日韩视频在线精品视频免费观看-日韩视频在线观看中字-日韩视频在线观看一区-日韩视频在线观看免费-日韩视频在线观看-日韩视频在线播放

引言

在供電網絡中,竊電行為頻頻發生,對電力企業用電管理工作造成了嚴重影響。竊電行為不僅對供電企業造成嚴重的經濟損失,還可能會對供電網絡埋下諸多安全隱患,威脅人們的生命、財產安全,電力企業應當對此問題予以高度重視,不斷完善竊電行為識別技術,提高供電效率以及供電質量。鑒于此,本文提出了一種基于用電信息采集特征的竊電行為識別方法。

1基于用電信息采集特征的竊電行為識別方法設計

1.1用電信息采集特征數據提取

通過對已知竊電用戶信息的采集,對電壓、電流等數據進行反向分析,并結合云KEY技術,構建本文設計的竊電行為識別方法的模型指標體系。其主要內容包括兩大部分,分別是對竊電特征數據的篩選和對用電異常特征信息數據的識別。

首先要對獲取到的樣本信息進行特征數據提取,并將其規范化處理,設置特征數據取值范圍為-1～1。利用過濾式算法對樣本數據信息進行篩選,針對每個不同的初始化特點,運用特征相關性,權衡特征對分類結果的重要程度。

假設竊電行為的類型可分為A1種,非竊電的類別可分為A2種,設置竊電行為的樣本集為1(n1,A1）,(n2,A1）,(n3,A1）,…,(nk,A1）],再依據竊電行為的樣本集,將得到的非竊電行為的數據建立為正常用電行為特征的數據樣本集1(n'1,A2）,(n'2,A2）,(n'3,A2）,…,(n'k,A2）],在集合中的每一個樣本表示為nk,其中k∈11,2,3,…,K],nk包含g∈11,2,3,…,0]個特征屬性,首先nk在跟它類型一樣的樣本中找到最近的相鄰樣本nk·nb,并把此樣本當作猜對的鄰近樣本,再由與其不相同的異類樣本中選擇一個nk.nm作為猜錯的近鄰樣本。重復以上操作步

驟找到K個樣本中所有的猜中和猜錯近鄰樣本,然后針對特征g計算出與之相關的統計量s,計算公式為:

通過公式可以得出,若nk跟猜中的鄰近樣本間的距離愈小,那么跟它猜錯的鄰近樣本間的距離則愈大,所以有關統計量的值也跟著增大,這表明利用用電信息特征的屬性可對竊電和非竊電行為進行區分,能夠通過把數值s降序排列,設置閾值,并把統計量遠遠超出閾值的特征樣本進行篩選,從而獲取到竊電行為的用電信息特征數據。

1.2竊電嫌疑用戶識別模型構建

竊電嫌疑用戶識別模型是本文設計的基于用電信息采集特征的竊電行為識別方法的核心部分,根據數據處理的原理,結合云KEY技術,模型構建主要分為兩部分,分別為模型訓練及模型測試,具體建構流程如圖1所示。

構建流程具體可分為+個步驟:

第1步:根據上文提取到的用電信息采集特征數據,選擇比例相等的竊電行為的樣本數據跟未竊取的正常行為樣本數據當作此模型的樣本集,在模型樣本集里隨機選取閾值對應的比例數據,構建模型的訓練數據集和測試數據集:

第2步:在訓練數據集當中對用戶的樣本集進行重新定義y=1y1,y2,y3,…],設置特征權重向量為a=(a1,a2,a3,…）,則可得出相應的目標函數為/(a）=a×y,將迭代次數初始化,根據一定的范圍對a進行隨機賦值:

第3步:進行迭代計算,得出相應的結果:

第8步:對目標函數進行最優求解,并計算出目標函數的梯度:

第5步:將特征權重向量a帶入到設置的目標函數當中,并判斷誤差是否符合要求,若通過計算得出的結果符合則返回到第3步中,重復進行迭代求解:若結果不符合相關要求,則將本次計算求得的最優化目標函數帶入到第6步當中進行下一步操作:

第6步:根據上一步中獲取到的最優函數建立竊電嫌疑用戶識別模型,通過對該模型進行測試,從而獲取到相應的測試數據結果:

第7步:對上一步中的測試數據結果進行檢測,并且判別是不是滿足有竊電嫌疑的用戶識別需求,如果不滿足,那么返至第2步中對特征權重向量a更新隨機賦值:若滿足,則進行下一步操作:

第8步:完成對竊電嫌疑用戶識別模型的構建,并將本次更新模型的結果輸出。

2對比實驗

為了驗證本文設計的基于用電信息采集特征的竊電行為識別方法的可行性和有效性,將該方法與傳統識別方法進行對比實驗。

2.1實驗準備

本文基于廣東電網有限責任公司信息中心課題"云KEY技術在電力行業移動互聯網的應用"作為背景,建立實驗對比平臺,并把它當作數據的基礎來源。設定識別竊電嫌疑用戶包括連接外界系統的輸入/輸出信息,存儲單元包括3個類型的數據庫,分別是信息預定與存儲輸入信息:測試結果及存儲解決方案:數據庫存儲樣本特征。

2.2實驗結果及分析

為了保證對比實驗的客觀性,在保證兩種識別方法除涉及的內部條件因素不同外,其他影響因素均相同的情況下完成實驗,記錄實驗過程中產生的相關數據信息,通過相應計算得出實驗組與對照組識別結果的精確度,如表1所示。

通過實驗對本文方法中的模型進行不斷訓練和優化,可以有效提高本文識別方法的識別能力。本文在構建竊電嫌疑用戶識別模型時,提高了模型的精準度和泛化能力,提高了對竊電行為用戶識別的精準度。因此,通過對比實驗證明,本文設計的識別方法更加高效、可行。

3結語

本文通過實驗證明了所設計的識別方法具有更強的反竊電監控預警能力,有利于電力企業查處整治竊電行為,維護用電秩序。但該方法仍存在一定的漏洞和不足,在實際應用中,相關人員還需根據具體問題進行相應處理,提高電力企業的供、用電質量。