基于用电数据和机器学习的窃电行为识别方法

来源 :信息技术 | 被引量 : 0次 | 上传用户:caiqigang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对现有基于用电数据的窃电行为识别性能不佳的问题,提出了一种基于差分进化SVM的识别方法。电网中窃电用户占比较少,样本数据集分类严重不平衡,为此利用K-means聚类提取少数类中心,再通过SMOTE算法生成窃电样本,提高数据集平衡性。然后,构建了基于SVM的窃电行为识别模型,并利用差分进化实现参数寻优。实验结果表明,该方法能够在样本不平衡条件下有效实现窃电行为识别,且识别准确率较高。
其他文献
文中设计了在课堂场景下的多人头部动作检测系统,具有以下特点:(1)使用普通摄像头进行检测,不需要依赖深度信息和人脸关键点信息,可以做到较为精确的头部估计;(2)使用基于脸部特征的目标追踪算法,在稳定检测到人脸的情况下能够进行有效的目标追踪以便后续进行分析;(3)使用卡尔曼滤波对结果进行优化,得出的头部角度更为稳定。文中在三个不同分辨率的场景下进行实验,获得了较好的效果。
风电场的大规模并网及其功率的随机性给电网的无功运行控制带来了严重的困难,在对风电机组结构模型及功率特性分析的基础上,建立了风电场无功优化控制数学模型,在满足电压相
期刊
针对无线传感器网络能耗不均衡、网络生存期短的问题,提出一种基于改进灰狼优化的分簇路由算法.在簇构建阶段,首先采用自组织神经网络映射(SOM)对网络节点聚类分簇,然后在簇
随着深度学习和神经网络技术的发展,为了充分挖掘卷积神经网络(CNN)计算的并行性,硬件加速器以其高速、低成本、高容错能力等特点得到更加广泛的应用.本文提出了一种可以逐层
硬件安全已经成为当今时代备受瞩目的焦点问题,硬件木马检测的技术也逐渐变得多样化.针对硬件木马的检测,本文提出一种基于电路结构分析的集成模型.该方法利用遍历的方法提取
由于高校就业信息管理存在效率低、针对性差的问题,为提升高校就业信息管理效率,设计了大数据环境下的高校就业信息管理系统。大数据采集模块可以利用不同信息格式换算和自主
以准确分析高校就业信息为目的,构建大数据背景下的高校就业信息管理系统。利用MDD方法通过项目确认、需求分析、设计规划、系统构建开发系统,利用公共信息服务模块将就业公
电力线通信是智能电网的关键技术,噪声严重影响了电力线通信质量。为此,提出一种基于改进自适应滤波的电力线通信噪声抑制方法。该方法针对变步长最小均方误差(LMS)算法收敛
针对目前工业控制系统中网络安全等级低、数据容易被窃取等问题,通过构建网络安全高等级环境数据平台来提高其安全性,采用改进卷积神经网络模型对流量进行检测,提高预测的精