反窃电技术论文提纲

论文题目：数据挖掘技术在反窃电系统中的应用研究

摘要：窃电手段的不断升级,使得高科技窃电现象频繁发生。现有反窃电技术以装置为主,缺乏有效方法在海量的历史数据中挖掘特征,及时地发现窃电行为。应用数据挖掘算法研究反窃电模型,可以解决窃电异常数据挖掘率低、窃电报警时效性差、现场排查工作量大的问题,提升反窃电工作的效率,减少资源浪费。本文研究的是一种疑似窃电判别方法。首先根据用电数据波动的特征分析对窃电异常规律进行了研究,分别构建了基于电量异常分析和线损异常分析的窃电辨识模型,通过定义波动系数优化和融合离群点算法和聚类算法来挖掘电量样本中的窃电异常数据,并采用二次聚类方法计算线损异常时间离散度以及分析线损与电量之间的关联度。然后通过分析样本数据异常率和报警时间连续性计算窃电疑似度,量化了样本的窃电嫌疑程度并划分其窃电嫌疑等级。最后,本文在窃电疑似度辨识的基础上,通过总结窃电发生前后特征参量的变化规律构建了窃电行为分析模型,监测重度窃电嫌疑用户的窃电方式。本文基于反窃电软件平台对上述算法进行了实验验证,实验结果表明该方法将窃电异常数据挖掘率提升了7%以上,并达到了预期的反窃电应用效果。

关键词：数据挖掘;反窃电;电量;线损;窃电行为

学科专业：工程硕士（专业学位）

致谢

摘要

abstract

1 绪论

1.1 研究背景及意义

1.2 窃电问题分析

1.2.1 窃电原理分析

1.2.2 窃电手法分析

1.2.3 窃电原因分析

1.3 国内外研究现状

1.4 研究的主要内容

2 反窃电系统功能设计

2.1 反窃电技术研究平台

2.1.1 电力营销信息管理功能

2.1.2 用电信息采集系统功能

2.2 反窃电系统功能结构和运行流程

2.3 反窃电模型设计内容

2.3.1 窃电疑似度辨识模型

2.3.2 窃电行为分析模型

2.4 本章小结

3 反窃电模型研究与设计

3.1 数据挖掘算法分类

3.2 数据挖掘算法的选择

3.2.1 离群点算法的选择

3.2.2 聚类算法的选择

3.3 基于电量数据的窃电疑似度辨识模型设计

3.3.1 波动系数计算

3.3.2 基于离群点算法的电量波动分析

3.3.3 基于聚类算法的电量异常分析

3.3.4 窃电疑似度计算

3.4 基于台区线损的窃电疑似度辨识模型设计

3.4.1 基于聚类算法的台区线损分析

3.4.2 窃电疑似度计算

3.5 窃电行为分析模型设计

3.6 本章小结

4 反窃电模型实现

4.1 实现步骤

4.2 实现方案

4.2.1 总体方案

4.2.2 数据清洗和预处理

4.2.3 多算法融合

4.3 窃电疑似度辨识模型实现

4.3.1 电量窃电疑似度实施分析

4.3.2 线损窃电疑似度实施分析

4.4 窃电行为分析模型实现

4.5 反窃电平台软件开发简介

4.6 本章小结

5 实验结果及分析

5.1 实验平台简介

5.2 实验数据准备

5.3 电量窃电疑似度辨识实验结果及分析

5.3.1 算法窃电异常数据挖掘率比较

5.3.2 算法结果与电力营销窃电记录比较

5.4 线损窃电疑似度辨识实验结果及分析

5.4.1 线损波动分析

5.4.2 线损分析与电量分析的窃电疑似度比较

5.5 窃电行为分析模型实验结果及分析

5.6 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

作者简历