Data mining has become increasingly

Data mining has become increasingly common in both the public and private sectors. This paper presents a new approach towards Distribution Power Loss analysis for electric utilities using a novel intelligence-based technique like Extreme Learning Machine (ELM), an online sequential learning algorithm for single hidden layer feed forward networks (SLFNs) with additive or radial basis function (RBF) hidden nodes in a unified framework. OS-ELM & Support Vector Machine (SVM).
The main motivation of this study is to assist Gujarat Urja Vikas Nigam LTD (GUVNL), GUJARAT, INDIA to reduce its Distribution Power Loss due to electricity theft. This approach provides a method of data mining and involves feature extraction from historical customer consumption data.

This model preselects suspected customers to be inspected onsite for fraud based on abnormal consumption behavior. The proposed approach uses customer load profile information to expose abnormal behavior that is known to be
highly correlated with Distribution Power Loss activities. The approach uses customer load profile information to expose
abnormal behavior that is known to be highly correlated with Power Loss activities. Simulation results prove the proposed
method is more effective compared to the current actions taken by GUVNL in order to reduce Power Loss activities.

Index Terms— Electricity theft, Extreme learning machine (ELM), Online Sequential Extreme learning machine (OSELM),
Support vector machine, Intelligent systems.

ผลลัพธ์ (ไทย) 1:

การทำเหมืองข้อมูลได้กลายเป็นมากขึ้นทั่วทั้งรัฐและเอกชน เอกสารนี้นำเสนอแนวทางใหม่ไปสู่การวิเคราะห์การกระจายไฟฟ้าสาธารณูปโภคไฟฟ้าใช้นวนิยายปัญญาใช้เทคนิคอย่างมากเรียนรู้เครื่อง (ELM) อัลกอริทึมการเรียนแบบออนไลน์ตามลำดับสำหรับซ่อนชั้นเดียวฟีดเครือข่ายไปข้างหน้า (SLFNs) กับสารเติมแต่ง หรือรัศมีโหนฟังก์ชัน (RBF) ที่ซ่อนอยู่ในกรอบการทำงานแบบครบวงจร OS-เอล์มและสนับสนุนเวกเตอร์เครื่อง (SVM) แรงจูงใจหลักของการศึกษานี้จะช่วยรัฐคุชราต Urja Vikas Nigam LTD (GUVNL), คุชราต อินเดียเพื่อลดการสูญเสียพลังงานกระจายเนื่องจากขโมยไฟฟ้า วิธีนี้แสดงวิธีการทำเหมืองข้อมูล และเกี่ยวข้องกับการแยกคุณลักษณะจากข้อมูลปริมาณการใช้ของลูกค้าประวัติศาสตร์รุ่นนี้ preselects สงสัยลูกค้าจะ ตรวจสอบสถานการฉ้อโกงตามพฤติกรรมการบริโภคที่ผิดปกติ นำเสนอวิธีใช้ลูกค้าโหลดข้อมูลเพื่อแสดงพฤติกรรมผิดปกติที่เรียกว่าจะความสัมพันธ์สูงกับกิจกรรมแจกจ่ายไฟฟ้า วิธีการใช้ลูกค้าโหลดข้อมูลเพื่อแสดงพฤติกรรมผิดปกติที่เรียกว่าความสูงให้สัมพันธ์กันกับกิจกรรมที่สูญเสีย ผลการทดลองพิสูจน์การนำเสนอวิธีมีประสิทธิภาพมากขึ้นเมื่อเทียบกับในปัจจุบันกระทำ GUVNL เพื่อลดการสูญเสียกิจกรรมดัชนีคำ — ขโมยไฟฟ้า เครื่อง (ELM), ออนไลน์ต่อเนื่องรุนแรงจักร (OSELM), การเรียนรู้การเรียนรู้มากสนับสนุนเครื่องเวกเตอร์ ระบบอัจฉริยะ

ผลลัพธ์ (ไทย) 2:

การทำเหมืองข้อมูลได้กลายเป็นกันมากขึ้นทั้งในภาครัฐและเอกชน บทความนี้นำเสนอวิธีการใหม่ที่มีต่อการวิเคราะห์การกระจายอำนาจการสูญเสียค่าสาธารณูปโภคไฟฟ้าโดยใช้เทคนิคการหน่วยสืบราชการลับตามนวนิยายเช่นเครื่องมากการเรียนรู้ (ELM) ขั้นตอนวิธีการเรียนรู้ออนไลน์ลำดับเดียวที่ซ่อนฟีดชั้นเครือข่ายไปข้างหน้า (SLFNs) กับสารเติมแต่งหรือฟังก์ชั่นพื้นฐานรัศมี (RBF) โหนดที่ซ่อนอยู่ในกรอบแบบครบวงจร OS-ELM และการสนับสนุนเวกเตอร์เครื่อง (SVM).
แรงจูงใจหลักของการศึกษาครั้งนี้จะให้ความช่วยเหลือรัฐคุชราต Urja Vikas Nigam จำกัด (GUVNL) รัฐคุชราตประเทศอินเดียเพื่อลดการแพร่กระจายการสูญเสียพลังงานเนื่องจากการโจรกรรมไฟฟ้า วิธีการนี้จะมีวิธีการทำเหมืองข้อมูลและเกี่ยวข้องกับการดึงข้อมูลจากการบริโภคของลูกค้าประวัติศาสตร์. รุ่นนี้ preselects สงสัยว่าลูกค้าจะได้รับการตรวจสอบในสถานที่สำหรับการฉ้อโกงขึ้นอยู่กับพฤติกรรมการบริโภคที่ผิดปกติ วิธีการใช้นำเสนอข้อมูลของลูกค้ารายละเอียดภาระที่จะเปิดเผยพฤติกรรมที่ผิดปกติที่เป็นที่รู้จักที่จะมีความสัมพันธ์อย่างมากกับการกระจายกิจกรรมการสูญเสียพลังงาน วิธีการใช้ข้อมูลของลูกค้ารายละเอียดภาระที่จะเปิดเผยพฤติกรรมที่ผิดปกติที่เป็นที่รู้จักกันจะมีความสัมพันธ์อย่างมากกับกิจกรรมการสูญเสียพลังงาน ผลการจำลองพิสูจน์ที่นำเสนอวิธีการที่มีประสิทธิภาพมากขึ้นเมื่อเทียบกับการกระทำในปัจจุบันดำเนินการโดย GUVNL เพื่อลดการสูญเสียพลังงานกิจกรรม. โจรกรรมดัชนี Terms- ไฟฟ้า, เครื่องเรียนรู้มาก (ELM) ออนไลน์มากลำดับการเรียนรู้เครื่อง (OSELM) สนับสนุนเครื่องเวกเตอร์ ระบบอัจฉริยะ