相异模型下Stacking集成结构的异常用电用户识别方法

摘要：

针对电力用户异常用电行为造成电网非技术性损失(non-technical-loss,NTL),影响企业收益及供电质量等问题,文中提出一种相异模型下Stacking集成结构的异常用电用户识别方法.该方法综合分析用户用电侧历史数据特性,建立并提取用户用电特征;采用支持向量机(support vector machine,SVM)、随机森林(random forests,RF)、梯度决策树(gradient boosting decision tree,GBDT)及深度森林(deep forest)4种相异模型做为Stacking结构的基分类模型,对用电特征进行Stacking转换;并选取XGBoost(extreme gradient boosting)算法作为Stacking结构的元分类模型,对转换后的用电特征集进行分类,判断用户用电是否异常.通过实例分析,验证本文所提模型相比于单个模型有更高效的分类性能,为供电企业用电监察工作及经济效益管理提供参考.

关键词：异常用电;支持向量机;随机森林;XGBoost;深度森林;Stacking集成

所属期刊栏目：45

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金51707041

在线出版日期：2021-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：4828-4836