شماره ركورد كنفرانس :
5306
عنوان مقاله :
استفاده از روش گروه XGBoost براي تشخيص سرقت انرژي در كنتورهاي هوشمند انرژي
پديدآورندگان :
آقاباباگلي احسان ehsanbabagoly@yahoo.com شركت توزيع برق استان اصفهان , رضايي محمدمهدي mm.rezaei@iaukhsh.ac.ir گروه مهندسي برق، واحد خميني شهر، دانشگاه آزاد اسلامي، اصفهان، ايران (نويسنده مسئول)
كليدواژه :
كنتور هوشمند , ماشين آموزش , تشخيص سرقت انرژي , زيرساخت اندازهگيري پيشرفته , حملات سايبري
عنوان كنفرانس :
اولين همايش ملي داده كاوي در علوم مهندسي و زيستي
چكيده فارسي :
باگذشت زمان كنتورهاي برق از زمان پيدايش از الكترومكانيكي به ديجيتال و اكنون به كنتورهاي هوشمند تبديل شده است. اصلاحات در طراحي و اصول كار به طور موثر موجب صرفه جويي در انرژي و تشخيص سرقت انرژي گرديدهاست. كنتور هوشمند مصرف برق را اندازهگيري و ثبت نموده تا داده‌هاي انرژي ثبت‌شده را بدون دخالت انسان تجزيه و تحليل كند. اين آمار براي پيشبيني مصرف انرژي مشترك استفاده و ناهنجاري در مصرف منجر به كشف سرقت در صورت وقوع ميشود. ساخت سيستم تشخيص سرقت انرژي در برابر همه روش‌ها چالش برانگيز بوده، اما تكنيك‌هاي يادگيري ماشيني روش‌هاي موثري براي تشخيص بهينه سرقت انرژي در نظر گرفته مي‌شوند. مقاله ارائه شده روش‌هاي مختلف سرقت انرژي در كنتورهاي انرژي و راه‌حل‌هاي پيشنهادي ارائه‌شده توسط محققان را در مقالات مطالعه مي‌كند. اين مطالعه يك تكنيك كارآمد را با استفاده از تكنيك XGBoost بر روي داده‌هاي كنتورهوشمند براي نرخ‌هاي تشخيص بالا و نرخ‌هاي مثبت كاذب پايين ارائه مي‌كند. نتايج به‌دست‌آمده با استفاده از روش موصوف 93.15 درصد نرخ تشخيص با تنها 3.58 درصد نرخ مثبت كاذب و پس از آن طبقه‌بندي كننده Adaboost و جنگل تصادفي به ترتيب با 88.56، 81.33 درصد و 5.1 درصد، 1.89 درصد به عنوان نرخ‌هاي تشخيص و مثبت كاذب بودند
