1403/02/21
خسرو خاندانی

خسرو خاندانی

مرتبه علمی: دانشیار
ارکید: https://orcid.org/0000000217623541
تحصیلات: دکترای تخصصی
اسکاپوس: 35753283400
دانشکده: دانشکده فنی مهندسی
نشانی: دانشگاه اراک، دانشکده فنی مهندسی، گروه مهندسی برق
تلفن: 086-32625324

مشخصات پژوهش

عنوان
شناسایی ماینرهای غیرمجاز یکی از فیدرهای شهرستان بروجرد به کمک الگوریتم‌های یادگیری ماشین
نوع پژوهش
پایان نامه های تقاضا محور و غیر تقاضا محور
کلیدواژه‌ها
کشف ماینر، یادگیری ماشین، الگوریتم‌های بدون نظارت، تجزیه حالت دینامیکی
سال 1402
پژوهشگران علیرضا سیمرغ(دانشجو)، خسرو خاندانی(استاد راهنما)، مریم امیری(استاد راهنما)

چکیده

کسب درآمد از ارزهای دیجیتال به‌صورت یک اپیدمی در دنیای دیجیتال امروز مطرح شده است. ازآنجایی‌که مهم‌ترین عامل تولید ارزهای دیجیتال مصرف انرژی است، استفاده از برق غیرقانونی در مزارع استخراج ارز دیجیتال بسیار رواج پیدا کرده است. این موضوع سبب ایجاد مشکلات فراوانی برای صنعت برق و انرژی کشور شده است که در ادامه آن خاموشی‌های متعدد، زیان‌های بزرگ برای صنایع ناگزیر و حتی منجر به قطع برق روزانه چندین شهر بزرگ شده است؛ بنابراین، شناسایی ماینرهای غیرقانونی ضروری است. اغلب روش‌هایی که در این زمینه استفاده شده برمبنای روش‌های نظارتی بوده‌اند و به این‌دلیل‌که در حالت واقعی تعداد داده‌های برچسب‌دار بسیار محدود است تمایل ما به روش‌های بدون نظارت بوده است. در این پایان‌نامه، سعی شده با‌استفاده از مجموعه‌داده‌ی واقعی از شرکت توزیع استان مرکزی الگوریتمی کارآمد ساخته شود. مبنای کار استفاده از روش‌های بدون نظارت بوده است. روند کار شامل دو مرحله است: در مرحله اول به کمک تجزیه‌حالت‌دینامیکی و بررسی فاکتورهای مناسب شبکه، ویژگی‌های مناسب برای 58 مشترک با برچسب مثبت و منفی انتخاب شده و در مرحله دوم از نتایج مرحله اول، مدل‌های مختلف بدون‌نظارت ساخته شده‌اند و در‌نهایت به‌منظور ارزیابی کیفیت نتایج بدست آمده چند الگوریتم نظارتی نیزساخته شده و نتایج بدست آمده مقایسه شده‌اند. بالاترین دقت به‌دست‌آمده از الگوریتم‌های بدون نظارت 74 درصد و برای الگوریتم‌های نظارتی 85 درصد حاصل شده است که باتوجه ‌به عدم نیاز الگوریتم‌های بدون نظارت به داده‌های برچسب‌دار بسیار قابل‌توجه است و به ‌نوعی وجه تمایز اصلی این پژوهش نسبت به کارهایی که تا به امروز انجام شده در همین موضوع است. همچنین دیگر‌وجوه تمایز این پژوهش نسبت به کارهای دیگر استفاده از روش پیشرفته‌ی تجزیه حالت دینامیکی برای ساخت ویژگی‌ها است که باعث افزایش دقت الگوریتم‌ها شده است و همچنین دزدی برق به‌وسیله ماینرها به دو بخش دیماندی و پشت کنتوری تقسیم شده و بررسی شده که یک مدل واحد می‌تواند برای هر دو حالت قابل ‌استفاده باشد یا خیر.