عنوان	شناسایی و تشخیص سرقت برق در شبکه توزیع انرژی الکتریکی براساس تکنیک‌های داده کاوی
نوع پژوهش	پایان نامه
کلیدواژه‌ها	سرقت برق، یادگیری ماشین، رمزگذار خودکار، تحلیل مؤلفه‌های اصلی کرنل، ماشین بردار پشتیبان.
چکیده	سرقت برق یکی از معضلات جدی در مدیریت شبکه‌های توزیع برق است که تأثیرات قابل‌توجهی بر اقتصاد، پایداری شبکه و کیفیت خدمات دارد. این مسئله در کشورهایی مانند ایران، که هزینه انرژی پایین و یارانه‌ای است، به دلیل افزایش فعالیت‌های غیرقانونی نظیر استخراج ارزهای دیجیتال، بیش‌ازپیش اهمیت یافته است. روش‌های سنتی شناسایی، نظیر بازرسی‌های فیزیکی و گزارش‌های مردمی، نه‌تنها هزینه‌بر هستند بلکه به دلیل خطاهای انسانی و نیاز به منابع فراوان، از کارایی لازم برخوردار نیستند. ازاین‌رو، بهره‌گیری از فناوری‌های نوین نظیر داده‌کاوی و یادگیری ماشین می‌تواند این فرآیند را بهینه‌سازی کند و دقت تشخیص را افزایش دهد. در این پژوهش، یک مدل ترکیبی مبتنی بر یادگیری ماشین برای شناسایی سرقت برق ارائه شده است که شامل سه فاز اصلی است. در فاز نخست، داده‌های خام مصرف برق که شامل مقادیر گم‌شده یا نویزی هستند، با استفاده از تکنیک‌هایی نظیر جایگزینی مقادیر گم‌شده به کمک روش k نزدیک‌ترین همسایه و نرمال‌سازی به‌روش Min-Max پاکسازی و آماده‌سازی شدند. در فاز دوم، ویژگی‌های مهم مانند رفتارهای مصرف در بازه‌های زمانی مختلف (روزهای کاری و تعطیلات، فصول و بلوک‌های زمانی مصرف) استخراج و برای کاهش ابعاد و شناسایی روابط غیرخطی، از تکنیک رمزگذار خودکار و تحلیل مؤلفه‌های اصلی کرنل (KPCA) استفاده شد. همچنین، از الگوریتم نمونه‌برداری بیش‌ازحد تطبیقی (ADASYN) برای متوازن‌سازی داده‌های نامتوازن بهره گرفته شد. در فاز سوم، الگوریتم ماشین بردار پشتیبان (SVM) به‌منظور طبقه‌بندی مصرف‌کنندگان به دو دسته عادی و مشکوک به سرقت برق مورد استفاده قرار گرفت. نتایج شبیه‌سازی با استفاده از داده‌های واقعی مصرف برق به دو صورت هفتگی و فصلی نشان داد که مدل پیشنهادی عملکرد بهتری نسبت به روش‌های قبلی ارائه می‌دهد. مدل با دقت 98% و یادآوری 94.3%، توانایی بالایی در شناسایی کاربران مشکوک داشت. علاوه بر این، ضریب همبستگی متیو (MCC) معادل 0.937 نشان‌دهنده قدرت مدل در تشخیص رفتارهای غیرعادی حتی در شرایط نامتوازن بودن داده‌ها بود. بهبود زمان تشخیص به میزان 30% و کاهش هزینه‌های عملیاتی ناشی از کاهش نیاز به بازرسی‌های فیزیکی از دیگر مزایای این مدل است. این پژوهش نشان می‌دهد که استفاده از الگوریتم‌های پیشرفته یادگیری ماشین و استخراج ویژگی‌های دقیق می‌تواند نقش مؤثری در بهبود مدیریت شبکه‌های توزیع برق، کاهش تلفات انرژی و مقابله با سرقت برق ایفا کند.
پژوهشگران	روجیار پیرمحمدیانی (استاد راهنما)، کبری نعمتی (دانشجو)