[发明专利]一种针对非技术性损失的智能用电异常检测方法在审
申请号: | 201410191218.X | 申请日: | 2014-05-07 |
公开(公告)号: | CN103942453A | 公开(公告)日: | 2014-07-23 |
发明(设计)人: | 刘念;刘杰 | 申请(专利权)人: | 华北电力大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 北京麟保德和知识产权代理事务所(普通合伙) 11428 | 代理人: | 韩建功 |
地址: | 102206 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了属于电力负荷分析技术领域中一种针对非技术性损失的智能用电异常检测方法。该方法为:1)对原始数据进行预处理;2)对样本数据进行特征提取;3)将样本划分为初始训练样本和寻优样本;4)采样实时数据,提取样本的特征,生成测试样本;5)利用GA算法进行参数寻优,确定最优ELM参数值;6)代入最优ELM参数值、训练样本和测试样本进行异常检测;7)若检测时刻为72小时的整数倍,统计分类精度和异常误检率;若异常误检率超过设定限值跳转到8),否则,跳转到4);8)更新用户训练样本,跳转到5)。本发明方法物理概念明确,思路清晰,分析计算简便,可以有效解决对任意用电负荷进行非技术性损失的在线检测的问题。 | ||
搜索关键词: | 一种 针对 技术性 损失 智能 用电 异常 检测 方法 | ||
【主权项】:
一种针对非技术性损失的智能用电异常检测方法,其特征在于,该检测方法的具体步骤为:步骤1:对原始负荷数据进行预处理;步骤2:对样本负荷数据进行特征提取;步骤3:对样本进行划分,确定初始训练样本和寻优样本;步骤4:利用遗传算法GA进行离线参数寻优,确定最优极限学习机ELM参数值;步骤5:采样实时数据,按步骤2的方法提取样本的特征,生成测试样本;步骤6:基于极限学习机ELM算法,代入最优极限学习机ELM参数值、初始训练样本和测试样本进行在线异常检测;步骤7:如果检测时刻为72小时的整数倍,统计分类精度CA和异常误检率FDC;如果异常误检率超过设定限值FDClim跳转到步骤8,否则,跳转到步骤5;步骤8:更新用户训练样本,跳转到步骤4。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华北电力大学,未经华北电力大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201410191218.X/,转载请声明来源钻瓜专利网。
- 上一篇:高位卸料车厢可卸式垃圾车
- 下一篇:一种新型的电钻
- 同类专利
- 专利分类
G06 计算;推算;计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用