基于集成ELM的配电网窃电嫌疑用户智能识别

提出了一种基于集成极限学习机(extreme learning machine,ELM)的配电网窃电嫌疑用户智能识别方法。该方法通过探究窃电样本从正常状态窃电状态的变化特征构建窃电行为评价体系,并基于该评价体系训练多个含不同隐含层神经元数的窃电智能识别模型,进而以准确率、差异度为基准集成兼具准确性与从多样性的组合ELM模型来实现对窃电用户的智能识别。本方法有效集合了ELM较快的学习速度与集成学习的高精度性,并从窃电告警、电量、负荷多个维度分析配网用户窃电嫌疑,能实现对窃电行为的快速有效识别。