原创力文档摘要
窃电行为不仅直接危害到电力公司的正常运营，还会造成不安全因素，对
人们的生命财产安全产生潜在威胁，开展窃电行为检测研究具有重要的现实意
义和应用价值。随着人工智能的兴起，以智能电表数据驱动的人工智能检测窃
电行为得到飞速发展。本文以时间序列分析为用电特征，提出一种基于猎人猎
物优化算法（HPO）优化以随机森林为弱分类器的自适应增强算法（RF-
AdaBoost）的窃电检测方法。主要工作内容如下：
（1）本文采用两个数据集，一个是爱尔兰电力负荷数据集，另一个是国
家电网电力
摘要
窃电行为不仅直接危害到电力公司的正常运营，还会造成不安全因素，对
人们的生命财产安全产生潜在威胁，开展窃电行为检测研究具有重要的现实意
义和应用价值。随着人工智能的兴起，以智能电表数据驱动的人工智能检测窃
电行为得到飞速发展。本文以时间序列分析为用电特征，提出一种基于猎人猎
物优化算法（HPO）优化以随机森林为弱分类器的自适应增强算法（RF-
AdaBoost）的窃电检测方法。主要工作内容如下：
（1）本文采用两个数据集，一个是爱尔兰电力负荷数据集，另一个是国
家电网电力
文档评论（0）