典型文献
基于线性判别分析和密度峰值聚类的异常用电模式检测
文献摘要：
现有的异常用电检测方法存在未考虑电力用户的位置信息、模型参数选取困难的问题.据此,提出了一种基于线性判别分析(LDA)和密度峰值(DPeaks)聚类的双判据无监督异常用电检测模型.该模型遵循"特征构造—维度规约—聚类—异常检测"的流程,借助聚类算法将用电模式类别不同的用户进行分类后再检测.在维度规约模块,使用线性判别分析将用户的台区号输入检测模型,提升了模型的检出率和精确率;在异常检测模块,设置双判据检测标准,减小了模型对参数摄动的敏感程度.采用该模型检测爱尔兰智能电表数据,结果表明用户位置信息的引入可以提高异常检测模型的准确度.
文献关键词：
非技术性损失;异常用电检测;无监督学习;线性判别分析;密度峰值聚类
中图分类号：
作者姓名：
王建元;张少锋
作者机构：
现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学),吉林省吉林市 132012
文献出处：
引用格式：
[1]王建元;张少锋-.基于线性判别分析和密度峰值聚类的异常用电模式检测)[J].电力系统自动化,2022(05):87-95
A类：
DPeaks,非技术性损失
B类：
线性判别分析,密度峰值聚类,用电模式,模式检测,异常用电检测,电力用户,位置信息,参数选取,LDA,双判据,检测模型,特征构造,规约,异常检测,聚类算法,模式类别,再检测,台区,区号,精确率,检测模块,检测标准,参数摄动,敏感程度,模型检测,爱尔兰,智能电表,电表数据,用户位置,无监督学习
AB值：
0.326086
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。
