文献类型：期刊文章

作　　者：肖庆追[1] 李捷[1] 陈鹤峰[2] 魏彩娥[3]

XIAO Qingzhui;LI Jie;CHEN Hefeng;WEI Cai’e(School of Internet Finance and Information Engineering,Guangdong University of Finance,Guangzhou 510520,China;School of Applied Mathematics,Guangdong University of Technology,Guangzhou 510520,China;School of Entrepreneurship Education,Guangdong University of Finance,Guangzhou 510520,China)

机构地区：[1]广东金融学院互联网金融与信息工程学院,广州510520 [2]广东工业大学应用数学学院,广州510520 [3]广东金融学院创业教育学院,广州510520

出　　处：《电力系统及其自动化学报》

基　　金：广东省高等教育教学研究和改革项目(2019B2685)。

年　　份：2023

卷　　号：35

期　　号：5

起止页码：82-88

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对电网企业对电力用户进行精细化管理需求,提出一种组合模型实现对“正常”、“窃电”、“漏电”和“计量异常”4种用电行为的分层分类。首先,利用电压不平衡度等3维特征对高维用电数据进行降维表征,然后提出磷虾算法优化的一类支持向量机KH-OC-SVM(krill herd optimized one-class support vector machine)分类器将特征向量自动划分为“正常”和“异常”2类,最后利用所提基于密度的K-均值(K-means)聚类算法对“异常”数据进行分析,将其自动划分为“窃电”“漏电”和“计量异常”3种异常用电行为。算例结果表明,所提方法能够有效实现电力用户用电行为的自动分类。

关 键 词：异常用电  分层分类  特征提取 基于密度的K-均值聚类  磷虾算法  

分 类 号：TP393]