文献

J-GLOBAL ID：202202265069528106   整理番号：22A0991677

Bagging二次加重統合に基づく孤立森林盗電検出アルゴリズム【JST・京大機械翻訳】

Isolated-forest Electricity Theft Detection Algorithm Based on Bagging Secondary Weighted Ensemble

著者 (5件)： Li Guocheng (華北電力大学電气与電子工程学院,北京市 102206) ,  Lu Jun (華北電力大学電气与電子工程学院,北京市 102206) ,  Wang Yun (華北電力大学電气与電子工程学院,北京市 102206) ,  Huang Rui (国网湖南省電力有限公司供電服務中心,湖南省長沙市 410004;智能電气量測与応用技術湖南省重点実験室,湖南省長沙市 410004) ,  Liu Mouhai (国网湖南省電力有限公司供電服務中心,湖南省長沙市 410004;智能電气量測与応用技術湖南省重点実験室,湖南省長沙市 410004)
資料名： Dianli Xitong Zidonghua  (Dianli Xitong Zidonghua)
巻： 46  号： 2  ページ： 92-100  発行年： 2022年 
JST資料番号： C2510A  ISSN： 1000-1026  CODEN： DXZIE9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： スマートグリッドの高速発展に伴い、盗電方式が多様化し、盗電データもマーキングが難しく、サンプル類がアンバランスな特徴を有する。盗電データのラベルなしと不平衡の盗電検出問題を目的として,Bagging二次加重統合に基づく孤立森林盗電検出アルゴリズムを提案した。まず、住民と商業ユーザーに存在する盗電モードを分析することによって、孤立類間の類似度の最低基準に基づいて、各種類の盗電モードの孤立特徴順序に対して最適化を行い、対応する孤立森林モデルを訓練した。次に,2次統合孤立森林モデルを,重み付き投票法を用いて得て,そして,盗電モード不均衡分布条件の下での盗電検出を実現した。7つの一般的学習アルゴリズムおよびBaggingヘテロ集合学習アルゴリズムを比較して,シミュレーション結果は,提案した方式が,非ラベル化および不均衡条件における盗電検出効果を効果的に改善することができることを示した。二次加重統合戦略は,盗電モード不均衡分布条件下の盗電検出効果を改善する。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  シミュレーション ,  マーキング ,  非平衡状態 ,  住民 ,  モデル ,  投票 ,  多様化 ,  学習アルゴリズム ,  スマートグリッド
準シソーラス用語： 不均衡 ,  類似度 , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (5件)： 加重 ,  統合 ,  森林 ,  盗電検出 ,  アルゴリズム