摘要
本发明公开了一种基于Blending集成学习的窃电检测识别方法,包括以下步骤:利用采样设备实时获取用户的用电量数据;采用ADASYN采样方法处理类别不平衡的用电数据;通过初级学习器进行遴选,选择最佳初级学习器组合,通过元学习器性能上的比较选择表现最优的元学习器融合不同初级学习器的优势,构建Blending集成学习模型;基于Blending集成学习模型基于历史数据对每一个台区未来一天的用电量进行短期预测;针对RSPE超过阈值的窃电嫌疑台区进行重点核查;将窃电可疑台区后连接的所有用户暂时全部确定为可疑用户,将处理后的数据作为模型的输入,通过构建的Blending集成学习模型完成窃电用户检测识别;该方法可以结合台区窃电检测和用户窃电检测台区来提高检测的效率和准确性。
技术关键词
检测识别方法
集成学习模型
学习器
台区用电量
样本
采样设备
数据
采样方法
窃电用户
异常用户
SMOTE算法
指标计算方法
有功功率
度量
K近邻
曲线
对象
时间段
模式
系统为您推荐了相关专利信息
视频编码器
文本编码器
视频识别方法
图像编码器
样本
多轮对话
意图识别
非暂态计算机可读存储介质
业务办理效率
金融自助设备
远程等离子体源
率检测方法
输出特征
开关频率变化
支持向量机算法
序列
语义向量
日志异常检测方法
样本
神经网络训练方法