Grassberger熵随机森林在窃电行为检测的应用
Application of Grassberger Entropy Random Forest to Power-stealing Behavior Detection作者机构:广东电网有限责任公司计量中心广州518049 广东工业大学自动化学院广州510006
出 版 物:《计算机科学》 (Computer Science)
年 卷 期:2022年第49卷第S1期
页 面:790-794页
学科分类:0202[经济学-应用经济学] 02[经济学] 020205[经济学-产业经济学]
基 金:中国南方电网有限责任公司科技项目(GDKJXM20185800) 国家自然科学基金(61803100)
主 题:窃电检测 随机森林 核主成分分析 Grassberger熵
摘 要:窃电行为严重危害电网安全,为了提高对窃电行为的检测效率,提出一种新型的基于Grassberger熵随机森林的电网用户窃电检测方法。首先,采用核主成分分析方法(Kernel Principal Componemt Analysis,KPCA)对用户的原始用电量的时间序列向量进行降维,提取用户的用电特征;接着,考虑到窃电样本和正常样本数量相差较大时,窃电检测的分类器训练效果较差,因此,采用数据欠采样方法建立多个数量平衡的样本子集,并采用改进的Grassberger熵随机森林(Random Forest,RF)算法计算信息增益,对各样本子集进行训练再集成,从而提高模型对窃电检测的准确度。以中国南方电网的专变用户窃电检测为案例,将各用户的电表采集电量数据作为模型输入,验证所提模型的窃电检测效果。