数字化电能表信息采样中的反向电量异常识别方法

针对目前识别方法准确性和全面性较低的问题,提出一种数字化电能表信息采样中的反向电量异常识别方法。通过用电信息采集系统召测数据,完成数字化电能表信息采样工作,并实施缺失值填补、数据标准化等预处理。以处理好的数据为基础,计算电能表状态特征,包括用户用电量变化、电压量/电流量、有功功率等三个维度的特征指标,利用AdaBoost算法构建分类器,实现反向电量异常识别。结果表明:所研究方法应用下,F1分数值更高,能更为准确且全面地检测出用户窃电行为,为窃电用户便捷查找与预防预控提供了可靠的依据。