基于改进FCM聚类的窃电行为检测

窃电行为检测的主要目的在于发现窃电用户,降低电力系统运营成本。在此背景下,提出基于改进模糊C均值聚类的窃电行为检测模型,包括因子分析、基于改进模糊C均值聚类的局部离群因子计算、ROC曲线模型评价与调参及最佳检测阈值选取等模块,适用于无大量已知窃电用户样本的情况。首先,通过因子分析对用户用电特征(包括用电负荷数据和电能表异常事件)进行维度规约,提升模型检测效率。再利用遗传模拟退火算法对模糊C均值聚类算法进行改进,对用户用电特征进行检测。最后与现有成熟算法进行比较,验证该模型对窃电行为具有较高的检测准确度。检测模型可输出所有被测用户用电行为离群度得分和窃电概率排序,利用该文检测模型的输出,能够以较高精度检测出窃电行为用户,根据结果进行现场稽查,可提升反窃电工作效率。