典型文献
考虑信息动态表达的异常用电模式识别云边协同方法
文献摘要：
异常用电识别是用电稽查、计量装置运行状态辨识的重要内容,对维护电网的安全运行和保障正常用户权益有重要的意义.已有方法为了识别用户的多元用电模式,在保证识别准确性的基础上容易造成计算过于复杂的问题,而考虑效率的简单计算方法又难以准确度量不同用电模式的相似性,因此难以兼顾计算效率与准确性;此外,将用电数据上传至云端集中计算会占用大量的网络带宽和计算资源,进一步限制了异常辨识的应用.为此,提出了一种考虑信息动态表达的异常用电模式识别云边协同方法.根据边缘端和云端的计算资源合理分配协作任务,实现了异常用电的云边协同识别.针对边缘服务器算力有限的问题,对用电数据进行动态压缩重表达,在缩减数据量的同时保证数据信息的准确性.云端在收到压缩数据后以分段加权动态时间规整距离作为压缩数据相似性度量的依据,基于自适应参数选择的密度聚类算法识别异常用电.基于实际数据集验证了所提方法的有效性.
文献关键词：
异常用电识别;信息动态表达;云边协同;数据压缩;相似性度量
中图分类号：
作者姓名：
刘慧自;汪颖;胡文曦;肖先勇
作者机构：
四川大学 电气工程学院,四川 成都610065
文献出处：
引用格式：
[1]刘慧自;汪颖;胡文曦;肖先勇-.考虑信息动态表达的异常用电模式识别云边协同方法)[J].电力自动化设备,2022(07):59-67
A类：
信息动态表达
B类：
用电模式,模式识别,云边协同,协同方法,异常用电识别,用电稽查,计量装置,装置运行,运行状态辨识,用户权益,简单计算,同用,计算效率,用电数据,数据上传,云端,中计,网络带宽,计算资源,异常辨识,边缘端,合理分配,协作任务,边缘服务器,算力,动态压缩,减数,数据量,保证数据,动态时间规整,规整距离,数据相似性,相似性度量,自适应参数选择,密度聚类算法,算法识别,实际数据,数据集验证,数据压缩
AB值：
0.376832
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。
