典型文献
基于大数据的用电特征嫌疑用户分析
文献摘要：
目前有效的用电行为异常监测手段,仅依靠计量人员、用电检查人员逐户现场核查,导致工作效率低、工作量大,用户下场检查覆盖率无法达到100％.为解决该问题,本文以逆向思维为主线,从历史计量差错、电价执行异常、违约、窃电用户入手,提炼阈值规则,搭建客户用电异常行为精准识别模型,自动校验输出表计失压、断流、接线异常、私自启封、私自增容、高低压电价混接等监测场景异动;同时基于行业信息、用电时段、电压、电流、电量等数据,通过应用大数据技术进行回归分析、K-means聚类分析等计算,构建用电客户行业特征模型及电力波动模型,并与电量突增突减、台区线损、表计开盖规则场景异动精准率,辅助计量、用检人员提高下厂检查效率和电费审核效率,助力电费"颗粒归仓".
文献关键词：
数据挖掘;全量数据;异常用电行为;行业特征;场景监测
中图分类号：
作者姓名：
陈明;张丽文;王璐;袁娟;宋庆华;曾琴
作者机构：
国网甘肃省电力公司酒泉供电公司,甘肃 酒泉735000;成都科普威信息技术有限责任公司,四川 成都610042
文献出处：
引用格式：
[1]陈明;张丽文;王璐;袁娟;宋庆华;曾琴-.基于大数据的用电特征嫌疑用户分析)[J].电力大数据,2022(06):24-35
A类：
接线异常
B类：
用电特征,嫌疑,异常监测,监测手段,用电检查,检查人员,逐户,现场核查,户下,下场,逆向思维,差错,电价,违约,窃电,阈值规则,户用,用电异常,异常行为,精准识别,识别模型,自动校验,输出表,失压,断流,私自,启封,增容,高低压,低压电,混接,异动,电量,means,用电客户,行业特征,特征模型,突增,突减,台区线损,高下,下厂,检查效率,电费,颗粒归仓,全量数据,异常用电行为,场景监测
AB值：
0.593506
相似文献
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。
