شناسایی منابع سرقت برق با رویکرد دینامیکی خوشه‌بندی فازی (مطالعه موردی: استان آذربایجان غربی)

چکیده: کاهش تلفات سرقت برق، بخش قابل توجهی از مزایای بالقوه ناشی از پیاده‌سازی مفهوم شبکه هوشمند است. این مقاله روش مبتنی بر داده‌ها را برای شناسایی مکان‌های با مصرف غیرعادی برق پیشنهاد می‌کند. روش تشخیصی جدید مبتنی بر فاصله، نمونه‌های داده جدید را به عنوان مشترکین متخلف طبقه‌بندی می‌کند، اگر فاصله آنها تا نمونه‌های اولیه مصرفی قابل توجه باشد. الگوریتم پیشنهادی بر اساس تعداد خوشه اولیه و شاخص مشخصی تعداد خوشه نهایی را تعیین می‌کند. این روش بر اساس الگوریتم ابتکاری خوشه‌بندی فازی دینامیکی انجام شده است. چارچوب تشخیصی روش جدید نقص مشترکین به اشتباه متخلف درنظر گرفته شده را رفع می‌کند. در این مقاله، دو بخش منطقه‌ای و مشترکین شهرستان ارومیه بین سال‌های 89 الی 96 بررسی شده و به عنوان یک روش توسعه داده شده کارآمد بدون نظارت معرفی می‌شود.​​

Identification of Power Stripping Resources with Fuzzy Cluster Dynamic Approach (Case Study: West Azerbaijan Province)

Reducing electric power theft is a significant part of the potential benefits of implementing the concept of smart grid. This paper proposes a databased approach to identify locations with unusual electricity consumption. The new distancebased method classifies the new data as violator costumers, if their distance is long to the primary consumption data. The proposed algorithm determines the number of final clusters based on the number of initial clusters and a specific index. This method is based on the dynamic fuzzy clustering algorithm. The framework removes the defect of violator subscribers by mistake. In this article are studied regional and subscriber sections of Urmia city between 2000 and 2017 years and significantly more effective than other methods of uncontrolled learning and introduced as an efficient unsupervised developed method