论文部分内容阅读
针对传统电费识别模型中电费异常识别耗时较长、误差较大等问题，提出基于用电大数据的低压电力客户电费异常识别模型。将低压电力客户用电数据转换为数据集形式，清洗该数据集中脏数据，通过多阶拉格朗日内插法修补日负荷曲线的缺失值；利用流聚类技术设置阈值，获取用电数据集中初始簇的中心，采用平方和误差最小函数确定具有最大关联特征的用电数据；通过对n维空间中所有电力特征参数的处理，获取时间序列矩阵，构建低压电力客户电费异常识别模型。实验结果表明：采用所提模型识别低压电力客户电费异常的耗时最短约为0.1 s,且误差最高约为2.1%。