王芳,贺子洋,张仕文,魏雪川,黄朝霞

(国网河北省电力有限公司石家庄供电分公司,河北 石家庄 050000)

0 引言

少数不法分子为了节省用电开支,采取各种手段进行窃电,这一违法行为不仅造成电能的流失,扰乱正常的供电网络,更重要的是这些窃电行为会给电网的运行带来严重的安全隐患.随着用电信息采集系统的广泛应用,不仅可以对用户用电量进行远程采集,还能对用户各时段的用电特点进行分析,这使得通过用户用电数据判断其用电是否异常成为了可能[1-2].

通过分析电力用户用电数据,可以及时发现非法用户窃电行为[3-5].李波等[6]从用户行为分析角度出发,利用用户的历史用电数据,结合粒子群算法和支持向量机算法,提高窃电检测分析精度.耿俊成等[7]提出了一种基于局部离群点检测的低压台区用户窃电识别方法,采用邻域查询优化技术提高计算效率,发现局部离群点因子越大的用户窃电嫌疑越大.Maamar等[8]采用K-means算法对用户进行了相似的用电模式识别,从而了解不同类型的正常行为.Manocha等[9]采用高斯混合模型(GMM)聚类对电力用户数据进行分类,并对分类模型进行了改进.杨学良等[10]将深度森林分类算法引入窃电行为检测领域,从电量、电压、电流、功率因数等数据提取的特征检测用户是否存在窃电嫌疑.吴霜等[11]提出的基于 CUDA的 K-means 电力负荷曲线聚类算法,研究表明其加速比高,适应性强,是解决海量负荷曲线聚类问题的好方法……