相异模型下Stacking集成结构的异常用电用户识别方法

• 作者: 程超鹏 彭显刚 曾勇斌 许方园
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 异常用电 支持向量机 随机森林 XGBoost 深度森林 Stacking集成
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 电力系统|Power System
• 页码范围: 4828-4836
• 页数: 9页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2020.0849

摘要

针对电力用户异常用电行为造成电网非技术性损失(non-technical-loss,NTL),影响企业收益及供电质量等问题,文中提出一种相异模型下Stacking集成结构的异常用电用户识别方法.该方法综合分析用户用电侧历史数据特性,建立并提取用户用电特征;采用支持向量机(support vector machine,SVM)、随机森林(random forests,RF)、梯度决策树(gradient boosting decision tree,GBDT)及深度森林(deep forest)4种相异模型做为Stacking结构的基分类模型,对用电特征进行Stacking转换;并选取XGBoost(extreme gradient boosting)算法作为Stacking结构的元分类模型,对转换后的用电特征集进行分类,判断用户用电是否异常.通过实例分析,验证本文所提模型相比于单个模型有更高效的分类性能,为供电企业用电监察工作及经济效益管理提供参考.