| 基于SDAE和双模型联合训练的低压用户窃电检测方法 |
| |
| 作者姓名： | 招景明 唐捷 潘峰 杨雨瑶 林楷东 马键 |
| |
| 作者单位： | 广东电网有限责任公司计量中心,广州510080;广东电网有限责任公司,广州510699;华南理工大学电力学院智慧能源工程技术研究中心,广州510640 |
| |
| 基金项目： | 国家自然科学基金资助项目（51777077） |
| |
| 摘 要： | 用户窃电行为是电网企业运营管理的痛点,基于数据驱动的低压用户窃电检测是当前的重要发展方向.由于窃电数据集具有自身高维度且样本不平衡的特点,对窃电检测模型的拟合能力和泛化能力要求极高.为此,文章利用堆栈降噪自编码器对低压用户日用电量数据进行特征提取,通过挖掘数据的深层特征减少窃电产生的极端数据对检测模型的影响;进而提出逻辑回归与深度神经网络联合训练模型进行低压用户窃电检测,将逻辑回归模型的记忆能力与深度神经网络模型的泛化能力相结合,进一步提升窃电检测的精度.通过实际电网数据的实验仿真,从AUC值、准确率和召回值三个评价指标验证了所提出方法相对于传统机器学习算法具有明显的性能优势.
|
| 关 键 词： | 窃电检测 自编码器 逻辑回归 深度神经网络 联合训练 |
| 收稿时间： | 2021-07-07 |
| 修稿时间： | 2021-08-02 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《电测与仪表》浏览原始摘要信息 |
|
点击此处可从《电测与仪表》下载免费的PDF全文 |
|
