ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
中国知网全文收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
【摘要】在电力系统运营中，准确地监测和识别户变关系异常是保证系统安全和提高运营效率的关键。 本文基于分段聚合近似（ｐｉｅｃｅｗｉｓｅ ａｇｇｒｅｇａｔｅ ａｐｐｒｏｘｉｍａｔｉｏｎ，ＰＡＡ）和 Ｓｈａｐｅｌｅｔ 算法提出了一种新的户变关系异常识别方法。 首先，利用 ＰＡＡ 算法对电力消费数据进行降维处理，其次，通过 Ｓｈａｐｅｌｅｔ 算法从简化后的数据中提取关键模式，以准确识别和分类异常情况。 最后，将本文方法与传统支持向量机算法进行性能比较，结果表明：本方法在准确率和召回率方面均显著优于支持向量机算法。
