1、“.....。所谓是指由配电网侧电力用户的窃电欺诈等系列欺骗性用电行为导致的电能损失。对此，等提出了种基于改进支持向量机和专家系统的异常检测模型。张小斐等提出了种基于图正则化的非线性岭回归用电异常检测模型，并与最小乘法岭回归图正则化岭回归做了对比，验证了所提方法的可靠性和准确性。赵永斌等利用分布式聚类算法准确实现了大规模电力用户用电行为分析糊聚类和孤立森林基础上的用电数据异常检测分析自动化论文。仿真及结果分析数据来源本文数据以云南省地区个用户的用电数据为研究对象。电能计量装置采样间隔为，即每天共有个用电数据采样点。对用电数据进行数据预处理后得到个有效用户数据，其中包含个异常用户，异常用户总占比为。结果分析由于初始聚类中心是随机选择，每次结果可能不样。本文利用聚类有效性函数确定最佳聚类数......”。

2、“.....刘科研，盛万兴，张冬霞，等智能配电网大数据应用需求和场景分析研究中国电机工程学报，彭显刚，郑伟钦，林利祥，等基于密度聚类和判别分析的电价执行稽查方法电网技术，童光华，李宁，杨晨，等面向非技术性损失的用电异常检测方法分析自动化与仪器仪表，张小斐，耿俊成，孙宝玉图正则非线性岭回归模型的异常用电行为识别计算机工程，赵永斌，陈硕，刘明，等采用分布式算法的用电行为分析小型微更加适用于用电数据异常点较少的异常检测分析。结论本文结合智能配用电背景下用电数据量大维度高，实际数据集中异常点样本较少且获取成本较高等背景，提出了种基于模糊聚类和孤立森林的用电数据异常检测方法。利用曲线将局部离群算法和聚类算法与本文所提方法进行对比，实验结果表明本文所提方法更加适用于用电数据异常点较少的情况，且具有较高的查全率和准确率，验证了本文所提方法的可行性。在本文的基础上......”。

3、“.....分别采用算法和本文提出的算法进行异常检测，查找异常数据。为了使结果更加客观，对每个算法分别进行次检测并取其平均值。图和图给出了聚类结果的第类和第类在种不同算法下的曲线和对应的值。表给出了不同类别在种算法下的值。其中为曲线下方的面积，可以通过比较的大小来评估算法的性能。的值为，越接近于，则说图用电数据异常检测模型用电数据聚类分析由于不同类型的用户具有不同的用电行为，而且类中的异常用电行为可能与另类中的正常的用电行为相似。为避免这种情况的发生，提高检测的准确率，本文利用聚类，模糊均值聚类算法先将具有相同用电行为的用户进行分类。算法是种基于划分的无监督聚类算法，是硬划分均值算法的改进，主要是根据给定的种规则将样本数据划分为若干个簇，并遵循簇内高内聚簇外低点，则称其为外部节点，若是个具有两个孩子的节点，则称其为内部节点。定义路径长度在棵隔离树中......”。

4、“.....记为。模糊聚类和孤立森林基础上的用电数据异常检测分析自动化论文。数据标准化考虑到原始用电数据每个特征可能占比不同，数值小的可能被数值大的替代造成特征丢失，本文将插补后的数据进行标准化处理，经过处理后的数据介于到之间，具体计算公式为聚类，模糊均值聚类算法先将具有相同用电行为的用户进行分类。算法是种基于划分的无监督聚类算法，是硬划分均值算法的改进，主要是根据给定的种规则将样本数据划分为若干个簇，并遵循簇内高内聚簇外低耦合的准则。其思想是不断地更新聚类中心和隶属度矩阵，并通过不断迭代使结果最终趋于稳定。模糊聚类算法是把样本数据集划分为类，并求出每组的聚类中心，使目标函数达到最小。目标函数定义为动化与仪器仪表，张小斐，耿俊成，孙宝玉图正则非线性岭回归模型的异常用电行为识别计算机工程，赵永斌，陈硕，刘明......”。

5、“.....安思敏基于数据挖掘的社区犯罪率分析与预测研究北京北京交通大学，杨慧霞，邓迎君，刘志斌，等含有历史不良数据的电力负荷预测研究电力系统保护与控制，任关友专变用户用电特征分析与窃电识别研究昆明昆明理工大学，李忠，安建琴，刘海军，等关进行对比，实验结果表明本文所提方法更加适用于用电数据异常点较少的情况，且具有较高的查全率和准确率，验证了本文所提方法的可行性。在本文的基础上，可以考虑扩大实验数据集并综合考虑配用电数据的自身特点，采取合适的智能算法对用电数据进行异常检测，更深入地进行下阶段的研究。参考文献苗新，张冬霞，孙德栋在配电网中应用大数据的机遇与挑战电网技术，王鹏伍，孙志杰，傅军，等模糊均值聚类算法在用电稽查中的应用华北电力技模糊聚类和孤立森林基础上的用电数据异常检测分析自动化论文其中为标准化后的负荷数据，为原始负荷数据......”。

6、“.....用电异常检测模型构建基于模糊聚类和孤立森林的异常检测具体架构如图所示，整个框架包括个部分数据预处理聚类分析用电异常检测。在对负荷数据进行聚类前，需要对数据进行预处理，将预处理后的数据作为参数输入到模糊聚类算法中进行聚类分析，根据得到的结果，对每个类别的用户进行异常检测，并对检测结果进行分析及模型评分别为原始负荷数据在标准化前的最大值和最小值。用电异常检测模型构建基于模糊聚类和孤立森林的异常检测具体架构如图所示，整个框架包括个部分数据预处理聚类分析用电异常检测。在对负荷数据进行聚类前，需要对数据进行预处理，将预处理后的数据作为参数输入到模糊聚类算法中进行聚类分析，根据得到的结果，对每个类别的用户进行异常检测，并对检测结果进行分析及模型评价。定义隔离树令是棵叉树，是的节点，若是叶子的值。表给出了不同类别在种算法下的值。其中为曲线下方的面积......”。

7、“.....的值为，越接近于，则说明算法的精确度越高。图第类曲线图第类曲线从实验结果来看，算法的值整体都高于和算法。从图可以看出，在横轴的假正例率未达到时，纵轴的真正例率就已经达到左右，而的真正例率为左右⋯其中表示隶属于聚类中心的隶属度表示第个样本，是第簇的中心。数据标准化考虑到原始用电数据每个特征可能占比不同，数值小的可能被数值大的替代造成特征丢失，本文将插补后的数据进行标准化处理，经过处理后的数据介于到之间，具体计算公式为，其中为标准化后的负荷数据，为原始负荷数据，挖掘算法及发展趋势智能计算机与应用，赵嫚，李英娜，李川，杨莉基于模糊聚类和孤立森林的用电数据异常检测陕西理工大学学报自然科学版，基金国家自然科学基金资助项目。模糊聚类和孤立森林基础上的用电数据异常检测分析自动化论文。图用电数据异常检测模型用电数据聚类分析由于不同类型的用户具有不同的用电行为......”。

8、“.....为避免这种情况的发生，提高检测的准确率，本文利用术，庄池杰，张斌，胡军，等基于无监督学习的电力用户异常用电模式检测中国电机工程学报，孙毅，李世豪，崔灿，等基于高斯核函数改进的电力用户用电数据离群点检测方法电网技术，刘科研，盛万兴，张冬霞，等智能配电网大数据应用需求和场景分析研究中国电机工程学报，彭显刚，郑伟钦，林利祥，等基于密度聚类和判别分析的电价执行稽查方法电网技术，童光华，李宁，杨晨，等面向非技术性损失的用电异常检测方法分析仅为。通过上述分析可以得出，在相同数据集下，算法相比于和算法应用于用电数据异常检测上具有更高的查准率和查全率。证明本文所提方法更加适用于用电数据异常点较少的异常检测分析。结论本文结合智能配用电背景下用电数据量大维度高，实际数据集中异常点样本较少且获取成本较高等背景......”。

9、“.....利用曲线将局部离群算法和聚类算法与本文所提方模糊聚类和孤立森林基础上的用电数据异常检测分析自动化论文结果。聚类结果如图所示，纵坐标表示各类别用户归化后的负荷值，横坐标表示以分钟为单位的负荷数据采样时间。图各类聚类中心曲线利用图的聚类结果，以其中的第类作为测试数据集对本文提出的方法进行性能评估。分别采用算法和本文提出的算法进行异常检测，查找异常数据。为了使结果更加客观，对每个算法分别进行次检测并取其平均值。图和图给出了聚类结果的第类和第类在种不同算法下的曲线和对等利用聚类算法将用户负荷曲线进行聚类分析，得到每类用户的聚类特征曲线，根据负荷曲线与其特征曲线的偏离程度将用户分为正常和异常两类，最后利用极限学习机算法预测新用户是否为异常用户。等提出了种基于模糊聚类算法聚类的非技术性损失检测方法。虽然上述文献都对电力异常检测提出了解决方法......”。