科研之友
微信
新浪微博
Facebook
分享链接
摘要
异常用电检测旨在识别和定位电力系统中与常规用电行为显著偏离的用户。现有基于机器学习、深度学习的有监督的检测方法通常需要大量人工标记数据，且对于离散型数据需要进行类型转换，因而容易导致重要信息的丢失。模糊粗糙集理论提供了一种处理离散数据的有效工具，并能直接应用于包含连续数据和离散数据在内的异质信息的知识分类。在文本模糊粗糙集理论的基础上，提出了一个基于多粒度模糊相对差的无监督异常检测方法，并将其应用于智能电网的异常用电检测。具体而言，首先利用模糊近似空间的信息熵来度量属性在知识分类中的重要性，然后根据属性集重要性构造模糊信息粒序列，接着在此序列上定义样本的模糊相对差，最后构建基于多粒度模糊相对差的异常检测方法，并在公开的数据集上进行验证。实验结果表明了所提检测算法的有效性和优越性。实验相关的代码和数据已在网络上公开(http://www.github.com/chenbaiyang/FRAD)。
-
单位国网四川省电力公司; 四川大学
