摘要
本发明公开了一种低压用户窃电识别系统,其包括步骤:步骤S1,采集低压用户的用电数据,并从用电数据中提取特征向量;步骤S2,利用相关向量机(RVM)对电力用户的用电特征进行特征选择,得到最优特征集合;步骤S3,利用基于信息增益的改进的K‑均值聚类算法对最优特征集合进行聚类分析,自动识别聚类个数和初始聚类中心,并进行聚类迭代,实现异常用电检测;步骤S4,根据聚类结果识别异常用电行为,并生成包含异常用电行为信息及窃电嫌疑用户列表的报告。本发明还公开了相应的系统。实施本发明,通过基于信息增益的改进K均值聚类算法对最优特征集合进行聚类分析,实现异常用电检测,可以提升聚类性能,提高窃电识别的效率以及准确性。
技术关键词
窃电识别系统
窃电识别方法
初始聚类中心
特征选择
特征向量空间
低压
信息熵
分类器设计
K均值聚类算法
密度
样本
判断算法
模块
数据
报告
定义
列表
变量
系统为您推荐了相关专利信息
特征选择
旋转机械设备故障诊断
径向基核函数
SVM分类器
滑动窗口
地磁活动指数
数据融合机制
电离层F2层临界频率
参数
机器学习算法
浓度估计方法
一氧化碳
BP神经网络模型
磨煤机
计算机程序产品
分类器
结构磁共振
特征选择
数据输入模块
功能磁共振成像fMRI数据