本文主要是介绍论文笔记 Understanding Electricity-Theft Behavior via Multi-Source Data,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
WWW 2020 oral
1 INTRO
1.1 背景
1.1.1 窃电
- 窃电(electricity theft)指用户为了逃避电费而进行非法操作的一种行为
-
常用的反窃电方法可分为两类:
-
基于硬件驱动的反窃电方法
-
电表开盖检测、集中器检测。。。。
-
硬件驱动的方法响应快,定位准,但需要非常专业的领域知识,同时随着窃电策略的改变会随即失效
-
-
基于数据驱动的反窃电方法
-
分析用户用电时序曲线、分析台区线损时序曲线
-
数据驱动的方法可以全盘监控全网用电数据,通过机器学习、人工智能等前沿方法可以及时跟进不断变化的窃电策略。
-
但由于可信案例稀少,数据海量且用户行为复杂,简单的时序建模方法很难取得较好的准确率。
-
-
1.1.2 论文思路
- 提出了Hierarchical Electricity-theft Behavior Recognition (HEBR) 模型,
- 同时组合多源时序数据用于更准确的窃电行为识别。
- 发现气温变化与用户用电行为之间的密切关系
2 三层数据
2.1 数据介绍
对于这三种不同层次的数据,该论文分别对其进行数据观察与分析,探寻里面与窃电行为有关的模式。
2.2 微观级别的观察(用户)
2.3 中观级别的观察(变压器台区)
2.4 宏观级别的观察(气候)
3 模型
4 实验
在浙江省国家电网所提供的2017-2019两年多的真实数据上进行实验
这篇关于论文笔记 Understanding Electricity-Theft Behavior via Multi-Source Data的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!