Review of various modeling techniques for the detection of electricity theft in smart grid environment

این مقاله بررسی متمرکز بر شیوه های مختلف مدل سازی برای شناسایی و پیشگیری از تلفات غیر فنی است. شیوه های مدل سازی بسیار حیاتی برای توسعه، افزایش عملکرد انرژی، بررسی و پیش بینی عملکرد انتقال قدرت و توزیع سیستم برق است. مدل های مبتنی بر داده ها نوآورانه هستند و دارای امید به بررسی پتانسیل بسیار بالایی از سوابق مصرف انرژی و انجام مشخصات منطقه برای تهیه منطقه مسکونی هدایت زندگی موثر برق است. در این نگرانی، مدل پشتیبانی ماشین بردار، که مشتریان غیرقانونی را طبقه بندی می کند، یک شکل از مدل شبکه عصبی پیشرفته ترکیبی پیشرفته است. فرایند خوشه بندی جنگل بهینه مسیر برای تشخیص مشخصات مشروع و نامنظم یک صنعت و همچنین مشتریان تجاری برای پیدا کردن سرقت برق فعال است. روش برآورد دولت زمان واقعی یک روش تقریبی حالت را در مرحله واقعی برای هر نقطه تبدیل (تبدیل) تعیین می کند. این امر به ما اجازه می دهد که قطعات را به حداکثر زیان های غیر فنی از طریق روش توزیع شعاعی تنظیم کنیم. دستگاه بردار پشتیبانی با الگوریتم ژنتیک، یک روش ترکیبی برای تحقیق در مورد تلفات غیر فنی و ارائه کمک خودکار برای غلبه بر سرقت برق است. این مدل نسخه ساده از دستگاه بردار پشتیبانی است. درخت تصمیم گیری و شبکه های قانونی بیزی برای شناسایی چندین نوع از الگوهای تلفات در سیستم الکتریکی اختصاص داده شده است. این شیوه ها شامل آزمایش و اعتبار سنجی برای تلفات سیستم برق در آزمایشگاه آزمایشی است. این ابزار در ابزار تاثیر گذار به منظور تسریع تحقیقات و دانشمندان عمل می کند. این کمک هزینه صرف مقدار زیادی پول، زمان و انرژی را در حوادث تجربی کم می کند. روشهای مدل سازی پیشین در تکرار انواع مختلف سیستم های الکتریکی خورشیدی قابل توجه است. بر این اساس، این مطالعه بر پایه روش های مدل سازی متمرکز است نه صرفه جویی در زمان بلکه همچنین حفظ سرمایه گذاری پولی در سیستم الکتریکی. مزایای و فرصت قریب الوقوع روشهای مدل سازی نیز در مقاله بررسی شده است.