针对传统诊断方法过于依赖人工,而导致诊断误差率高的问题,提出了基于数据挖掘的异常用电行为诊断方法。依据数据挖掘过程,分析用电异常行为欠电流、欠电压、扩差、移相特征。利用相似性度量划分数据集,初始化模糊加权指数,初始化隶属度矩阵并更新,计算目标函数,根据计算结果,确定数据对象种类,由此设计异常用电嫌疑用户筛选流程。采用k-means聚类算法,设计诊断分析流程,并研究对窃电和漏电等异常用电行为的闭环诊断机制。由实验结果可知,该方法最高误差率为10%,最低为0,具有良好的诊断效果。
科研之友
微信
新浪微博
Facebook
分享链接
