استفاده از روش گروه XGBoost برای تشخیص سرقت انرژی در کنتورهای هوشمند انرژی

باگذشت زمان کنتورهای برق از زمان پیدایش از الکترومکانیکی به دیجیتال و اکنون به کنتورهای هوشمند تبدیل شده است. اصلاحاتدر طراحی و اصول کار به طور موثر موجب صرفه جویی در انرژی و تشخی ص سرقت انرژی گردیده است. کنتور هوشمند مصرف برق را اندازه گیری وثبت نموده تا داده های انرژی ثبت شده را بدون دخالت انسان تجزیه و تحلیل کند. این آمار برای پیش بینی مصرف انرژی مشترک استفاده و ناهنجاریدر مصرف منجر به کشف سرقت در صورت وقوع می شود. ساخت سیستم تشخیص سرقت انرژی در برابر همه روش ها چالش برانگیز بوده، اماتکنیک های یادگیری ماشینی روش های موثری برای تشخیص بهینه سرقت انرژی در نظر گرفته م یشوند. مقاله ارائه شده روش های مختلف سرقتانرژی در کنتورهای انرژی و راه حل های پیشنهادی ارائه شده توسط محققان را در مقالات مطالعه می کند. این مطالعه یک تکنیک کارآمد را با استفاده از تکنیک XGBoost بر روی داده های کنتورهوشمند برای نرخ های تشخیص بالا و نرخ های مثبت کاذب پایین ارائه می کند. نتایج به دست آمده با استفاده از روش موصوف ۹۳.۱۵ درصد نرخ تشخیص با تنها ۳.۵۸ درصد نرخ مثبت کاذب و پس از آن طبقه بندی کننده Adaboost و جنگل تصادفی به ترتیب با ۸۸.۵۶، ۸۱.۳۳ درصد و ۵.۱ درصد، ۱.۸۹ درصد به عنوان نرخ های تشخیص و مثبت کاذب بودند.

کلیدواژه ها:

کنتور هوشمند ، ماشین آموزش ، تشخیص سرقت انرژی ، زیرساخت اندازه گیری پیشرفته ، حملات سایبری