聚类关联度分析法的异常数据流实时精准检测技术优化

打开文本图片集

摘 要：为实现大规模用电数据流快速的异常检测及用户聚类，提升用电稽查的实时性和有效性，研究从“流”、“人”2个层面开展用电稽查，引入Holt-Winters模型，计算预测值与真实用电数据流的残差项，利用DBSCAN聚类方法通过对残差项的聚类、离群点的识别，完成大规模用电数据流异常的快速检测；采用FCM聚类算法筛选异常用电用户，且为优化聚类效率，使用加权组合聚类评价指标，来确定最优聚类数，并引入欧式距离和相关系数的组合判据作为异常用户检测的阈值，以实现用电稽查用户的自动化分类，据此，便可利用FP-growth算法提取异常用电用户的典型行为特征，为用电稽查提供有效支撑。（剩余7734字）