شناسايي منابع سرقت برق با رويكرد ديناميكي خوشه بندي فازي (مطالعه موردي: استان آذربايجان غربي)

Identification of Power Stripping Resources with Fuzzy Cluster Dynamic Approach (Case Study: West Azerbaijan Province

كاهش تلفات سرقت برق، بخش قابل توجهي از مزاياي بالقوه ناشي از پياده سازي مفهوم شبكه هوشمند است. اين مقاله روش مبتني بر داده ها را براي شناسايي مكان هاي با مصرف غيرعادي برق پيشنهاد مي كند. روش تشخيصي جديد مبتني بر فاصله، نمونه هاي داده جديد را به عنوان مشتركين متخلف طبقه بندي مي كند، اگر فاصله آنها تا نمونه هاي اوليه مصرفي قابل توجه باشد. الگوريتم پيشنهادي بر اساس تعداد خوشه اوليه و شاخص مشخصي تعداد خوشه نهايي را تعيين مي كند. اين روش بر اساس الگوريتم ابتكاري خوشه بندي فازي ديناميكي انجام شده است. چارچوب تشخيصي روش جديد نقص مشتركين به اشتباه متخلف درنظر گرفته شده را رفع مي كند. در اين مقاله، دو بخش منطقه اي و مشتركين شهرستان اروميه بين سال هاي 89 الي 96 بررسي شده و به عنوان يك روش توسعه داده شده كارآمد بدون نظارت معرفي مي شود.

Reducing electric power theft is a significant part of the potential benefits of implementing the concept of smart grid. This paper proposes a data-based approach to identify locations with unusual electricity consumption. The new distance-based method classifies the new data as violator costumers, if their distance is long to the primary consumption data. The proposed algorithm determines the number of final clusters based on the number of initial clusters and a specific index. This method is based on the dynamic fuzzy clustering algorithm. The framework removes the defect of violator subscribers by mistake. In this article are studied regional and subscriber sections of Urmia city between 2000 and 2017 years and significantly more effective than other methods of uncontrolled learning and introduced as an efficient unsupervised developed method