تجزیه و تحلیل داده ها بر مبنای درخت تصمیم و SVM برای تشخیص سرقت در شبکه هوشمند

زیان های غیر فنی به ویژه به دلیل سرقت برق مدت ها است که یکی از نگرانی های اصلی در صنایع سیستم های قدرت به شمار می رود. مصرف برق در مقیاس وسیع به صورت تقلبی می تواند به شدت باعث برهم خوردن تعادل بین عرضه و تقاضا شود. بنابراین، نیاز به توسعه یک روش برای تشخیص دقیق این سرقت ها در شبکه های پیچیده برق احساس می شود. با تمرکز بر این موضوعات، این مقاله یک طرح جامع از بالا به پایین بر اساس درخت تصمیم (DT) و ماشین بردار پشتیبان (SVM) پیشنهاد می کند. برخلاف روش های موجود، این طرح پیشنهادی قادر است تا سرقت برق در زمان واقعی را با دقت بالا در هر سطحی از انتقال و توزیع برق تشخیص دهد و مکان یابی کند. این طرح مبتنی بر ترکیب طبقه بندهای DT و SVM برای تحلیل دقیق داده های مصرف برق جمع آوری شده است. به عبارت دیگر، این طرح را می توان به عنوان یک روش دو مرحله ای برای پردازش و تحلیل داده ها در نظر گرفت، زیرا داده های پردازش شده توسط DT به عنوان ورودی به طبقه بند SVM داده می شود. علاوه بر این، نتایج به دست آمده نشان می دهد که این طرح به طور چشمگیری خطاهای مثبت کاذب را کاهش می دهد و به اندازه کافی برای پیاده سازی در سناریوهای زمان واقعی عملی است.

کلیدواژه ها:

تجزیه و تحلیل داده ها ، درخت تصمیم ، سرقت برق ، فناوری اطلاعات و ارتباطات ، شبکه هوشمند ، ماشین بردار پشتیبان.