مطالعه عملی اتلاف غیر فنی مشترکین خانگی با استفاده از برق ضریب همبستگی پیرسون

توضیحات

چکیده

صنعت برق یکی از صنایع مهم در ایران سراسر جهان است. توسعه زمینه های دیگر وابسته به صنعت برق است. اما در این صنعت سالانه زیان اقتصادی عظیمی به دلیل اتلاف برق به همراه دارد. اتلاف به دو دسته تقسیم شده است. دسته اول اتلاف فنی به دلیل مشکلات در تجهیزات، شبکه انتقال است. دسته دوم اتلاف غیر فنی که به دلیل وجود رفتارهای متفاوت مانند دست کاری کنتور، دست کاری سیم کابل، اشتباهات ماور کنتور قبوض پرداخته نشده در مشترکین برق است. هدف این مقاله استفاده از الگوریتم ضریب همبستگی پیرسون به منظور شناسایی رفتار مشکوک یا غیرعادی مشترکین در مصرف برق است. بدین منظور داده های مختلف واقعی مشترکین مانند شماره اشتراک، نوع فعالیت، عنوان تعرفه، کد تعرفه، دوره مقدار مصرف در یکی از شهرهای استان گیلان جمع آوری مورد تجزیه تحیل قرار گرفت. نتایج پیاده سازی الگوریتم فوق بر روی داده های مشترکین برق، آن ها را به دو دسته مصرف عادی غیرعادی تقسیم بندی کرده است. دقت این دسته بندی 80/37 درصد به دست آمد. 75/45 درصد از مشترکین مورد بررسی عادی 24/55 درصد دیگر مصرف غیرعادی دارند.

 

مقدمه

در دنیای امروز، فناوری اطلاعات و ارتباطات امکان اخذ و جمع آوری داده های مختلف و متنوع را فراهم کرده است.داده ها به صورت مختلف در رسانه های ذخیره سازی نگهداری , پردازش و مورد بازیابی قرار می گیرند. بسیاری از حافظه ها فقط مکانی برای نگهداری این حجم از اطلاعات هستند و پردازشی کمتری بر روی آنها انجام می گیرد. این گونه از داده ها, داده های خام هستند که در بین این مجموعه داده ها الگوهایی وجود دارد . با استفاده از ابزارها و روش های داده کاوری میتوان دانش و الگوهایی را استخراج نمود و از دانش بدست آمده برای بهبود تصمیم گیری استفاده کرد.

 

 

ABSTRACT

The power industry is one of the most important industries in Iran all over the world. The development of other fields is dependent on the electricity industry. But in this yearly industry, there is a huge economic loss due to power dissipation. The waste is divided into two categories. The first category is technical loss because of problems in equipment, transmission network. The second category of non-technical losses due to different behaviors such as meter handling, cable wire routing, mismatches of unpaid bills in electricity subscribers. The purpose of this paper is to use the Pearson Correlation Coefficient Algorithm to identify abusive or abnormal behavior of subscribers in power consumption. For this purpose, various real data of subscribers such as subscription number, type of activity, tariff heading, tariff code, consumption period in one of the cities of Guilan province were analyzed. The results of the implementation of the above algorithm on electricity subscriber data divide them into two categories of abnormal consumption. Accuracy of this category was 37.87%. 75/45% of the surveyed subscribers have an abnormal intake of another 24/55%.

 

INTRODUCTION

In today’s world, ICTs have made it possible to collect and collect various and varied data. Data is stored, processed and retrieved in storage media in a variety of ways. Most of the memory is just a place to hold this volume of information and less processing is done on them. This kind of data is a raw data that there are patterns within this data set. Using tools and methods of data mining can extract knowledge and patterns and use the knowledge gained to improve decision making.

 

Year: ۲۰۱۸

Publisher : The 4th Smart Signal Processing Conference

By : Naeem Falaki, Asadollah Shah Bahrami, Seyyed Abolghasem Mehr Roshandel

File Information: English Language/ 5 Page / size: 1.15 KB

 

سال : ۱۳۹۶

ناشر : چهارمین کنفرانس پردازش سیگنال سیستم های هوشمند

کاری از : نعیم فلکی ،اسدالله شاه بهرامی ،سید ابوالقاسم میر روشندل

اطلاعات فایل : زبان فارسی / 5 صفحه / حجم : KB 1.15