摘要:在供电企业的不断发展中,其各项工作的管理水平和处理能力也得到了较大的提升,然而在用电监察中用户电量数据异常这个方面仍然没有得到有效地解决,这也是电力企业运营中的一个常见问题。用电监察是一项繁琐枯燥的且工作量大的工作,这就导致用电监察人员在实际工作中易产生疲惫心理和消极怠慢的情绪,加上许多用电监察人员受传统思维的影响,对用电监察工作未予以足够的重视,在监察时采用的监察方法不恰当。这些都导致了用电监察工作不到位,监察效果不佳的后果,使得用电监察形同虚设,没有发挥实际作用。利用主成分分析(PCA)算法,结合机器学习等先进手段,关联数据构建用电行为异常的动态分析和预测模型,可以动态甄别用户的用电行为异常,从而形成一套智能化的用户用电行为异常分析系统。对大量的异常数据进行高效分析后形成具有指导意义的统计数据,不仅便于更好的制定监察计划,还能就个监察漏洞点做出及时调整。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
热门期刊服务
Applied Geophysics Chinese Physics C Acta Mathematicae Applicatae Sinica Applied Mathematics and Mechanics Chinese Physics B Chinese Optics Letters Acta Pharmacologica Sinica Applied Mathematics:A Journal of Chinese Universities Acta Biochimica et Biophysica Sinica Chinese Journal of Chemical Physics Advances in Atmospheric Sciences Journal of Systems Science and Complexity