论文总字数：27472字

摘 要

电力网络在运行过程中难免存在损耗问题，这些损耗存在于电力产生和运输的各个角落。但根据理论需求，我们可根据损耗的类别将损耗分为技术损耗和管理线损。其中，管理线损的很大一部分占比来源于用户窃电。电力消费者的窃电行为是电力企业普遍面对的问题。近年来，寻找检测虚假用电的有效方法一直是一个活跃的研究方向，本文提出了基于聚类算法的管理线损异常的识别方法。在实现过程中，文中采用了五种聚类算法，这些算法的原理各异。这些算法分别是基于中心的K均值（K-means）聚类算法、 基于密度的噪声应用空间聚类 （Density-Based Spatial Clustering of Applications with Noise, DBSCAN）算法、基于图论的谱聚类算法、基于分布的高斯混合模型（Gaussian Mixture Model, GMM）和局部异常因子（Local Outlier Factor, LOF）检测方法。这项研究旨在检测馈线上是否存在管理线损和窃电行为，从而在之后减少此类非技术损耗。研究从馈线的负荷中提取诸多特征，作为聚类算法的数据输入。之后，根据聚类返回的结果来判断馈线的情况。根据研究得到的结果，几种聚类算法能够有效识别出馈线上的管理线损情况。

关键词：管理线损、聚类算法、特征提取、窃电

ABSTRACT

The loss of electric energy is inevitable in power system, and these losses appears everywhere. It looks like that we have no ideals to reduce the loss. However, we can divide it into two parts according to the demand, technical loss and management loss. As we know, technical loss is usually caused by different technical reasons when most of the management loss is from the thief of electric. It’s a serious problem what power industries have to face, and the method to find the customers who has stolen the electric energy is also an important research direction. In this research, we have used five different clustering algorithms. These five algorithms are K-means, spectral clustering, DBSCAN, GMM and LOF, and these algorithms are different in theories. This research aims to detect the management loss and reduce the thief of the electric, and the results of these five algorithms will be compared in the paper. The process of research contains a series of steps. First, this paper extracts features from the initial data, and these features will be used for clustering. According to the results of clustering, we can distinguish the management loss and unique feedbacks. From the research, we find that several algorithms are valid, and we can use these clustering algorithms to identity the abnormal customers.

Index Terms: Management loss; clustering algorithms; feature extraction; thief of electric

目 录

摘 要 I

ABSTRACT II

第一章 绪论 1

1.1研究的背景、意义及现状 1

1.1.1研究的背景和意义 1

1.1.2研究现状 4

1.2论文工作 5

第二章 管理线损详解及检测流程 6

2.1管理线损介绍 6

2.2管理线损异常检测流程 7

2.3特征提取 8

第三章 聚类算法 10

3.1聚类算法分类 10

3.2基于中心的聚类算法 10

3.3基于密度的算法 12

3.4基于谱的算法 13

3.5基于分布的算法 14

3.6局部异常因子识别算法 16

第四章 算例展示 18

4.1 数据生成 18

4.2 数据聚类 21

4.2.1 K-means算法 21

4.2.2 DBSCAN算法 22

4.2.3 谱聚类算法 23

4.2.4 高斯混合模型 24

4.2.5 LOF算法 25

4.3 综合结果比较 27

第五章 结论与展望 30

参考文献 31

致 谢 33

第一章 绪论

1.1研究的背景、意义及现状

1.1.1研究的背景和意义

在2010年，英国《经济学人》杂志提出了克强指数用于衡量中国GDP增长量，其中就包括电量。从中可见，把电量作为衡量GDP增长的标准已经被世界所认可。而电力行业作为国民经济的基础也被国家及人民公认。随着社会经济的不断发展与进步，电力行业也得到迅速的发展，具体可体现在以下几个方面：1）电力行业的建设实现了横跨性发展；2）电力行业转变发展方式进展明显，电力能源结构逐步优化；3）电力技术装备水平得到显著提升；4）电力节能降耗成效明显。这些成果都说明了我国的电力行业在稳步发展，在发展规模的同时不断提升电力行业的质量。如图1-1为我国2010-2017年中国发电装机容量及同比增长走势情况。

图1-1 2010-2017年中国发电装机容量及同比增长走势

广泛存在于我们生活中的电能也是商品的一种。既然是商品，它就有着商品的基本流程，但却又有着的特殊性，具体表现在以下几点：

1）电能与国民经济其他各部门之间有着密切的关系。电能作为一种便捷能源，具有显著的优点。原因在于电能与其他能量间转换便捷，例如可通过电动机转换成机械能。若电能的输送出现问题，势必会造成恶劣影响。

2）电能不能大量储存，电力网络中的发电、输电、用电行为是同时发生的。

剩余内容已隐藏，请支付后下载全文，论文总字数：27472字