异常用电用户检测方法研究

发布时间：2024-04-27 02:38

　　据研究显示,每年电力系统中因非技术性问题造成的营运损失高达百亿美元。非技术性损失是指由配电网侧电力用户的窃电、欺诈等一系列虚假用电行为造成的运营损失。随着智能电网不断推进与传感采集技术的高速发展,电力公司用电负荷数据海量增加,这导致异常用电用户检测越来越困难。近年来,人们提出一些智能检测算法来克服原始人工检测盲目性高、查准率低等弊端,提高现场检测的命中率,降低运营成本。现阶段大部分智能检测算法都是基于有监督学习进行的,需要以大量带标签的训练集为前提。但现实情况中,数据分析检测的初始阶段没有大量训练集进行模型训练,所以本文提出了基于无监督和半监督学习的异常用电用户检测模型,旨在形成用户可疑度排序列表,为现场检测提供检测重点,提高现场检测的准确率。本文研究工作主要包括:(1)针对检测初期,缺乏用户用电类型(正常、异常)的问题,利用无监督学习方法提出基于离群点的异常检测模型框架。框架中包含基于聚类分析的一级灰名单生成算法与基于离群点计算的二级灰名单生成算法。利用此模型可以生成具有可疑度排名的用户列表。利用真实电力数据进行实验表明本文模型在无需训练集的情况下生成可疑度排名列表,只需检测该列表前...

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

图4-16本文方法获得的第3次用户负荷异常下跌检测结果

第四章电压暂降与用电可靠性关联机理分析与关联模型研究(b)总体负荷图4-15本文方法获得的第2次用户负荷异常下跌检测结果第3次用户负荷异常下跌检测结果如图4-16所示，则用户LP3、LP11、LP17、LP18发生了电压暂降；LP6为其他原因导致的负荷功....

图２．１局部离群因子的示意图??Ｆｉｇ．?２．１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｆｏｒ?ｌｏｃａｌ?ｏｕｔｌｉｅｒ?ｆａｃｔｏｒ??

＿ｄｉｓｔｋ?（／？，〇）?＝?ｍａｘ｜Ａ：＿ｄｉｓｉ（ｏ），（／？，〇）｝?式（２．１６）??由式２．１６可见，图２．２中对象５和对象Ｃ关于对象ｄ的可达距离０?＝?３）相??等。???－？??（狗??图２．２可达距离的示意图??Ｆｉｇ．?２．２?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａ....

图２．２可达距离的示意图??Ｆｉｇ．?２．２?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｆｏｒ?ｒｅａｃｈａｂｉｌｉｔｙ?ｄｉｓｔａｎｃｅ??

＃??＊??图２．１局部离群因子的示意图??Ｆｉｇ．?２．１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｆｏｒ?ｌｏｃａｌ?ｏｕｔｌｉｅｒ?ｆａｃｔｏｒ??定义２．２对象的丨－距离邻域［５（）］??对象的／ｔ?－距离邻域是所有到Ｐ的距离不超过Ａ?－距离的对象集合，即：??Ｍ（／？）?＝....

图２．３聚类示意图??Ｆｉｇ．?２．３?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｆｏｒ?ｃｌｕｓｔｅｒ??

且土巧＝１４?坌，］，＾（心巧，？？４７＼；１１，４，．．．；１々）／是未知参数的向量［５３］。??／＝１?Ｖ?）??采用基于高斯混合模型的聚类算法进行聚类，将产生图２．３的聚类效果。??▲??〇??〇?，棚麵麵〇??〇〇〇〇?占??Ｏ?參°」八??ｃｃ＞°?黎???？??图２．....

本文编号：3965231