异常识别

为提高配电网运行异常数据的识别准确率，提出结合k均值改进萤火虫算法的配电网运行异常数据识别方法。在配电网信息系统中采集配电网运行数据，并实施数据清洗、合并、特征化处理等操作。利用结合k均值改进萤火虫算法的优化聚类获取样本特征曲线及样本分类，得到带通矩阵来判定异常数据点，完成配电网运行异常数据识别。结果表明：所提方法对不同的用电设备状态组合的运行异常数据识别准确率更高。

随着全球变暖和环境污染问题日益突出，新能源汽车逐渐成为汽车产业发展的必然趋势。由于新能源电动汽车充电电价设定较低，出现了很多充电桩“高价低接”违约用电行为。文章采用互信息算法提炼有效的充电桩用户行为特征指标，结合主成分分析与最近邻(K-nearest neighbor，KNN)分类算法，构建充电桩电价执行异常智能识别模型，迅速准确定位违约用电用户，极大提高了稽查工作效率。通过实例分析，对比查准率、查全率、F1值、ROC曲线、AUC值等多项评估指标，验证了模型的有效性。

近日，国网福建上杭县供电公司数字化班采用基于改进的k-medoids聚类算法的台区线损异常识别方法开展供电台区异常配变分析，识别出城区供服中心林业1号配变存在高损异常。台区经理随即前往现场排查，发现变压器接线柱线夹设备因强雷雨天气影响导致受损，在及时更换好受损设备后，变压器恢复正常供电。