基于采样技术和LightGBM的用户用电异常检测模型①

刘中强,邹维维

1(中国科学院大学,北京 100049)

2(中国科学院 沈阳计算技术研究所,沈阳 110168)

国家电网公司通过十多年的信息化建设,积累了海量生产运行和经营管理数据.随着物联网技术的发展,数据量还会继续增大.按照十四五规划,智能化和数字化必将是下一阶段的重点发展方向.用电信息采集系统的发展和推广,为电力大数据分析提供了数据基础,可以用来做用户用电异常行为分析.所谓异常用电数据,就是由于环境、系统或人为的因素导致的计量设备故障、异常及违规用电等行为,可以通过电能表所反应的电压、电流、功率及线损率等指标进行反应.但是目前大多数电力部门仅使用传统的统计方法进行异常分析,费时费力且成效低.本文将基于用户用电数据采集记录,利用过采样技术对数量较少的异常类样本数据进行增多,这样就可以把用户用电异常检测的问题看作是一个是否异常的二分类问题,然后使用当前流行的机器学习模型,对用户用电是否异常进行分类.训练该模型的目的是帮助检测系统更加快速、准确地识别异常用电行为.

1 用户用电异常检测

基于机器学习的用户用电异常检测已经有很多研究成果:张荣昌[1]选择孤立森林算法应用到用户用电异常检测问题,该方法使用随机切分的办法划分数据集来得到一组决策树从而构成孤立森林,根据叶子结点距离根节点的距离判断该叶子结点上的……