基于改进随机森林算法的低压用户窃电行为自适应监测方法

用户窃电行为频发,针对窃电后的日用电量,电压、三相电流变化监测过程困难,精度低的问题,提出基于改进随机森林算法的低压用户窃电行为自适应监测方法。利用分布式结构采集低压用户的用电信息,通过控制振荡器(CCO)与单线程单元(STA)的相互配合,实现一天内96点电表曲线数据采集;从已采集到的用电信息中提取窃电用户的电量、电流与电压的用电曲线偏离度特征;将这些特征输入随机森林算法开始训练,经训练后获取自适应监测样本,并向随机森林算法中引入惩罚项因子,提升训练能力,使其具有自适应性,完成低压用户窃电行为的自适应监测。经实验验证,该方法能够精确采集用户的日用电量,在监测时可迅速发现用户窃电后的电压、三相电流变化,同时还可以实现多种窃电行为的监测。