-
公开(公告)号：CN116738266A
公开(公告)日：2023-09-12
申请号：CN202310413183.9
申请日：2023-04-18
IPC分类号： G06F18/23213 , G06F18/214 , G06F17/11
摘要： 本发明涉及一种基于改进的k‑medoids聚类算法的台区线损异常识别方法，包括以下步骤：步骤S1:获取台区的线损数据,并预处理；步骤S2:基于预处理后的台区的线损数据,通过k‑medoids聚类算法进行聚类分析，每个台区得到两个变量，一个是聚类中心点，另一个是欧氏距离；步骤S3:基于聚类中心点初步判断台区是否异常，若正常，则通过判断欧氏距离是否大于阈值进一步判断台区是否异常。本发明可以保证线路台区稳定运行，实现精准有效地划分台区线损数据，清晰划分台区线损数据类别。
-
公开(公告)号：CN116522257A
公开(公告)日：2023-08-01
申请号：CN202310201076.X
申请日：2023-03-06
IPC分类号： G06F18/2431 , G06Q50/06 , G06F18/214
摘要： 本发明涉及一种基于R‑RF模型识别窃电用户方法。通过以实时线损波动异常为基础的反窃电方法，借助典型相关分析对实际用户用电量与线损率的复相关系数计算值先进行判断疑似窃电用户，通过随机森林算法再次进行投票分类出窃电用户，该模型能更加准确的识别窃电用户，减少误差。
-
公开(公告)号：CN118228172A
公开(公告)日：2024-06-21
申请号：CN202410317590.4
申请日：2024-03-20
摘要： 本发明涉及一种基于模型分析的反窃电监测识别系统。通过以实时线损波动异常、电压损失、电流异常为基础指标的分析模型，借助模型对实际用户用电量与线损率的复相关系数计算值先进行判断疑似窃电用户，该系统实施监控用户的用电情况，能更加准确的识别窃电用户，减少误差；二是该系统通过数据模型可以快速定位窃电用户，针对性地排查出存在窃电行为的用户，显著增加了反窃电工作效率，显著提升准确率，在数据采集、远程传输、数据存储过程中需要确保表计、负荷、传输信道的高可靠性，确保系统稳定运行。
-
公开(公告)号：CN118278548A
公开(公告)日：2024-07-02
申请号：CN202410444032.4
申请日：2024-04-12
IPC分类号： G06N20/20 , G06Q50/06 , G06Q30/01 , G06Q10/04 , G06F18/243
摘要： 本发明涉及一种基于K‑NN‑XGBoost预测用户投诉模型构建方法。提出K‑邻近法结合XGBoost算法建立K‑NN‑XGBoost算法投诉预测模型，以电力系统的投诉用户工单信息数据，借助工单中客户信息、投诉时间、投诉内容和投诉地点等信息，利用K‑邻近法先构建投诉训练样本特征进行判断投诉用户标签，通过XGBoost算法再次对投诉用户进行预测，该模型能更加准确的识别投诉用户，减少误差。本发明一是通过数据模型判别投诉用户标签，针对性地对投诉用户进行走访，并重点关注投诉用户的用户画像，显著降低用户投诉风险；二是根据投诉用户的主客观数据特征，引入机器学习算法预测潜在投诉用户，提早介入用户关怀，能够有效降低用户投诉的发生，降低对电网企业造成不良的社会影响，提高优质服务水平。
-
-
-
搜索结果
4 条记录 (耗时 0.092 秒)
