| 采用FCM聚类与改进SVR模型的窃电行为检测 |
| |
| 引用本文： | 康宁宁,李川,曾虎,李英娜.采用FCM聚类与改进SVR模型的窃电行为检测[J].电子测量与仪器学报,2017,31(12):2023-2029. |
| |
| 作者姓名： | 康宁宁 李川 曾虎 李英娜 |
| |
| 作者单位： | 昆明理工大学信息工程与自动化学院昆明650504,昆明理工大学信息工程与自动化学院昆明650504,昆明理工大学信息工程与自动化学院昆明650504,昆明理工大学信息工程与自动化学院昆明650504 |
| |
| 摘 要： | 针对窃电手段多样、隐蔽性强、窃电检测效率有待提高等问题,首先采用模糊C均值(FCM)聚类算法构造不同的用户负荷特征曲线,通过待测负荷曲线与相应特征曲线作对比初步确定疑似窃电用户;其次,采用粒子群算法优化的支持向量机回归模型对疑似窃电用户的用电行为进行检测。实验证明,所用方法缩小了窃电检测的范围、克服了窃电样本少的影响,改善了窃电检测的效率,并且窃电检测的均方误差和平均绝对误差分别提高了0.0051和0.034。
|
| 关 键 词： | 窃电检测 负荷曲线 FCM聚类分析 粒子群算法 支持向量机回归算法 |
Electric larceny detectionusing FCM clustering and improved SVR model |
| |
| Kang Ningning,Li Chuan,Zeng Hu and Li Yingna.Electric larceny detectionusing FCM clustering and improved SVR model[J].Journal of Electronic Measurement and Instrument,2017,31(12):2023-2029. |
| |
| Authors: | Kang Ningning Li Chuan Zeng Hu and Li Yingna |
| |
| Affiliation: | School of Information Engineering and Automation, Kunming University of Science and Technology, Kunming 650504, China,School of Information Engineering and Automation, Kunming University of Science and Technology, Kunming 650504, China,School of Information Engineering and Automation, Kunming University of Science and Technology, Kunming 650504, China and School of Information Engineering and Automation, Kunming University of Science and Technology, Kunming 650504, China |
| |
| Abstract: | |
| |
| Keywords: | electricity larceny detection load curve FCM clustering analysis particle swarm optimization algorithm support vector regression algorithm |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《电子测量与仪器学报》浏览原始摘要信息 |
|
点击此处可从《电子测量与仪器学报》下载全文 |
|
