一种用于窃电检测的新型组合数据驱动方法
系统与控制
2024-11-12 v1 机器学习
系统与控制
信号处理
摘要
信息和能量的双向流动是能源互联网的重要特征。数据分析是信息流中利用数据挖掘技术解决实际问题的强大工具。随着通过篡改智能电表进行窃电的问题持续增加，窃电的异常行为变得更加多样化和难以检测。因此，需要一种用于检测各种类型窃电的数据分析方法。然而，现有方法要么需要带标签的数据集，要么需要难以在现实中获取的额外系统信息，或者检测精度较差。在本文中，我们结合两种新型数据挖掘技术来解决该问题。第一种技术是最大信息系数（MIC），它可以找到非技术性损失（NTL）与消费者某种用电行为之间的相关性。MIC 可以用于精确检测在形态上看似正常的窃电行为。第二种技术是快速搜索与密度峰值发现聚类（CFSFDP）。CFSFDP 在数千条负荷曲线中找到异常用户，使其非常适合检测任意形态的窃电。接下来，提出了一种结合两种技术优势的框架。在爱尔兰智能电表数据集上进行了数值实验，以展示组合方法的良好性能。
引用
@article{arxiv.2411.06649,
title = {A Novel Combined Data-Driven Approach for Electricity Theft Detection},
author = {Kedi Zheng and Qixin Chen and Yi Wang and Chongqing Kang and Qing Xia},
journal= {arXiv preprint arXiv:2411.06649},
year = {2024}
}
备注
Paper accepted for IEEE Transactions on Industrial Informatics. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses