聚類關(guān)聯(lián)度分析法的異常數(shù)據(jù)流實時精準(zhǔn)檢測技術(shù)優(yōu)化

打開文本圖片集

摘 要：為實現(xiàn)大規(guī)模用電數(shù)據(jù)流快速的異常檢測及用戶聚類，提升用電稽查的實時性和有效性，研究從“流”、“人”2個層面開展用電稽查，引入Holt-Winters模型，計算預(yù)測值與真實用電數(shù)據(jù)流的殘差項，利用DBSCAN聚類方法通過對殘差項的聚類、離群點的識別，完成大規(guī)模用電數(shù)據(jù)流異常的快速檢測；采用FCM聚類算法篩選異常用電用戶，且為優(yōu)化聚類效率，使用加權(quán)組合聚類評價指標(biāo)，來確定最優(yōu)聚類數(shù)，并引入歐式距離和相關(guān)系數(shù)的組合判據(jù)作為異常用戶檢測的閾值，以實現(xiàn)用電稽查用戶的自動化分類，據(jù)此，便可利用FP-growth算法提取異常用電用戶的典型行為特征，為用電稽查提供有效支撐。（剩余7734字）