基于Bagging异质集成学习的窃电检测

• 作者: 吴永华 李文武 李清清 杨楠 游文霞 申坤
• 来源期刊: 电力系统自动化
• 关键词: 窃电检测 Bagging 集成学习 个体学习器 多样性
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 学术研究
• 页码范围: 105-113
• 页数: 9页
• 语种: 中文
• DOI: 10.7500/AEPS20200411002

摘要

针对传统窃电检测中单一分类方法的不足,提出一种基于Bagging异质集成学习的窃电检测方法.考虑不同个体学习器在数据集上的表现以及各学习器之间的多样性,构建多种个体学习器嵌入的Bagging异质集成学习的窃电检测模型,模型的个体学习器包含k最近邻、误差反向传播神经网络、梯度提升树和随机森林,通过引入改进加权投票策略将其输出进行结合.使用爱尔兰智能电表数据集对算法有效性进行验证.结果表明,与传统单一学习器和同质集成学习检测相比,基于Bagging异质集成学习的窃电检测方法的准确率、命中率、误检率等检测指标更好,灵敏性分析验证了基于Bagging异质集成学习的窃电检测方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李文武		30	396	8.0	19.0
2	游文霞		14	194	4.0	13.0
3	杨楠		13	34	3.0	5.0
4	申坤		1	0	0.0	0.0
5	李清清		1	0	0.0	0.0
6	吴永华		1	0	0.0	0.0