Print

基于蚁群算法改进One-Class SVM的电力离群用户检测算法研究

论文摘要

用电采集负荷数据反映了用户的用电特性及用电习惯,通过用电负荷数据分析识别用电离群用户在工业生产中具有重要意义。本文根据高维用电负荷数据的特点,提出了一种基于改进One-Class SVM算法的电力离群用户检测方法,同时采用蚁群算法对支持向量机的训练参数进行优化,可以在样本分布不均匀、样本分布未知的环境下有效识别电力离群用户。通过对某市纺织业用户的数据进行实践证明,改进的算法能够有效提高收敛速度,并有效地识别离群的用电用户。

论文目录

  • 0 引言
  • 1 算法介绍
  •   1.1 SVM简介
  •   1.2 One-Class SVM算法介绍
  • 2 改进蚁群算法优化One-Class SVM参数
  •   2.1 初始化参数
  •   2.2 局部和全局搜索
  •   2.3 更新信息素
  • 3 实验验证
  •   3.1 数据选取及预处理
  •   3.2 数据预处理
  •     (1) 缺失值处理
  •     (2) 归一化处理
  •     (3) 数据降维
  •   3.3 蚁群算法获取最优One-Class SVM参数
  •   3.4 One-Class SVM异常点检测
  • 4 总结
  • 文章来源

    类型: 期刊论文

    作者: 黄宇腾,裴旭斌,孔历波,李波,殷杰

    关键词: 蚁群算法,离群检测,电力离群

    来源: 自动化与仪器仪表 2019年05期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑,经济与管理科学

    专业: 电力工业,自动化技术,工业经济,企业经济

    单位: 国网浙江省电力有限公司信息通信分公司,国网杭州供电有限公司,浙江华云信息科技有限公司

    分类号: F426.61;F274;TP18

    DOI: 10.14016/j.cnki.1001-9227.2019.05.111

    页码: 111-114

    总页数: 4

    文件大小: 389K

    下载量: 130

    相关论文文献

    本文来源: https://www.lunwen90.cn/article/dcd9a7718bdce898840b985a.html