基于改进孤立森林算法的异常用电行为识别方法

针对传统异常用电行为识别方法准确率低、时效性差且人工消耗较高等问题，提出了一种基于粒子群算法的改进孤立森林识别方法。该方法通过总结异常用电行为规律，重构相关行为的特征指标，并侧重于对异常样本的学习与训练，进而在集成算法套袋思想的基础上构建了孤立森林。同时利用粒子群算法的群集寻优能力选择出精准度较高、差异度较大的孤立树形成子集，进一步优化了异常用电行为的识别效果。实验结果表明，改进方法的AUC值和识别效率均高于聚类算法及孤立森林算法，能够对异常用电行为进行准确识别。