کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4945490 1438709 2017 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Detection of energy theft and defective smart meters in smart grids using linear regression
ترجمه فارسی عنوان
تشخیص سرقت انرژی و معایب دستگاه های هوشمند در شبکه های هوشمند با استفاده از رگرسیون خطی
کلمات کلیدی
LUDneighborhood area networkTOUNon-technical lossMLRNTLLSEAmI - AMIGenetic algorithm - الگوریتم ژنتیکLU decomposition - تجزیه LUnan - درLinear regression - رگرسیون خطیMultiple linear regression - رگرسیون خطی چندگانه Time-of-use - زمان استفادهAdvanced metering infrastructure - زیرساخت اندازه گیری پیشرفتهRFID - سامانهٔ بازشناسی با امواج رادیویی Linear system of equations - سیستم خطی معادلاتSmart grid - شبکه هوشمندRadio frequency identification - شناسایی فرکانس رادیوییSVM - ماشین بردار پشتیبانیSupport vector machine - ماشین بردار پشتیبانیSmart meter - متر هوشمندCategorical variable - متغیر طبقه بندی شده
ترجمه چکیده
ارائه دهندگان خدمات تخمین زده می شود که به علت سرقت انرژی میلیاردها دلار در سال است. با وجودی که اجرای شبکه های هوشمند مزایای فنی و اجتماعی را ارائه می دهد، دستگاه های هوشمند مستقر در شبکه های هوشمند به دلیل حملات بیشتر و حملات شبکه از سوی دزدان انرژی در مقایسه با رایانه های معمولی مکانیکی حساس هستند. برای کاهش تلفات غیر فنی به علت خرابکاری برق و خواندن نادرست مدارهای هوشمند، ارائه دهندگان ابزار قدرت داده ها را بر روی داده های مصرف انرژی جمع آوری شده از زیرساخت های اندازه گیری پیشرفته که در شبکه های هوشمند اجرا می شوند، برای شناسایی اندازه گیری های احتمالی دستگاه های هوشمند معیوب و الگوی مصرف مصرف کنندگان غریب استفاده می کنند. در این مقاله، ما دو الگوریتم خطی مبتنی بر رگرسیون را برای بررسی رفتار مصرف انرژی مصرف کننده و ارزیابی ضرایب آنومالی به منظور مبارزه با سرقت انرژی ناشی از سوء استفاده از متر و شناسایی معیارهای هوشمند معیوب طراحی می کنیم. متغیرهای دسته بندی و ضرایب تشخیص نیز در مدل برای شناسایی دوره ها و مکان های تقلب های انرژی و همچنین معیوب متر هوشمند معرفی شده است. شبیه سازی ها انجام می شود و نتایج نشان می دهد که الگوریتم های پیشنهادی می توانند با موفقیت تمام مصرف کنندگان جعلی را شناسایی کرده و عناصر هوشمند معیوب را در یک شبکه منطقه محله کشف کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
تشخیص سرقت انرژی و معایب دستگاه های هوشمند در شبکه های هوشمند با استفاده از رگرسیون خطی
چکیده انگلیسی
The utility providers are estimated to lose billions of dollars annually due to energy theft. Although the implementation of smart grids offers technical and social advantages, the smart meters deployed in smart grids are susceptible to more attacks and network intrusions by energy thieves as compared to conventional mechanical meters. To mitigate non-technical losses due to electricity thefts and inaccurate smart meters readings, utility providers are leveraging on the energy consumption data collected from the advanced metering infrastructure implemented in smart grids to identify possible defective smart meters and abnormal consumers' consumption patterns. In this paper, we design two linear regression-based algorithms to study consumers' energy utilization behavior and evaluate their anomaly coefficients so as to combat energy theft caused by meter tampering and detect defective smart meters. Categorical variables and detection coefficients are also introduced in the model to identify the periods and locations of energy frauds as well as faulty smart meters. Simulations are conducted and the results show that the proposed algorithms can successfully detect all the fraudulent consumers and discover faulty smart meters in a neighborhood area network.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Electrical Power & Energy Systems - Volume 91, October 2017, Pages 230-240
نویسندگان
, , , , , ,