基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为全面有效分析和检测数据和用电异常,提高异常用电报警准确率和电量管理水平.从两个方面研究用电异常检测:一是通过用户用电异常防止意外,保障用户安全,如检测到用户负荷长期居高不下,则提醒用户可能存在电器漏电;二是防止非技术性电能损失或用户窃电,如检测到用户连续异常负荷骤降,提醒稽查人员到现场检测用户是否存在窃电.通过改进人工蜂群算法自动提取电力负荷曲线进行关联对比,实现上述行为的判断.实验结果表明,基于改进人工蜂群的异常检测算法具有较好的适应性和较高的异常检测精度.
推荐文章
改进的人工蜂群算法
人工蜂群算法
差分进化算法
种群初始化
搜索方程
平衡搜索的改进人工蜂群算法
人工蜂群算法
局部搜索
群智能算法
适应度评价
搜索策略
基于局部最优解的改进人工蜂群算法
人工蜂群算法
种群初始化
反向学习
搜索频率
基于混沌人工蜂群算法的色彩量化方法
混沌
蜂群算法
色彩量化
图像处理
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进人工蜂群算法的用电异常检测方法
来源期刊 长春理工大学学报(自然科学版) 学科 工学
关键词 人工蜂群 邻域搜索 用电行为 异常检测 负荷模式匹配
年,卷(期) 2019,(1) 所属期刊栏目
研究方向 页码范围 123-127
页数 5页 分类号 TP18
字数 4302字 语种 中文
DOI 10.3969/j.issn.1672-9870.2019.01.026
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 匡芳君 温州商学院信息工程学院 20 61 4.0 7.0
2 张思扬 温州商学院信息工程学院 6 9 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (92)
共引文献  (135)
参考文献  (11)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(9)
  • 参考文献(0)
  • 二级参考文献(9)
2011(15)
  • 参考文献(1)
  • 二级参考文献(14)
2012(12)
  • 参考文献(0)
  • 二级参考文献(12)
2013(8)
  • 参考文献(0)
  • 二级参考文献(8)
2014(12)
  • 参考文献(2)
  • 二级参考文献(10)
2015(14)
  • 参考文献(3)
  • 二级参考文献(11)
2016(10)
  • 参考文献(4)
  • 二级参考文献(6)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
人工蜂群
邻域搜索
用电行为
异常检测
负荷模式匹配
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
长春理工大学学报(自然科学版)
双月刊
1672-9870
22-1364/TH
16开
长春市卫星路7089号
1978
chi
出版文献量(篇)
3546
总下载数(次)
14
总被引数(次)
15546
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导