針對(duì)傳統(tǒng)竊電檢測(cè)中單一分類方法的不足,提出一種基于AdaBoost集成學(xué)習(xí)的竊電檢測(cè)算法。首先利用訓(xùn)練集對(duì)決策樹(shù)、誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)、支持向量機(jī)和k最近鄰四種方法進(jìn)行訓(xùn)練對(duì)比,提出決策樹(shù)作為AdaBoost集成學(xué)習(xí)算法的弱學(xué)習(xí)器。其次通過(guò)繪制不同學(xué)習(xí)率下的分類錯(cuò)誤率曲線,確定AdaBoost集成學(xué)習(xí)算法的學(xué)習(xí)率和弱學(xué)習(xí)器個(gè)數(shù)。最后利用愛(ài)爾蘭智能電表數(shù)據(jù)集中的居民用電數(shù)據(jù)對(duì)所提算法進(jìn)行測(cè)試評(píng)估,將AdaBoost集成學(xué)習(xí)算法與決策樹(shù)、k最近鄰、誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)、支持向量機(jī)等各類單一強(qiáng)學(xué)習(xí)算法對(duì)比。結(jié)果表明基于AdaBoost集成學(xué)習(xí)的竊電檢測(cè)算法在準(zhǔn)確率、命中率、誤檢率等檢測(cè)指標(biāo)中最優(yōu),靈敏性分析驗(yàn)證了基于AdaBoost集成學(xué)習(xí)的竊電檢測(cè)方法的有效性。 

【文章來(lái)源】：電力系統(tǒng)保護(hù)與控制. 2020,48(19)北大核心CSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

集成學(xué)習(xí)的一般結(jié)構(gòu)

AdaBoost集成學(xué)習(xí)的一般結(jié)構(gòu)

正常用電及其對(duì)應(yīng)的6種竊電記錄Fig.5Normalpowerconsumptionanditscorrespondingsixelectricitytheftrecords

【參考文獻(xiàn)】：
期刊論文
[1]基于數(shù)據(jù)驅(qū)動(dòng)的超短期風(fēng)電功率預(yù)測(cè)綜述[J]. 楊茂,張羅賓.  電力系統(tǒng)保護(hù)與控制. 2019(13)
[2]價(jià)差返還機(jī)制下售電公司博弈模型[J]. 吳浩可,雷霞,黃濤,何錦宇.  電力系統(tǒng)保護(hù)與控制. 2019(12)
[3]基于堆疊去相關(guān)自編碼器和支持向量機(jī)的竊電檢測(cè)[J]. 胡天宇,郭慶來(lái),孫宏斌.  電力系統(tǒng)自動(dòng)化. 2019(01)
[4]基于數(shù)據(jù)挖掘的電動(dòng)汽車用戶細(xì)分及價(jià)值評(píng)價(jià)方法[J]. 張祿,李國(guó)昌,陳艷霞,孫舟,王偉賢,田賀平.  電力系統(tǒng)保護(hù)與控制. 2018(22)
[5]AMI環(huán)境下異常用電檢測(cè)研究[J]. 李春陽(yáng),王先培,田猛,馮曉棟.  計(jì)算機(jī)仿真. 2018(08)
[6]異常用電的檢測(cè)方法:評(píng)述與展望[J]. 陳啟鑫,鄭可迪,康重慶,皇甫奮宇.  電力系統(tǒng)自動(dòng)化. 2018(17)
[7]基于GA-BP神經(jīng)網(wǎng)絡(luò)的反竊電系統(tǒng)研究與應(yīng)用[J]. 王慶寧,張東輝,孫香德,沈楊,許湘蓮.  電測(cè)與儀表. 2018(11)
[8]一種基于狀態(tài)估計(jì)的新型竊電方法及對(duì)策研究[J]. 王昕,田猛,趙艷峰,趙旭,魏齡,蔣婷婷,王先培.  電力系統(tǒng)保護(hù)與控制. 2016(23)
[9]電力用戶用電數(shù)據(jù)的異常數(shù)據(jù)審查和分類[J]. 沈海濤,秦靖雅,陳浩,范蓉,莊才杰.  電力與能源. 2016(01)
[10]基于無(wú)監(jiān)督學(xué)習(xí)的電力用戶異常用電模式檢測(cè)[J]. 莊池杰,張斌,胡軍,李秋碩,曾嶸.  中國(guó)電機(jī)工程學(xué)報(bào). 2016(02)



本文編號(hào)：3484278