	2024	0	在线阅读下载PDF 职称材料
7	基于大数据分析的通信机房窃电侦查方法	庄丹郭向荣邓金荣许学研曹海山陈庆专黄伟群	《广东通信技术》	2021	1	在线阅读下载PDF 职称材料