基于用户负荷形状词典的自适应窃电检测方法

Chunjiang Yan, Feng Ma,Weigang Nie,Xiaokun Han,Xiaotao Hai,Yuejie Xu,Yanlin Peng

Global Energy Interconnection（2022）

引用 0|浏览0

暂无评分

摘要

随着高级量测体系在电网中的应用,基于数据驱动的窃电检测方法成为发现窃电的主要手段.然而,由于"异常淹没"现象,即一些窃电用户的用电行为可能会近似于其他正常用户的用电模式,现有的基于用户用电模式的窃电检测方法的效果可能会受到影响.另外,用于窃电检测的无监督学习算法的结果通常是异常度,而非是否发生窃电的"0-1"结果,固定阈值的窃电检测结果可能会产生偏差,因此不能灵活适用于不同场景下用户的窃电检测.为了解决这些问题,本文提出了一种新的基于用户负荷形状词典的窃电检测方法以及相应的阈值可调策略来优化窃电检测效果,并通过数值实验验证所提的自适应窃电检测方法的适用性和检测效果.

查看译文

关键词

Load shape dictionary,Electricity theft detection,Data mining,K-means

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要