基于FP-growth算法的用电异常数据挖掘方法
2020年电子技术应用第10期
段晓萌1，王 爽1，赵 婷1，丁徐楠2
1.中国电力科学研究院有限公司，北京100192；2.国网浙江省电力有限公司，浙江 杭州310007
摘要：随着科学技术的不断进步，不法分子窃电手段日趋专业化多样化，而传统的防窃电技术实时性及可行性较低。研究对运行中智能电能表用电信息的数据采集及特征提取，分析异常用电数据，应用机器学习的方法对特征值进行学习，并推导出用电异常的判断阈值，采用关联规则数据挖掘方法对独立检测的结果进行融合，从而实现窃电数据的挖掘。最后验证了模型建立的准确性，并推导出用电异常案例的甄别方法。
中图分类号：TN915；TM933
文献标识码：A
DOI：10.16157/j.issn.0258-7998.200073
中文引用格式：段晓萌，王爽，赵婷，等. 基于FP-growth算法的用电异常数据挖掘方法[J].电子技术应用，2020，46(10)：47-50.
英文引用格式：Duan Xiaomeng，Wang Shuang，Zhao Ting，et al. Data mining method on abnormal electricity usage based on FP-growth algorithm[J]. Application of Electronic Technique，2020，46(10)：47-50.
文献标识码：A
DOI：10.16157/j.issn.0258-7998.200073
中文引用格式：段晓萌，王爽，赵婷，等. 基于FP-growth算法的用电异常数据挖掘方法[J].电子技术应用，2020，46(10)：47-50.
英文引用格式：Duan Xiaomeng，Wang Shuang，Zhao Ting，et al. Data mining method on abnormal electricity usage based on FP-growth algorithm[J]. Application of Electronic Technique，2020，46(10)：47-50.
Data mining method on abnormal electricity usage based on FP-growth algorithm
Duan Xiaomeng1，Wang Shuang1，Zhao Ting1，Ding Xunan2
1.China Electric Power Research Institute，Beijing 100192，China； 2.State Grid Zhejiang Electric Power Co.，Ltd.，Hangzhou 310007，China
Abstract：Because of the technology development, the means for stealing electricity becomes more specialized and diversified. The traditional anti-theft technology is less real-time and less feasible. This paper studied the intelligent diagnosis and characteristics extract method of electricity energy meter during online operation, analyzed the abnormal electricity consumption data, used machine learning abnormality judgment thresholds based on features, and used association rule data mining methods to fuse independent detection results, realizing the mining of power theft data. At last, this paper verified the accuracy of the model establishment, and deduced the screening method of power consumption abnormal cases.
Key words :energy meter；abnormal electricity usage；FP-growth algorithm；data mining
0 引言
电能表电能计量的准确性是电网公司与电力用户之间贸易结算及电网公司利润实现的最终环节，不法行为会严重伤害贸易关系的公平、公正、公开性，因此查处用电异常行为是电网公司一直以来的工作重点。随着电网公司对反窃电工作重视程度的增加，不法分子的手段也逐步变得隐蔽化与智能化[1]。近年来，随着用电信息采集系统的不断完善，已经能够按照业务需求广泛采集到电能表的大量数据，从大量无序数据中应用单一准则判断用电异常，容易产生误判情况，如由于环境或振动而引发的开表盖事件[2]。如何从大量的用电异常数据中提高辨别窃电数据的概率，从多组数据关联来推断是否窃电，是本文研究的重点。因此提出一种通过数据关联规则判断在运电能表用电异常行为的数据挖掘方法。
本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003019
作者信息:
段晓萌1，王 爽1，赵 婷1，丁徐楠2
(1.中国电力科学研究院有限公司，北京100192；2.国网浙江省电力有限公司，浙江 杭州310007)
此内容为AET网站原创，未经授权禁止转载。