数据挖掘项目电力窃漏电用户自动识别.pdfVIP

1.数据预处理 数据集：/s/1kUXWhWN 1）填充excel 中缺失数据，（文件：missing_data.xls） ABC 分别代表三个用户一个月工作日用电量数据 完整代码： #-*- coding: utf-8 -*- #拉格朗日插值代码 import pandas as pd #导入数据分析库Pandas from erpolate import lagrange #导入拉格朗日插值函数 inputfile = missing_data.xls #输入数据路径,需要使用Excel 格式； outputfile = missing_data_processed.xls #输出数据路径,需要使用Excel 格式 data = pd.read_excel(inputfile, header=None) #读入数据 #自定义列向量插值函数 #s 为列向量，n 为被插值的位置，k 为取前后的数据个数，默认为5 def ployinterp_column(s, n, k=5): y = s[list(range (n-k, n)) + list(range (n+1, n+1+k))] #取数 y = y[y.notnull ()] #剔除空值 return lagrange(y.index, list(y))(n) #插值并返回插值结果 # #逐个元素判断是否需要插值 for i in data.columns: for j in range (len(data)): if (data[i].isnull())[j]: #如果为空即插值。 data[i][j] = ployinterp_column(data[i], j) data.to_excel(outputfile, header=None, index=False) #输出结果 2）数据变换 A.电量趋势下降指标：对统计当天设定前后5 天为统计窗口期，计算这11 天内电 量趋势下降情况，其中第i 天用电量趋势是考虑前后5 天期间的用电量斜率。 公式如下： i5 ( f  f )(l l) l k  l i5 i i5 (l l)2 l i5 1 i5 f =  fl 11 l i5 1 i 5 l= l 11 l i5 Ki 为第i 天的电量趋势， 为第L 天的用电量 fl 若电量趋势为不断下降的，则认为具有一定的窃电嫌疑，故计算这11 天内，当天 比前一天用电量趋势为递减的天数，即设有： 1, k  k i i1 D( )   i 0, k  k  i i1 则这11 天内的电量趋势下降指标为 i5 T  ( )  D n ni4 B.线损指标：线损率用于衡量供电线路的损失比例。一条线路上同时供给多个用 户，若第l 天的线路供电量为S ,线路上各个用户的总用电量为 f (m ) ，线路的线 L