انرژی برق یکی از عوامل زیربنایی در توسعه صنایع و پیشرفت یک کشور می باشد. با این وجود، تلفات انرژی الکتریکی در کشورهای مختلف، سبب تحمیل هزینه های نسبتا زیادی به کشورهای مختلف می شود. تلفات انرژی الکتریکی به دو بخش، تلفات فنی و تلفات غیر فنی، تقسیم می شود. تلفات غیر فنی (سرقت انرژی الکتریکی) از طریق دستکاری دستگاههای اندازه گیری (کنتورها)، برقراری انشعاب غیر مجاز، درشبکه های توزیع معمولی و دستکاری اطلاعات کنتورها از طریق حملات سایبری در شبکه های هوشمند صورت می گیرد. بنابراین تشخیص مصارف غیر مجاز می تواند سبب جلوگیری از وارد شدن خسارت های عمده به شرکت های توزیع برق شود. روش های متعددی برای تشخیص مصارف نامتعارف برق مشترکین توسط محققین ارائه شده است که می توان آنها را به سه دسته الف- براساس حالت سیستم، ب- مبتنی بر تئوری بازی، و ج- مبتنی بر هوش مصنوعی تقسیم کرد. در این پایان نامه، با استفاده از الگوریتم خوشه بندی راف فازی سی مینز(RFCM) که از ترکیب دو مجموعه فازی و راف می باشد روشی برای تشخیص سرقت برق (تشخیص الگوهای مصرف غیرمجاز) پیشنهاد شده است. روش مذکور، یکی از روش های مناسب برای خوشه بندی است که در مواجهه با مسائلی که در آنها عدم قطعیت و ابهام وجود دارد، عملکرد مناسبی از خود نشان می دهد. در این روش با توجه به نتایج حاصل از خوشه بندی درجه ی ناهنجاری مصرف کنندگان محاسبه شده و بر اساس درجه ی ناهنجاری، مصارف غیرمجاز تشخیص داده می شوند. روش پیشنهادی در نرم افزار Matlab شبیه سازی شده و نتایج حاصل از آن با الگوریتم های Fuzzy c-means و k- means مقایسه شده است. برای بررسی نحوه عملکرد الگوریتم پیشنهادی،از شش نوع تابع ناهنجار معرفی شده در مراجع استفاده شده است و نتایج روش پیشنهادی و دیگر روش ها با استفاده از شاخص های ارائه شده برای بررسی عملکرد الگوریتم های مختلف مقایسه شده است. شاخص های مذکور عبارتند از نرخ تشخیص درست مشترکین دارای مصرف غیر مجاز، منحنی عملکرد الگوریتم و دقت خوشه بندی. مقایسه نتایج بیانگر برتری روش پیشنهادی نسبت به دیگر روش هاست.
