استفاده از روش گروه XGBoost براي تشخيص سرقت انرژي در كنتورهاي هوشمند انرژي

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