-
题名一种融合聚类和异常点检测算法的窃电辨识方法
被引量：21
- 1
-
-
作者
李宁
尹小明
丁学峰
蔡慧
汪伟
-
机构
中国计量大学机电工程学院
国网浙江长兴县供电有限公司
-
出处
《电测与仪表》
北大核心
2018年第21期19-24,共6页
-
基金
浙江省自然科学基金青年科学基金项目(LQ17E070003)
-
文摘
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。
-
关键词
聚类
异常点
用电量
窃电辨识
-
Keywords
clustering
abnormal point
electricity consumption
stealing identification
-
分类号
TM933
[电气工程—电力电子与电力传动]
-
-
题名基于时空关联矩阵的配电台区反窃电预警方法
被引量：58
- 2
-
-
作者
唐冬来
刘友波
熊智临
马铁丰
苏童
-
机构
四川中电启明星信息技术有限公司
四川大学电气工程学院
西南财经大学统计学院
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2020年第19期168-176,共9页
-
基金
四川省科技计划资助项目(2016GZ0143)
国家电网公司科技项目(202058184A)。
-
文摘
针对配电台区窃电用户难发现、窃电量预估不准确的问题,提出了一种基于时空关联矩阵的配电台区反窃电预警方法。首先,构建配电台区数据清洗方法,采用线性插值算法对低压户表采集的缺失数据进行补正,以消除配电台区量测数据缺失对模型的影响。其次,构建配电台区窃电分析算法,通过台区线损波动率、线损与电流差异曲线的变点时间进行关联分析,从而判断台区是否存在窃电行为。再次,构建窃电用户的时空关联分析模型,通过变点、离群点和关联检测分析窃电嫌疑用户的时空分布特征,并计及用户窃电时间和用电容量等特性,提供预估窃电量。最后,通过实例验证了所提方法的有效性和实用性。
-
关键词
时空关联矩阵
离群点检测
变点检测
窃电行为辨识
窃电量预估
-
Keywords
spatiotemporal correlation matrix
detection of outlier point
detection of change-point
identification of electricity theft behavior
estimation of electricity theft quantity
-
分类号
TM73
[电气工程—电力系统及自动化]
-
