Grassberger熵随机森林在窃电行为检测的应用

• 全文链接
• 请求原文

作   者：

阙华坤;  冯小峰;  刘盼龙;  郭文翀;  李健;  曾伟良;  范竞敏; 

作者机构：

广东工业大学自动化学院;  广东电网有限责任公司计量中心; 

关键词：

Grassberger熵;  随机森林;  窃电检测;  核主成分分析; 

期刊名称：

计算机科学

i s s n：

1002-137X

年卷期：

2022 年 49 卷 0z1 期

页   码：

790-794

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.