基于集成学习的电费数据异常检测方法
A Method for Detecting Anomalies in Electricity Bill Data Based on Integrated Learning
摘要
通过计算机的机器学习技术,解决了电费数据异常检测命中率低的问题,采用集成学习方法对深度森林等算法的检测结果进行融合,提高电费数据异常检测模型的预测性能。
出处
《电力设备管理》
2021年第13期172-174,共3页
Electric Power Equipment Management
参考文献5
-
1赵莉,候兴哲,胡君,傅宏,孙洪亮.基于改进k-means算法的海量智能用电数据分析[J].电网技术,2014,38(10):2715-2720. 被引量：126
-
2张素香,刘建明,赵丙镇,曹津平.基于云计算的居民用电行为分析模型研究[J].电网技术,2013,37(6):1542-1546. 被引量：133
-
3许刚,谈元鹏,戴腾辉.稀疏随机森林下的用电侧异常行为模式检测[J].电网技术,2017,41(6):1964-1971. 被引量：50
-
4庄池杰,张斌,胡军,李秋硕,曾嵘.基于无监督学习的电力用户异常用电模式检测[J].中国电机工程学报,2016,36(2):379-387. 被引量：145
-
5周李,赵露君,高卫国.稀疏编码模型在电力用户异常用电行为探测中的应用研究(英文)[J].电网技术,2015,39(11):3182-3188. 被引量：11
二级参考文献89
-
1徐君,黄亚楼,李飞.K-Means聚类中序列模式和批量模式的比较研究[J].计算机科学,2004,31(6):156-158. 被引量：5
-
2李培强,李欣然,陈辉华,唐外文.基于模糊聚类的电力负荷特性的分类与综合[J].中国电机工程学报,2005,25(24):73-78. 被引量：131
-
3赵国富,曲国庆.聚类分析中CLARA算法的分析与实现[J].山东理工大学学报（自然科学版）,2006,20(2):45-48. 被引量：9
-
4王轶,达新宇.分布式并行数据挖掘计算框架及其算法研究[J].微电子学与计算机,2006,23(9):223-225. 被引量：9
-
5曾梦好.分类用户峰谷电价研究[D].2006:40.
-
6Keogh E, Pazzani M. An enhanced representation of time series which allows fast and accurate classification, clustering and relevance feedback[C]//Proceedings of the 3rd International Conference of Knowledge Discovery and Data Mining. New York: the Association for the Advancement ofArtificial lntelligence, 1998: 239-241.
-
7Armbrust M, Fox A. Above the clouds: a Berkeley view of cloud computing[R]. USA: University of California at Berkeley, 2009.
-
8Kiyoung K, Kyungho J, Hyuck H, et al. A benchmark for MapReduce framework[C]//14th IEEE International Conference on Parallel and Distributed Systenls, ICPADS '08. Melbourne, Victoria, AUSTRALIA: IEEE Computer Society, 2008: 11-18.
-
9DE AMORIM R C,MIRKIN B.Minkowski metric,feature weighting and anomalous cluster initializing in k -means clustering[J].Pattern Recognition,2012,45(3):1061-1075.
-
10Perez-Lombarda L, Ortizb J, Poutb A C. A review on buildings energy consumption information[J]. Energy & Buildings, 2008, 40(3): 394-398.
共引文献393
-
1张春辉,白翠芝,张蔓娴.基于小波的电力负荷异常检测[J].云南大学学报（自然科学版）,2020,42(S02):49-54. 被引量：11
-
2张娟,李俊午.全时空量测环境下基于双向长短期记忆网络的电力物联网损耗计算[J].电子器件,2022,45(2):408-414. 被引量：1
-
3冉哲,李英娜,刘爱莲.基于RFE+CatBoost模型的异常用电检测方法研究[J].电视技术,2021,45(8):121-126. 被引量：3
-
4王鸿玺,李飞,林志文,罗义钊,梁海涛,胡建新.基于IK-means的用电行为研究[J].国外电子测量技术,2020,39(1):54-58. 被引量：5
-
5姚栋方,吴瀛,罗磊,阎帅,武文广,丁宏.基于深度学习的短期电力负荷预测[J].国外电子测量技术,2020,39(1):44-48. 被引量：18
-
6汤光平,黄文荣,关垲代,毅郭鹏.表面改性对抗氢钢吸氢和抗氢性能的影响[J].材料保护,2000,33(6):48-50. 被引量：4
-
7王保义,赵硕,张少敏.基于云计算和极限学习机的分布式电力负荷预测算法[J].电网技术,2014,38(2):526-531. 被引量：76
-
8李青,齐林海,田璐,王红,田世明,卜凡鹏.一种融合降维和聚类的电力用户高效分类方法[J].电力信息与通信技术,2018,16(11):12-18. 被引量：5
-
9房娟,张宏杰,施佳锋,马冬冬,丁皓.基于调控云的智能电网海量运行数据深层次检测技术[J].自动化与仪器仪表,2018,0(12):162-165. 被引量：4
-
10宁航,南春丽,杨澜,赵祥模,刘浩学,周丹.汽车制动力曲线异常检测[J].交通运输工程学报,2018,18(6):82-92. 被引量：1
-
1张国芳,温丽丽,吴蒙,刘通宇,郑宽昀,黄福兴,袁培森.基于鲁棒性随机分割森林算法的变压器损耗异常值检测[J].华东师范大学学报（自然科学版）,2021(6):135-146. 被引量：8
-
2陈能汪,余镒琦,陈纪新,陈龙彪,张东站.人工神经网络模型在水质预警中的应用研究进展[J].环境科学学报,2021,41(12):4771-4782. 被引量：27
