基于样本优化选取的支持向量机窃电辨识方法

• 作者: 丁学峰 卢峰 尹小明 王颖 陈洪涛
• 来源期刊: 计算机测量与控制
• 关键词: 窃电行为 一类支持向量机 电量波动 反窃电
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 设计与应用
• 页码范围: 223-226
• 页数: 4页
• 分类号: TP274
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.06.057

摘要

目前窃电行为普遍存在,如何提高用户用电系统的窃电辨识能力是电力公司一直关注的热点问题;随着智能电表在各地区的普及,数据挖掘等大数据分析技术在用电数据处理上的应用越来越受到重视;针对电力公司亟待解决的反窃电问题,在研究支持向量机原理和分析用电数据特性的基础上,将One-class SVM算法引入到疑似窃电判断当中,提出了一种将电量波动特征和One-class SVM结合的窃电辨识模型;首先提出改进的电量数据波动系数来表征电量波动,然后设计了基于One-class SVM窃电辨识方案;提出一种以电量波动系数作为指标选取训练样本的方法,训练得到相应分类模型,通过该模型分析用电数据从而辨别出是否存在窃电行为;算法验证结果表明该方法能提高窃电辨识的准确率和效率,具备一定的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王颖	中国计量大学机电工程学院	33	66	4.0	5.0
2	尹小明		2	9	2.0	2.0
3	丁学峰		2	9	2.0	2.0
4	卢峰		3	3	1.0	1.0
5	陈洪涛	中国计量大学机电工程学院	2	6	2.0	2.0