| 基于递归小波神经网络的敏感台区反窃电监测方法 |
| |
| 引用本文： | 李骁,赵曦,王兆军,任大为,刘丽君,刘志美.基于递归小波神经网络的敏感台区反窃电监测方法[J].计算技术与自动化,2021,40(4):156-160. |
| |
| 作者姓名： | 李骁 赵曦 王兆军 任大为 刘丽君 刘志美 |
| |
| 作者单位： | 国网山东省电力公司 电力科学研究院,山东 济南 250002 |
| |
| 摘 要： | 当前敏感台区反窃电监测方法在面对连续监测状况时,监测数据中含有大量噪声数据和无用数据,导致对窃电行为的诊断依据不足,为解决该问题,提出基于递归小波神经网络的敏感台区反窃电监测方法.利用A/D采集电路和互感器采集用户用电数据,通过数据预处理剔除噪声数据和无用数据,同时使数据归一化.在此基础上,提取用电数据特征,并从电流、电压、功率因数、电量四个方面确定窃电行为判别指标,将数据与特征值输入至递归小波神经网络中,结合判别指标输出精准的窃电行为判别结果,实现敏感台区反窃电监测.实验结果表明,研究方法能够准确捕捉到功率因数的变化,窃电行为判别时间短,敏感台区反窃电监测效果更优.
|
| 关 键 词： | 递归小波神经网络 敏感台区 反窃电监测 判别指标 数据归一化 |
Anti-theft Electricity Monitoring Method for Sensitive Station Area Based on Recursive Wavelet Neural Network |
| |
| LI Xiao,ZHAO Xi,WANG Zhao-jun,REN Da-wei,LIU Li-jun,LIU Zhi-mei.Anti-theft Electricity Monitoring Method for Sensitive Station Area Based on Recursive Wavelet Neural Network[J].Computing Technology and Automation,2021,40(4):156-160. |
| |
| Authors: | LI Xiao ZHAO Xi WANG Zhao-jun REN Da-wei LIU Li-jun LIU Zhi-mei |
| |
| Affiliation: | (State Grid Shandong Electric Power Research Institute, Jinan, Shandong 250002,China ) |
| |
| Abstract: | |
| |
| Keywords: | recursive wavelet neural network sensitive station area anti stealing monitoring discrimination index data normalization |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算技术与自动化》浏览原始摘要信息 |
|
点击此处可从《计算技术与自动化》下载全文 |
|
