基于经验模态分解与多视角聚类的异常用电模式检测

摘要：

针对现有异常用电检测方法检出效率低下的问题,提出一种基于经验模态与多视角聚类的异常检测方法.遵循"经验模态分解维度制约多视角聚类横向检测纵向检测"的流程,通过多视角聚类结合初步判据,显著提高了检出率.在异常检测算法中,提出基于网格的熵离群因子(Grid-EOF)算法,并基于纵向检测给出新的判据,提高了不明显窃电行为用户的检出率.最后,用国家电网智能电表实测数据检测验证,结果表明多视角聚类和改进算法以及纵向检测的引入,能有效提高异常检测模型的检出率和准确率.

关键词：异常用电检测、经验模态分解、多视角聚类、香农熵

分类号：TM930

在线出版日期：2023-04-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：73-80