摘要：异常用电行为检测直接关系到电力公司的利益。针对上述问题,提出一种基于FP-growth算法的多尺度用电异常行为检测方法。通过采集器远程获取用电数据,并对缺失数据填补和数据进行标准化处理。通过计算特征的重要性指数和贡献率选取多尺度用电行为特征。利用FP-growth算法建立特征与用电行为之间的关联规则,根据支持度和置信度判断是否存在异常,实现用电异常行为检测。实验结果表明,所研究方法的F1值始终高于0.8,说明该方法的检测更为准确。

摘要：为缩小用电信息压缩后所占据的存储空间,实现对冗余数据的准确消除,提出基于人工神经网络算法的用电信息传输冗余量消除方法。按照人工神经网络原理,定义冗余用电信息传输格式,根据信息重复率指标的数值水平,实现对冗余用电信息的按需处理。分别从冗余强度、聚合系数两个角度,计算冗余用电信息的压缩量水平,完成基于人工神经网络算法的用电信息传输冗余量消除方法设计。实现结果表明,在人工神经网络算法的作用下,压缩后用电信息所占存储空间缩小至2.66×10^(9)Mb,可避免信息参量的重复出现,从而实现对冗余数据的准确消除处理。