基于混合模型的电力客户异常用电行为检测方法

针对目前用电异常行为数据样本不均、特征复杂导致检测精度低等问题,提出了一种基于混合模型的电力客户异常用电行为检测模型。利用最小-最大归一化映射对原始数据进行预处理,从而统一数据维度。基于KFCM-PSO对归一化后的历史数据进行聚类,从而对典型电力特征进行选择,改善冗余电力特征带来的干扰问题;基于1D-WGAN生成异常用电数据,增强样本多样性;基于相似性测度确定可疑用户,并基于SVM-CNN-LSTM对可疑用户进行精确分类。实验结果表明,该方法检测精度为94.29%。与SVM,CNN,LSTM等方法相比,其检测精度分别提升9.81%,3.77%和2.27%。综合分析,该方法可高精度监测电力系统异常用电事件,预测结果可为电力系统安全管理提供一定的指导,具有较好的应用前景。

广州优化用电营商环境路径研究

电网企业作为推动经济社会发展的先锋,致力于服务地方经济社会的发展,使客户用上电、用好电,有效提高电力的“获得感”。本文通过分析广州“获得电力”改革路径,系统梳理广州用电营商环境发展的实践与探索,结合当前数字化、绿色化转型等发展要求提出改革展望,以期能够帮助更多电力企业开展优质服务,助推地方经济发展。