咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于回归卷积神经网络和负荷混沌模型的窃电预测方法 收藏

基于回归卷积神经网络和负荷混沌模型的窃电预测方法

Prediction Method of Power Stealing Based on Regression Convolutional Neural Network and Load Chaos Model

作     者:靳海岗 谢振刚 任峰 JIN Haigang;XIE Zhengang;REN Feng

作者机构:国网山西省电力公司山西太原030002 

出 版 物:《电子器件》 (Chinese Journal of Electron Devices)

年 卷 期:2023年第46卷第1期

页      面:232-237页

学科分类:0808[工学-电气工程] 080802[工学-电力系统及其自动化] 07[理学] 08[工学] 081104[工学-模式识别与智能系统] 070201[理学-理论物理] 0811[工学-控制科学与工程] 0702[理学-物理学] 

基  金:国网山西省电力公司科技项目(520531200004)。 

主  题:回归卷积神经网络 负荷 混沌 窃电 预测 

摘      要:精确地计算台区线损、提取用户用电特征实现窃电预测,是精准营销策略制定的关键。然而,台区可再生能源发电的随机性、电动汽车充放电无序性、环境变化等因素使用户用电行为极易突变,导致台区用户用电数据呈现混沌随机特性,无法有效检测用户窃电行为。对此,建立了台区用户用电的时序相关混沌模型,并提取窃电负荷样本与正常样本的特征,使用回归卷积神经网络对窃电样本和正常样本训练学习,获得增强特征分类学习器,以此实现对窃电用户用电预测。通过对某实际电力公司用电数据的测试分析表明,所提方法的计算结果具有较高的精确度。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分