Grassberger熵随机森林在窃电行为检测的应用

摘要：

窃电行为严重危害电网安全,为了提高对窃电行为的检测效率,提出一种新型的基于Grassberger熵随机森林的电网用户窃电检测方法.首先,采用核主成分分析方法(Kernel Principal Componemt Analysis,KPCA)对用户的原始用电量的时间序列向量进行降维,提取用户的用电特征;接着,考虑到窃电样本和正常样本数量相差较大时,窃电检测的分类器训练效果较差,因此,采用数据欠采样方法建立多个数量平衡的样本子集,并采用改进的Grassberger熵随机森林(Random Forest,RF)算法计算信息增益,对各样本子集进行训练再集成,从而提高模型对窃电检测的准确度.以中国南方电网的专变用户窃电检测为案例,将各用户的电表采集电量数据作为模型输入,验证所提模型的窃电检测效果.

关键词：窃电检测、随机森林、核主成分分析、Grassberger熵

所属期刊栏目：49

分类号：F407.6(工业经济理论)

资助基金：中国南方电网有限责任公司科技项目;国家自然科学基金

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：790-794