基于智能电表大数据的异常用电检测

• 作者: 方龙泉 杨延 潘磊 连浩
• 来源期刊: 计算技术与自动化
• 关键词: 监督学习 非技术损失 智能电表 超梯度提升树
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 云技术及大数据应用
• 页码范围: 177-183
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202002035

摘要

异常或欺诈造成的非技术性电力损失是电力公司损失的主要源头之一.智能电表的广泛使用,使得运用大数据方法实现对非技术性电力损失的有效检测成为可能.提出了一种使用监督学习进行非技术损失检测的方法.该方法基于智能仪表记录的所有信息(耗电量、异常警报等)结合辅助数据库所提供的有关每个智能电表的地理位置和技术参数的附加信息,使用最优的机器算法来深入分析用电客户的用电行为,生成异常用电客户列表.通过现场检查的结果表明,该方法能够较为准确地识别智能电网中所存在异常用电客户.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨延		3	0	0.0	0.0
2	连浩		3	0	0.0	0.0
3	方龙泉		2	0	0.0	0.0
4	潘磊		3	2	1.0	1.0