10.3969/j.issn.1007-757X.2022.12.040
基于用电大数据的低压电力客户电费异常识别模型
针对传统电费识别模型中电费异常识别耗时较长、误差较大等问题,提出基于用电大数据的低压电力客户电费异常识别模型.将低压电力客户用电数据转换为数据集形式,清洗该数据集中脏数据,通过多阶拉格朗日内插法修补日负荷曲线的缺失值;利用流聚类技术设置阈值,获取用电数据集中初始簇的中心,采用平方和误差最小函数确定具有最大关联特征的用电数据;通过对n维空间中所有电力特征参数的处理,获取时间序列矩阵,构建低压电力客户电费异常识别模型.实验结果表明:采用所提模型识别低压电力客户电费异常的耗时最短约为0.1 s,且误差最高约为2.1%.
用电大数据、低压电力、电费异常、识别模型、异常节点
38
TM393.2(电机)
2023-03-01(万方平台首次上网日期,不代表论文的发表时间)
共3页
143-145