基于用电数据和机器学习的窃电行为识别方法

摘要

针对现有基于用电数据的窃电行为识别性能不佳的问题,提出了一种基于差分进化SVM的识别方法.电网中窃电用户占比较少,样本数据集分类严重不平衡,为此利用 K-means聚类提取少数类中心,再通过SMOTE算法生成窃电样本,提高数据集平衡性.然后,构建了基于SVM的窃电行为识别模型,并利用差分进化实现参数寻优.实验结果表明,该方法能够在样本不平衡条件下有效实现窃电行为识别,且识别准确率较高.