典型文献
基于数据挖掘的新型低压窃电识别方法
文献摘要：
针对现今反窃电技术往往采用单一算法分析,导致反窃电效果差强人意的现状,文中提出一种针对低压用户窃电的识别方法.剥离台区线损当中的技术线损部分,采用K-means聚类算法对处理过的线损数据进行分析,识别出线损率异常波动或持续偏高的台区,并根据聚类结果定义时间离散度来衡量窃电疑似度.分析异常台区下的用户,通过相关性分析研究单个用户电量变化与其所在台区线损率变化之间可能存在的关系.采用离群点算法和K-means聚类算法对用户的日电量数据进行分析,判断单个用户存在的窃电嫌疑,并确定具体的窃电行为.研究结果表明该方法在考虑单个用户窃电嫌疑的同时兼顾其所在台区的线损率异常波动,可对低压用户的窃电进行更有效地识别,为窃电识别与整治提供了一种新的思路.
文献关键词：
数据挖掘;窃电;线损;时间离散度
中图分类号：
作者姓名：
程淑亚;蔡慧;沈海泓;陈含琪;谢岳;王颖
作者机构：
中国计量大学机电工程学院,杭州310018;浙江华云信息科技有公司,杭州310000
文献出处：
引用格式：
[1]程淑亚;蔡慧;沈海泓;陈含琪;谢岳;王颖-.基于数据挖掘的新型低压窃电识别方法)[J].电测与仪表,2022(02):68-76
A类：
离群点算法
B类：
窃电识别,反窃电技术,一算,算法分析,差强人意,低压用户,用户窃电,means,聚类算法,线损数据,出线,时间离散度,电量,台区线损率,存在的关系,日电,嫌疑,窃电行为
AB值：
0.223821
相似文献
基于典型窃电用户相似性检索的窃电行为检测方法
覃华勤;梁叶;钱奇;郭思佳;马先芹;郭崇慧-北京科东电力控制系统有限责任公司,北京市 100089;大连理工大学系统工程研究所,辽宁省大连市 116024
基于ICS-K-means聚类算法和WNN的有源低压台区线损估算方法
伍栋文;于艾清;俞林刚;朱亮;林顺富-国网江西电力科学研究院,江西南昌 330096;上海电力大学电气工程学院,上海 200090
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。
