文献类型：期刊文章

作　　者：郭亮[1] 郭子雪[2] 贾洪涛[3] 范若禹[4]

GUO Liang;GUO Zixue;JIA Hongtao;FAN Ruoyu(State Grid Baoding Power Supply Company,Baoding 071000,China;School of Management,Hebei University,Baoding 071002,China;Baoding LBD Eletric Co.,Ltd.,Baoding 071051,China;Department of Economics,Brown University,Providence,RI 00785,USA)

机构地区：[1]国网保定供电公司,河北保定071000 [2]河北大学管理学院,河北保定071002 [3]保定浪拜迪电气股份有限公司,河北保定071051 [4]布朗大学经济系,罗德岛州普罗维登00785

出　　处：《河北大学学报（自然科学版）》

基　　金：国家社科基金资助项目(20BTJ012)。

年　　份：2023

卷　　号：43

期　　号：4

起止页码：357-363

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、RCCSE、WOS、ZGKJHX、核心刊

摘　　要：居民窃电现象的存在,不仅损害了供电企业的经济利益,也对电网安全运行构成了威胁.随着中国数字经济的快速发展以及用电采集系统的不断完善,与大数据相结合的反窃查违手段不断更新.提出了将皮尔逊相关系数、SMOTE(synthetic minority oversampling technique)算法和SVM(支持向量机)相结合的居民窃电检测方法.首先利用皮尔逊相关系数收集历史窃电用户的有效窃电数据,再利用SMOTE算法丰富有效窃电数据并生成有效窃电数据库,在此基础上,通过支持向量机训练窃电用户的识别模型,最终对窃电识别模型筛选出的疑似窃电用户进行现场实际核实,核实结果表明本文提出方法具有有效性和可行性.该方法不仅为电力企业反窃查违提供了新思路,同时也提高了工作班组的工作效率.

关 键 词：窃电识别  数字经济 皮尔逊相关系数  SMOTE算法  支持向量机

分 类 号：O224] TM73[数学类]