在电网数据采集系统中,各类数据业务在速率、时延等方面对采集系统有着不同的通信服务质量(quality of service,QOS)要求,如何有效利用通信的带宽和功率资源满足各类数据业务的QOS需求成为关键问题。针对这一问题,提出了数据采集系统中...在电网数据采集系统中,各类数据业务在速率、时延等方面对采集系统有着不同的通信服务质量(quality of service,QOS)要求,如何有效利用通信的带宽和功率资源满足各类数据业务的QOS需求成为关键问题。针对这一问题,提出了数据采集系统中多业务QOS保障的资源分配策略。首先,构建电网系统中的数据采集问题模型,并提出最大化系统总效用的优化问题;接着,针对系统中QOS业务和尽最大努力(best effort,BE)业务的不同特性,将原优化问题转换为保障QOS业务限制下最大化BE业务有效容量的问题;最后,提出一种低复杂度的迭代算法,将转换后的问题分解为2个子问题并迭代求解。仿真结果表明:所提策略在满足数据采集QOS的同时,能够显著提升系统整体的有效容量。展开更多
基于单一模型的传统窃电检测精度有待提高,应用Stacking集成学习策略,提出一种新的窃电模型,并根据实际业务需要构造MAP(mean average precision)检测指标。为实现降维效果,按时间多维度拆解用户日用电量特征,并采用Embedding特征选择,...基于单一模型的传统窃电检测精度有待提高,应用Stacking集成学习策略,提出一种新的窃电模型,并根据实际业务需要构造MAP(mean average precision)检测指标。为实现降维效果,按时间多维度拆解用户日用电量特征,并采用Embedding特征选择,选取其中的重要度高特征;采用贝叶斯优化调参,结合XGBoost、LightGBM和CatBoost集成模型对数据进行交叉验证和预测;分别拼接验证结果和预测结果,Stacking的基分类器采用逻辑斯蒂回归进行集成训练,输出最终预测结果。以2016 CCF竞赛数据为算例,验证了所提出的窃电模型的有效性和可行性。展开更多
文摘在电网数据采集系统中,各类数据业务在速率、时延等方面对采集系统有着不同的通信服务质量(quality of service,QOS)要求,如何有效利用通信的带宽和功率资源满足各类数据业务的QOS需求成为关键问题。针对这一问题,提出了数据采集系统中多业务QOS保障的资源分配策略。首先,构建电网系统中的数据采集问题模型,并提出最大化系统总效用的优化问题;接着,针对系统中QOS业务和尽最大努力(best effort,BE)业务的不同特性,将原优化问题转换为保障QOS业务限制下最大化BE业务有效容量的问题;最后,提出一种低复杂度的迭代算法,将转换后的问题分解为2个子问题并迭代求解。仿真结果表明:所提策略在满足数据采集QOS的同时,能够显著提升系统整体的有效容量。
文摘基于单一模型的传统窃电检测精度有待提高,应用Stacking集成学习策略,提出一种新的窃电模型,并根据实际业务需要构造MAP(mean average precision)检测指标。为实现降维效果,按时间多维度拆解用户日用电量特征,并采用Embedding特征选择,选取其中的重要度高特征;采用贝叶斯优化调参,结合XGBoost、LightGBM和CatBoost集成模型对数据进行交叉验证和预测;分别拼接验证结果和预测结果,Stacking的基分类器采用逻辑斯蒂回归进行集成训练,输出最终预测结果。以2016 CCF竞赛数据为算例,验证了所提出的窃电模型的有效性和可行性。
