摘要
一种电力客户用电异常数据特征提取方法及系统,包括:选择异常负荷数据中的各类特征,构造负荷特征集;采用特征选择算法,随机生成与负荷特征集中的特征数量相同的影子特征,通过计算负荷特征集中的特征与影子特征的重要性得分差异,将负荷特征集中的特征分为重要特征、不重要特征和待定特征,所有重要特征组成特征子集;计算负荷特征集中的特征每两个之间的最大信息系数MIC;结合重要性得分差异和最大信息系数MIC,将重要特征和待定特征重新进行排序,按照排序依次更新特征子集,直到得到识别正确率最高的特征子集。本发明显著提高了模型对于电力系统中异常行为的敏感性和识别的准确度,为确保电力系统的稳定运行和有效异常检测提供了有力支持。
技术关键词
负荷特征
特征提取方法
异常数据
随机森林模型
特征选择算法
识别正确率
客户
电力系统
矩阵
特征提取系统
错误率
异常事件
模块
网格
分类器
训练集
校正
系统为您推荐了相关专利信息
风险预测系统
人工智能模型
数据采集模块
输出模块
随机森林模型
集成学习模型
历史气象数据
LSTM模型
输电线路覆冰厚度
表达式
生理参数检测方法
感兴趣
随机森林模型
信号
计算机可读指令
XGBoost模型
物联网传感器网络
云端服务器
中央控制平台
轨迹模型