设计应用

基于改进Stacking集成分类算法的用户用电信息异常识别

作者：闫相伟，宋国壮，刘怡豪
发布日期：2023-08-25
来源：2023年电子技术应用第8期

0　引言

近年来，随着电力用户信息采集系统的发展和普及，积累了大量高价值的用户用电数据[1-2]。针对因为智能电表因自然不可抗力导致的损坏、用户恶意篡改或通信网络受到攻击而导致的用户用电信息异常，建立高效的异常识别模型，减少人力排查工作量，降低经济损失，被愈发重视[3]。

在现有的基于机器学习的用电信息异常检测中，多数学者倾向于通过提取样本的特征，利用机器学习模型挖掘出特征与标签之间隐藏的规律[4]。文献[5]提出了DT与SVM的组合模型，将DT的输出用来训练SVM分类器，达到了比较理想的结果。为了突破单一机器学习模型分类性能上限低的情况，文献[6]提出了基于ISSA-RF的集成学习方法，有效提高了异常检测的准确性。文献[7]基于Stacking集成学习策略，按时间多维度拆解用户日用电量指标，验证了所提模型的有效性。

基于Stacking集成分类算法，文中提出用电信息异常检测框架。以异常产生原因紧密相关的电气指标为基础，通过6种FDI攻击方式生成异常数据集并提取特征，通过实验验证了Stacking集成分类算法效果高于单个基分类器。并且提出了一种基于召回率的改进Stacking集成分类算法，通过实验证明了其有效提升了传统Stacking集成分类算法的分类性能。



本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005496




作者信息：

闫相伟，宋国壮，刘怡豪

（重庆邮电大学 通信与信息工程学院，重庆 400065）

微信图片_20210517164139.jpg

此内容为AET网站原创，未经授权禁止转载。
用户用电信息 异常识别 改进Stacking集成分类算法 FDI

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map