摘要
对电力用户中用电特征数据的准确挖掘,可以提高电力用户数据安全性能。由于电力用户数据的不断增加,用电特征数据特征数目也逐渐增加,导致用电特征数据呈连续型属性,并使传统的CURE算法进行电特征数据的挖掘时,必须对连续型数据进行离散化处理,这需要花费大量的预处理时间、并且离散化过程可能会丢失一些重要数据信息,导致用电特征数据的挖掘精度下降。提出一种新的电力用户中用电特征数据的挖掘建模方法,在电力用户数据的用电特征数据属性基础上,引入信息熵原则分析法,获取用电特征。通过Kohonen神经网络模型提取电力用户数据的用电特征数据参数曲线,采用斜率修正法将用户特征数据进行校正,随机选取具有周期性的电路用户数据参数,挖掘用电特征数据,实现电力用户数据中用电特征数据的挖掘建模。仿真结果表明,改进建模方法相比传统的CURE算法,用电特征数据挖掘准确度高。
A new modeling method to detect the electrical characteristic data of power consumer is proposed.Based on the property of characteristic data of power consumer,a principle-analytical method of comentropy is introduced to get the characteristic data.A Kohonen Neural Network Model is used to extract the parameter curve of the characteristic data of power consumer,and the Slope Correction method is used to correct the characteristic data of power consumer.The periodic parameters of user data in random are selected,and the electrical characteristic data are detected to realize the detection modeling of the characteristic data of power consumer.Simulation results show that,compared with the traditional CURE method,the proposed method has higher detection accuracy,modeling accuracy and better efficiency.
出处
《计算机仿真》
CSCD
北大核心
2016年第5期447-450,共4页
Computer Simulation
关键词
用电特征数据
用户电力数据
挖掘模型
Electrical characteristic data
User power data
Mining mode
