许 智, 李红娇, 陈晶晶

(上海电力学院 计算机科学与技术学院, 上海 200090)

基于机器学习的用户窃电行为预测

许 智, 李红娇, 陈晶晶

(上海电力学院 计算机科学与技术学院, 上海 200090)

新型智能电表普及后,为了准确检测出电网中的窃电用户,可以结合机器学习的方法.为此,选择了支持向量机、随机森林和迭代决策树3种机器学习中较常用的大数据算法进行分析,通过不断调整试验数据集的大小,对3种算法的效率和准确率进行测试.对比分析结果发现,随机森林算法运行的时间和数据量的大小基本呈线性关系,效率较高,且准确率稳定在86%以上,表现较好.

窃电; 智能电表; 随机森林; 支持向量机; 迭代决策树

各种窃电行为在社会上时有发生,给电网带来很大的损失,电网公司必须对窃电行为进行检测并做出预防.文献[1]和文献[2]中对窃电行为从宏观上进行了详细的分类和研究,并给出了防止窃电行为的方法.

在电网融合的大趋势下,新型智能电表的产生具有重要意义[3]:一是它可以采集更多更精确的数据,便于进一步分析;二是无线通信技术的应用摆脱了传统手工抄表带来的麻烦[4].这些新的特性一方面为传统的数据处理带来挑战,另一方面也使窃电行为进一步多样化、复杂化,电网公司为了解决这些问题必须付出巨大的精力和财力.

随着大数据时代的到来,巨大且复杂的数据使分析手段进一步提升,机器学习呈现出广阔的应用前……