基于线性判别分析和密度峰值聚类的异常用电模式检测
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.
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
46
2022-03-11(万方平台首次上网日期,不代表论文的发表时间)
共9页
87-95