分享到:

基于用电特征分析的异常用电检测方法

针对目前异常用电检测中存在的专变用户窃电率高、窃电模式难以察觉、使用窃电检测模型查找窃电用户过程中训练集不足的问题,提出了一种基于用电特征分析的无监督方式异常用电检测方法.该检测方法引入离群点查找算法,量化了海量数据中不同异常用电行为,将其提取为异常用电特征序列,并且根据专变用户不同计量方式和用电特点,  (本文共6页) 阅读全文>>

电子科技大学
电子科技大学

基于行为分析的通信网络流量异常检测与关联分析

随着信息技术和通信技术的不断发展和广泛应用,通信网络承载的数据流量越来越大,网络结构和应用日趋复杂。为保证通信网络的安全、高效运行,就必须实时、准确地对网络运行情况进行分析和检测,获取异常事件发生的根本原因。流量异常检测能够有效检测网络中的异常事件,关联分析能揭示引起异常的根本原因,对提高通信网络系统的应急响应能力具有重要意义,也是目前全世界学术界和工业界共同关注的前沿研究领域。本文以网络流量行为分析为基础,深入理解流量行为在时间和空间上表现出的不同特征,并结合数据挖掘和信号处理方法,研究通信网络中的流量异常检测与关联分析方法,所取得的主要研究成果如下:1.通信网络流量的行为特征参数提取提出基于子流分解的通信网络流量行为特征参数提取方法,与现有网络流量行为特征参数相比,在子流上提取的网络流量行为特征参数能在满足实时性要求的前提下,更细致地刻画流量行为特征的细节。2.基于单汇接点的通信网络流量异常行为检测(1)提出基于时间序列图挖...  (本文共130页) 本文目录 | 阅读全文>>

山东大学
山东大学

基于电力营销数据的用户行为特征分析及窃电识别方法研究

基于当前国内电力体制改革形势和窃电技术的发展,反窃电工作的重要性和紧迫性日益提升,而如何精准高效识别窃电用户是反窃电管理的首要工作。本文基于目前已广泛应用的用电信息采集系统数据,借助各类算法对用户的电流、电压、功率因数、电量不平衡率等曲线情况进行分析,进而实现窃电用户的初步甄别,然后对重点疑似窃电对象实施精准监测,为反窃电工作提供参考和帮助。本文主要研究内容如下:首先,针对本课题查找相关文献,发现目前判断用户窃电行为的研究往往局限于电力用户之间的横向对比,甄别出窃电用户的准确率不高。因此,本文在对比分析多种基本算法的基础上,确定利用层次分析法以及LOF(Local Outlier Factor,LOF)算法等建立基于用电信息采集数据的电力用户行为特征分析算法,并结合窃电行为特点制定窃电用户识别方案,同时对相关算法进行了详细介绍。其次,根据数据离群点检测原理,提出了基于加权LOF算法的窃电识别方法,实现对用户进行全面的窃电行为嫌疑...  (本文共65页) 本文目录 | 阅读全文>>

昆明理工大学
昆明理工大学

基于神经网络的用户异常用电行为分析

现阶段,我国智能电网建设飞速发展,信息化采集系统逐渐完备,可采集到的用电数据日益增多,用户用电数据中隐藏着大量信息,采用神经网络算法分析用户用电数据,挖掘其中的有用信息,获取不同类型用户用电的相关规律和模式信息,为电力调度和电力服务提供依据。同时异常用电行为也与日俱增。异常用电行为不单给电网公司带来了巨大的损失,还会对电网设施造成损坏,对电网安全运行造成巨大隐患。因此,异常用电行为检测是保证电网安全运行的重要一环。通过对以上问题的研究,异常用电的主要手段有电能计量装置故障、窃电、电力系统谐波干扰三个原因。本文将从计量装置故障与窃电两大原因入手,深入探究计量装置故障与窃电发生的特征量,从计量装置检测数据和用户用电数据着手,对特征数据进行整理和计算,随后采用了一种基于主成分分析改进的极限学习机算法,对计量装置检测数据进行分析,划分计量装置中发生的各种故障。然后采用PSO算法对BP神经网络进行优化,搭建用户异常用电检测模型,用以识别出...  (本文共83页) 本文目录 | 阅读全文>>

北京邮电大学
北京邮电大学

面向电力大数据的用户用电行为挖掘方法

随着智能电网的建设推进,逐步积累了大量的数据资源,而采集频度的增强、数据量的急剧增长、以及数据类型的多样化,对数据处理和价值挖掘也提出了更高要求。在电力大数据中,用户用电负荷数据占据了相当大的比重,它反映了用户真实的用电需求,值得对它进行深度挖掘,获取用户用电行为的重要知识,从而在配用电管理领域辅助实现决策支持。然而,用电负荷数据具有规模大、维度高、来源类型多、时效特征强、价值密度低等典型特征,且与大量社会、经济、环境、地理数据关联密切。因此,为了提高其应用质量和范围,就需要根据不同的数据特征和应用目的,研究开发高效的数据分析挖掘方法。本文针对用电负荷数据的数据特性,考虑需要实现的应用目的,分别从行为特征、行为关联和行为演化三方面,深入研究用户用电行为挖掘方法,取得如下成果:1.针对用电行为特征分析方法,首先提出一种基于小波变换的融合曲线聚类方法,以提高高维负荷曲线的聚类有效性,实现单用户典型用电负荷模式提取。该方法在利用小波变...  (本文共122页) 本文目录 | 阅读全文>>

华北电力大学(北京)
华北电力大学(北京)

基于机器学习的非法用电行为检测方法研究

随着科学技术的迅速发展,人们的生活水平逐渐提高,在电力方面的需求也在逐渐增加。同时,各种各样非法用电行为的存在,不仅会给国家造成巨大的财产损失,还会影响电力系统的安全运行。因此,如何利用采集到的海量用户侧数据进行快速、准确地非法用电行为检测,受到了学术界和业界的广泛关注。本文主要从两个方面对非法用电行为检测方法进行了研究。在基于聚类的非法用电行为检测模型中,首先利用自编码器对数据进行预处理,从而得到高层次的用户特征;其次,利用快速搜索和密度峰值算法对模糊聚类算法进行改进,以快速确定合适的初始聚类中心,删除一些异常数据,得到最佳聚类结果;最后,根据输入特定负荷曲线所属类别,选择相应的特征曲线,进行相似度计算,并与设定阀值进行比较,判断是否存在非法用电行为。在基于CatBoost算法的非法用电行为检测模型中,首先利用网格搜索技术获得最佳参数组合;其次,利用用户历史负荷数据进行模型训练,完成用户的非法用电行为检测。并与基于随机森林(R...  (本文共55页) 本文目录 | 阅读全文>>