一种基于机器学习的电力能耗异常检测与预测的方法

杨婧, 宋强, 石云辉

(贵州电网有限责任公司, 贵州, 贵阳 550000)

0 引言

电力行业在我国的经济地位中处于重要地位,而长期存在的窃电现象对国家与电力公司的经济利益有着巨大的损害,很多非法用户更改电能表的线路和结构,更换电能计量表的零件,导致电表计量异常无法准确计数,以此减少电力计量表中电力的能耗数值。这样对电能表的改造是十分危险的,易引发电力安全事故,对周边其他居民用户的生命安全造成了巨大的威胁。因此,需要通过一定的方法检测电力能耗中的异常值,使非法窃电用户无法使用恶意手段窃取电力资源。

在现有的相关研究中,文献[1]在双向长短期记忆神经网络的配电网监督下,建立了基于时序的预测模型,得到了数序数据的双向特性,在配电网电压数据中提取预测值检测电压的异常数据,但该方法所得到的预测值普遍偏高,结果准确性较差。文献[2]检测了加时窗数据,探查电力能耗异常数据,提高检测结果的准确性,设计了新的电力数据检测方法,在不同的序列时窗中使用大数据分析技术,计算电力能耗数据运行的均值,将最大似然估计作为对异常情况的检测流程。文献[3]改进了传统的k-means算法,在初始聚类中心建立一个密集度较大的紧邻半径,并将中心的数据点全部结合在实际簇的节点中,通过更好的聚类效果检测电力能耗的异常数据,并对电力能耗进行预测。但这两种方法的电力能耗异常检测准确性较差。……