基于机器学习的用户窃电行为预测

• 作者: 李红娇 许智 陈晶晶
• 来源期刊: 上海电力学院学报
• 学科: 工学
• 关键词: 窃电 智能电表 随机森林 支持向量机 迭代决策树
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 智能电网
• 页码范围: 389-393
• 页数: 5页
• 分类号: TP18|TM715
• 字数: 4629字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-4729.2017.04.016

摘要

新型智能电表普及后,为了准确检测出电网中的窃电用户,可以结合机器学习的方法.为此,选择了支持向量机、随机森林和迭代决策树3种机器学习中较常用的大数据算法进行分析,通过不断调整试验数据集的大小,对3种算法的效率和准确率进行测试.对比分析结果发现,随机森林算法运行的时间和数据量的大小基本呈线性关系,效率较高,且准确率稳定在86％以上,表现较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李红娇	上海电力学院计算机科学与技术学院	24	63	4.0	7.0
2	陈晶晶	上海电力学院计算机科学与技术学院	2	10	2.0	2.0
3	许智	上海电力学院计算机科学与技术学院	2	10	2.0	2.0