-
题名基于深度学习的窃电行为检测方法
被引量：12
- 1
-
-
作者
郑建宁
-
机构
国网信通亿力科技有限责任公司
-
出处
《信息技术》
2019年第2期156-159,共4页
-
文摘
相较过去大部分针对专变和公变的窃电检测方法,文中针对群体数量庞大、窃电手段复杂多样的低压用户进行窃电行为的检测分析。首先建立特征工程,然后基于卷积神经网络Le Net-5模型对日用电量数据进行建模分析,筛选出异常用电模式,再采用双层深度网络对用户信息、台区线损、告警信息等数据进行综合分析。通过比对模型输出的分级窃电嫌疑清单,本文方法对各类窃电模式有很好的查准率,为精确抓获窃电奠定了基础。
-
关键词
窃电行为检测
深度学习
卷积神经网络
全连接网络
窃电嫌疑
-
Keywords
detection of electric larceny
deep learning
convolution neural network
fully connected network
suspicion of power stealing
-
分类号
TM73
[电气工程—电力系统及自动化]
-
-
题名基于聚类算法的防窃电监测与辨识
被引量：2
- 2
-
-
作者
袁于程
黄健
谢晨旸
-
机构
江苏林洋能源股份有限公司
-
出处
《自动化仪表》
CAS
2021年第10期22-26,共5页
-
文摘
随着我国经济实力的不断提高,窃电的方法越来越多样化,而且隐蔽性更强。提出了一种主要用于监测与辨识用户是否存在窃电行为的智能算法。该算法需要建立在用户用电负荷和用电参量特征的基础上。首先,收集用户的用电负荷相关数据,进行数据预处理,其次,使用聚类算法通过确定最佳聚类数来分析用户的用电数据,从而计算确定聚类数据的中心线.最后,依据用户负荷曲线与各聚类中心线的隶属度,确定用户用电数据所属的数据特征曲线,并对用户的用电数据与类别曲线作出匹配和筛选,确定疑似有窃电行为的用户,实际测试结果表明,窃电检测模型通过相关系数和欧几里得距离相结合的相似性度量,能更加有效地检测用户窃电行为。在后续的研究中,可以考虑增加按照用户的类型和季节变化进行用电负荷的分类,从而更好地提高检测的有效性。
-
关键词
窃电
用电负荷
预处理
聚类算法
隶属度
日负荷特征曲线
窃电检测模型
欧几里得距离
-
Keywords
electric larceny
electric load
Preprocess
Clustering algorithm
Degree of membership
Daily load characteristic curve
detection model of electric larceny
Euclidean distance
-
分类号
TH89
[机械工程—仪器科学与技术]
-
