一种遗传优化Bagging异质集成模型的异常用电检测方法

摘要

本发明公开了一种遗传优化Bagging异质集成模型的异常用电检测方法，涉及基于数据驱动的窃电检测技术领域，本发明通过SMOTE过采样技术对窃电用户数据进行样本增强，其次利用主成分分析降维提取异常用电特征，构建多种类型个体学习器嵌入的Bagging异质集成学习的窃电检测模型，通过引入投票策略将其输出进行结合,并用遗传算法对个体学习器的超参数进行优化。基于遗传优化的Bagging集成检测模型相比于决策树、支持向量机、随机森林以及传统人工神经网络等检测方法在准确率、误检率以及AUC评价指标上有明显提升，为加强我国电力企业对电能输送的高效监管力度、加大窃电的查处惩治力度、维护正常的供用电秩序、保障企业经营效益起到了积极的作用。