典型文献
基于聚类分析和用户画像的用气负荷异常检测
文献摘要：
将燃气日瞬时流量和日用气量作为研究对象,提出基于K-means聚类、特征标签、用户画像、k折交叉验证和岭回归的用气负荷异常检测方法.结合实例,对该异常检测方法进行探讨.将案例用户某段时间的瞬时流量组成数据集,使用K-means算法进行聚类分析,将用气分为工艺生产和停工小火两类用气行为,得到工艺生产数据集.针对工艺生产数据集中的每个样本,得到6个特征标签(日最大负荷、日均负荷、日用气时段百分比、日用气量、用气负荷相似度、用气负荷冲击度).将特征标签归一化后绘制修正箱线图,即用户画像,剔除了异常样本.使用k折交叉验证和岭回归算法构建异常评价标准.利用岭回归算法构建异常评价模型.将案例用户另一段时间的瞬时流量输入异常评价模型,进行负荷异常检测,与实际结果对照,得到该异常检测方法的准确率达到90％以上.
文献关键词：
特征标签;K-means聚类;用户画像;岭回归;用气负荷异常检测
中图分类号：
作者姓名：
胡殿涛;王超群;张梦园;陈小辉
作者机构：
航天智慧能源研究院,上海201101;上海航天能源股份有限公司,上海201101;贵州大学,贵州贵阳550025
文献出处：
引用格式：
[1]胡殿涛;王超群;张梦园;陈小辉-.基于聚类分析和用户画像的用气负荷异常检测)[J].煤气与热力,2022(04):后插35-后插42
A类：
用气负荷异常检测
B类：
用户画像,瞬时流量,日用,用气量,means,特征标签,交叉验证,异常检测方法,气分,停工,小火,生产数据,最大负荷,日均,冲击度,箱线图,岭回归算法,异常评价
AB值：
0.190092
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。
