基于采样技术和LightGBM的用户用电异常检测模型

• 作者: 刘中强 邹维维
• 来源期刊: 计算机系统应用
• 关键词: 机器学习 用电异常 采样技术 分类模型
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 软件技术·算法|Software Technique · Algorithm
• 页码范围: 232-236
• 页数: 5页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.008157

摘要

在大数据的时代背景下,我国电力事业信息化的发展日趋重要,尤其是需要使用计算机技术对用电数据进行分析.对于用户用电异常的分析问题,传统方法既耗时又耗力,这就需要引入机器学习的相关方法自动的识别异常信息.现阶段,用电异常分析主要基于传统的异常检测算法或深度神经网络,传统异常检测算法运行精度不足而深度神经网络计算速度又过慢.针对目前存在的不足,本分采用了基于采样技术和LightGBM的用户用电异常检测模型,把用电异常检测问题看作分类问题,并使用当前流行的分类模型LightGBM进行训练,在保证速度快的前提下提高了检测的准确率.