该课题在省电力公司的用电采集、营销管理、生产管理系统中的海量公变用户用电、设备状态数据的基础上,基于大数据平台运用机器学习(如逻辑回归算法、指数平滑)挖掘配变运行特点与规律,预测配变未来一周的重过载概率和近期配网运行规律,解决以往高温、台风等外部异常事件薄弱防控,提升配网运维管理水平和供电服务质量。本项目主要应用编程语言: R语言 , 基于大数据平台。
采用机器学习的GBDT 算法,通过智能电表或异常事件规则计算得到的疑似窃电用户清单,建立嫌疑人识别模型,缩小现场人员排查范围。构建了用电量突减异常、空值段异常和用电波动异常三个异动模型,通过综合评价算法TOPSIS形成上述三个维度模型的综合分析评价,并利用用户群精准划分算法,形成解决窃电问题的综合能力等级划分。优先处理A类窃电用户,密切关注B类窃电用户,提前预防C类客户。进行监控排查,对于确认未窃电用户,模型动态自学习优化,主要通过三个方面改进,加入新的特征变量,2.针对客户群体进行细分 3.选择新算法或者调整算法参数。而确认窃电用户进行损失追讨
国网信通亿力科技有限公司是国网信通产业集团底下的二级产业单位,国网信通产业集团是国家电网二级子单位。本人擅长数据挖掘,数据分析,积累了多年的电力行业数据分析经验。
学校:福建农林大学(保送研究生)
专业:生物信息科学与技术
学历:硕士
学校:福建农林大学
专业:软件工程
学历:本科