典型文献
基于PCA和决策树模型的异常电费数据检测和识别研究
文献摘要：
为解决电力公司当前主要依赖主观经验人工验证和判断异常用电数据分析方法准确率低下,同时耗费大量的人力物力,效率低下的问题,本文基于某公司的电力营销大数据并结合外部天气、政策等因素的影响,利用机器学习等算法对异常的用电数据进行检测和识别.首先对数据集进行清洗和预处理,对数据中的错误数据、空缺数据、不一致数据进行处理并转换成标准的可接受的处理格式;接着利用主成分分析法对数据进行简化、降维处理,提取出隐藏在数据间的重要特征;最后,利用决策树算法,对预处理后的数据进行训练和测试.检测的结果表明,本文提出的算法模型能够有效地提升拦截准确率、降低漏报率和误报率.该方法可应用于各供电企业,提高人工审核的效率,降低企业的经济损失,从而不断提高相关供电企业的服务水平.
文献关键词：
电量电费;异常;大数据;主成分分析法;决策树
中图分类号：
作者姓名：
向黎藜;肖私宇;钟爱;郭娇;段凯;张人杰
作者机构：
国网重庆市电力公司营销服务中心,重庆400000
文献出处：
引用格式：
[1]向黎藜;肖私宇;钟爱;郭娇;段凯;张人杰-.基于PCA和决策树模型的异常电费数据检测和识别研究)[J].电力大数据,2022(04):42-47
A类：
B类：
决策树模型,数据检测,检测和识别,电力公司,异常用电,用电数据,数据分析方法,耗费,人力物力,某公司,电力营销大数据,错误数据,空缺,转换成,降维处理,决策树算法,算法模型,拦截,漏报率,误报率,供电企业,电量电费
AB值：
0.365647
相似文献
基于梯度提升决策树的电力物联网用电负荷预测
刘瑾;赵晶;冯瑛敏;周超;姜美君;章辉-国网天津电力经济技术研究院,天津 300171;南开大学,天津市光电传感器与传感网络技术重点实验室天津 300350
基于数据增强及降维方法的配网业扩工程分类模型
周鑫;林镜星;谢志炜;张铮;梁濡铎;欧祖宏-广东电网有限责任公司广州供电局 ,广东 广州 510013;广东工业大学 自动化学院,广东 广州 510006
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
