基于半监督学习时间序列回归算法的窃电量估算方法

窃电用户窃电量的精确估算对挽回电力企业的经济损失和依法处置窃电用户具有重要的实际意义。为实现用户窃电量精确估算，通过对时间序列回归算法进行优化改进，提出了一种新的窃电量估算方法。该方法以用户当前用电量时间序列样本和历史同期时间序列样本为基础，通过引入最大均值差异（maximum mean difference,MMD）得到基于最大均值差异-最小二乘支持向量回归(MMD-least square support vector regression,MMD-LSSVR)的半监督学习回归算法，以提高回归的准确度和数据的利用度、降低时间复杂度；同时，通过引入交叉变异人工蜂群算法(artificial bee colony based on crossover mutation,CMABC)对算法关键参数进行最佳适应度约束，以提高估算结果精度和收敛速度。在此基础上，提出了基于MMD-CMABC-LSSVR的窃电量估算方法。算法验证结果表明，采用所提方法，其估算电量与实际用电量的相对误差仅为2%，精度远优于传统方法；实际应用案例表明，所提方法可有效恢复窃电时间区段内窃电用户负荷和计量曲线，并精确估...