检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

智能电网窃电检测方法的研究

自动化应用 2025年第2期66卷 13-16页

作者：韩可欣柴浩凯国网天津市电力公司营销服务中心天津300210 西安理工大学电气工程学院陕西西安710048

窃电检测是通过技术手段及时识别和防止电力系统中的非法用电行为。这些行为可能导致电力公司经济损失、不公平竞争以及电力系统安全风险,因此,窃电检测的准确性至关重要。有效的检测和预防措施能保护电力系统的公平性和稳定性。首先,... 详细信息

窃电检测是通过技术手段及时识别和防止电力系统中的非法用电行为。这些行为可能导致电力公司经济损失、不公平竞争以及电力系统安全风险,因此,窃电检测的准确性至关重要。有效的检测和预防措施能保护电力系统的公平性和稳定性。首先,介绍了窃电相关的基本概念。其次,梳理了现有的基于博弈论、电网分析、硬件、机器学习4种类型的窃电检测方法的基本思路和局限性。在此基础上,提出了一种基于联邦学习和拆分学习的新型窃电检测框架,并通过实例评估说明,FUSE方法可在准确检测窃电的前提下显著降减少电网中资源受限设备的计算开销。最后,对所提到的反窃电方法进行了总结并展望了未来可能的发展。

关键词：窃电检测智能电网机器学习数据挖掘

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于生成式对抗网络的窃电检测数据生成方法

电网技术 2020年第2期44卷 775-782页

作者：王德文杨凯华华北电力大学控制与计算机工程学院河北省保定市071003

日益增长的用户侧用电数据为基于数据驱动的窃电检测方法奠定了基础,然而窃电检测数据固有的不平衡性质会影响该类方法的性能。针对窃电检测的数据不平衡问题,提出一种基于Wasserstein生成对抗网络(wasserstein generative adversarialn... 详细信息

日益增长的用户侧用电数据为基于数据驱动的窃电检测方法奠定了基础,然而窃电检测数据固有的不平衡性质会影响该类方法的性能。针对窃电检测的数据不平衡问题,提出一种基于Wasserstein生成对抗网络(wasserstein generative adversarialnetwork,WGAN)的窃电样本过采样方法,通过WGAN生成器与判别器的对抗训练,神经网络能够学习到窃电负荷序列难以显式建模的时间相关性,生成与真实窃电样本具有相近分布的合成样本。采用WGAN训练期间生成的多组窃电样本对原始窃电样本进行增强,使用卷积神经网络在多组增强训练集上进行训练,选择在验证集上取得最高AUC值的增强训练集,最后在其上训练分类器实现窃电检测。所提方法在某电力公司提供的真实数据上进行了实验测试,结果表明相比于随机过采样、SMOTE和ADASYN等方法在检出率、误检率、F1测度以及AUC评价指标上有明显提升。

关键词：数据驱动窃电检测数据不平衡生成对抗网络过采样

基于改进XGBoost模型的低误报率窃电检测方法

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2021年第23期49卷 178-186页

作者：陈钢李德英陈希祥湖南信息学院电子科学与工程学院湖南长沙410151

以降低窃电检测误报率为目标,提出一种基于贝叶斯优化和改进XGBoost模型的窃电检测方法。首先根据用电信息采集系统和营销系统数据构建了窃电检测指标,然后采用XGBoost模型作为分类器,添加Focal Loss和增加分类阈值的方式用于优化模型... 详细信息

以降低窃电检测误报率为目标,提出一种基于贝叶斯优化和改进XGBoost模型的窃电检测方法。首先根据用电信息采集系统和营销系统数据构建了窃电检测指标,然后采用XGBoost模型作为分类器,添加Focal Loss和增加分类阈值的方式用于优化模型。在此基础上,以验证集的马修相关系数为目标函数,利用贝叶斯优化调参求出最优Focal Loss参数和分类阈值,进一步降低检测方法误判率。基于实际电力用户数据进行数值仿真,结果表明所提方法比Adaboost、BP神经网络、SVM具有更高的准确率。

关键词：低误报率 XGBoost Focal Loss 窃电检测

数据驱动窃电检测方法综述与低误报率研究展望

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2022年第1期46卷 3-14页

作者：金晟苏盛薛阳杨艺宁刘厦曹一家智能电网运行与控制湖南省重点实验室(长沙理工大学) 湖南省长沙市410114 中国电力科学研究院有限公司北京市100192

配电系统窃电是造成电网非技术损失的主要原因,是供电企业运营管理中长期面对的痼疾。用电信息采集系统采集的海量用户数据使得开展数据驱动的用电异常检测、准确识别窃电用户成为可能。受用户用电行为多样性影响,数据驱动的窃电检测方... 详细信息

配电系统窃电是造成电网非技术损失的主要原因,是供电企业运营管理中长期面对的痼疾。用电信息采集系统采集的海量用户数据使得开展数据驱动的用电异常检测、准确识别窃电用户成为可能。受用户用电行为多样性影响,数据驱动的窃电检测方法的误报率在某些场景下尚难以满足实践需求,严重制约了该类方法的工程应用。首先,介绍了窃电实现手法;然后,梳理了在实践中得到工程应用的窃电检测方法以及数据驱动窃电检测方法的基本思路和局限性;在此基础上,结合工程应用对窃电检测评价指标的差异性需求,分析指出提取的可用信息不足、特征指标项灵敏性和可靠性不高是阻碍数据驱动窃电检测方法走向工程实用的主要原因。最后,从算法设计、状态空间细分以及特征指标项设计选择等不同层面对低误报率窃电检测进行了展望。

关键词：窃电检测低误报率数据驱动特征工程状态空间

维普期刊数据库博看期刊

基于多异学习器融合Stacking集成学习的窃电检测

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2022年第24期46卷 178-186页

作者：游文霞李清清杨楠申坤李文武吴泽黎三峡大学电气与新能源学院湖北省宜昌市443002

针对窃电检测中用户用电数据类别不平衡、采用投票法作为结合策略的集成学习方法无法充分发挥多个不同学习器优势等问题,提出一种利用Stacking集成学习融合多异学习器的模型应用于窃电检测。首先,从影响电量计量的因素出发,根据常见的5... 详细信息

针对窃电检测中用户用电数据类别不平衡、采用投票法作为结合策略的集成学习方法无法充分发挥多个不同学习器优势等问题,提出一种利用Stacking集成学习融合多异学习器的模型应用于窃电检测。首先,从影响电量计量的因素出发,根据常见的5种窃电方法模拟6种窃电行为模式;其次,采用合成少数类过采样技术(SMOTE)对不平衡的用电数据进行处理,并利用K折交叉验证法对平衡后的训练集进行划分以缓解因重复学习造成的过拟合;然后,使用评价指标和多样性度量优选模型的不同初级学习器和元学习器,构建融合不同学习器优势和差异的Stacking集成学习窃电检测模型;最后,算例对比分析结果表明所提窃电检测模型能有效解决用电数据类别不平衡,充分发挥不同学习器的优势,评价指标良好。

关键词： Stacking结合策略集成学习窃电检测合成少数类过采样技术 K折交叉验证

基于多阶段递推数据分析的低压台区窃电检测方法

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2024年第15期44卷 5921-5933,I0007页

作者：孔祥玉马玉莹赵鑫梁博浩智能电网教育部重点实验室(天津大学) 天津市南开区300072 国网冀北电力有限公司承德供电公司河北省承德市067000

窃电行为不仅会扰乱正常用电秩序,更会影响电网的供电质量和安全运行。针对窃电检测工作中所面临的用户正常用电行为与窃电行为多样化问题,该文提出一种基于多阶段递推数据分析的低压台区窃电检测方法。该方法第1阶段对嫌疑窃电台区进... 详细信息

窃电行为不仅会扰乱正常用电秩序,更会影响电网的供电质量和安全运行。针对窃电检测工作中所面临的用户正常用电行为与窃电行为多样化问题,该文提出一种基于多阶段递推数据分析的低压台区窃电检测方法。该方法第1阶段对嫌疑窃电台区进行判定,针对当日线损不是明显激增的情况,提出基于台区线损综合波动率、总分表电流差异率、线损和电流曲线的突变点时间重合度的三步分析法,为窃电嫌疑用户的检测提供了良好的条件;第2阶段提出基于最优特征集的时间序列相似性度量方法,基于欧氏距离度量曲线间数值特征,同时基于动态时间规整(dynamic time warping,DTW)算法度量曲线间的形态特征,实现窃电嫌疑用户的初步筛选;第3阶段提出基于核函数和惩罚参数优化的支持向量机二次深度检测模型(optimize kernel-function and penalty-parameters support vector machine,OKPSVM),其中惩罚参数采用综合改进的粒子群(improved particle swarm optimization,IPSO)算法。通过算例仿真和实际工程应用,整体优化后的支持向量机模型(IPSO-OKPSVM)能够提高深度窃电检测的精准性和适用性。

关键词：低压台区窃电检测多阶段递推特征相似性度量支持向量机

维普期刊数据库博看期刊

基于图转换和混合卷积神经网络的窃电检测方法

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2022年第19期46卷 78-86页

作者：周赣华济民李铭钧付佳佳黄莉东南大学电气工程学院江苏省南京市210096 广东电网有限责任公司广东省广州市510600

传统的窃电检测方法大多基于一维用电序列数据构建模型,同时单一的分类模型往往限制了电力用户行为规律的深层挖掘。为进一步提高窃电行为的检出率,提出一种基于图转换和混合卷积神经网络的窃电检测方法。首先,为了更好地捕捉用户窃电... 详细信息

传统的窃电检测方法大多基于一维用电序列数据构建模型,同时单一的分类模型往往限制了电力用户行为规律的深层挖掘。为进一步提高窃电行为的检出率,提出一种基于图转换和混合卷积神经网络的窃电检测方法。首先,为了更好地捕捉用户窃电前后的用电周期性特征差异,引入基于格拉姆角和场的图转换方法,实现用电数据的二维化。然后,针对不同维度的输入形式,利用混合卷积神经网络同步提取原始一维序列数据的全局特征以及二维图像数据保留的时序相关性特征。实际算例结果表明,所提模型的受试者工作特性曲线下面积、查全率以及F1分数3项指标相比于随机森林、宽而深卷积神经网络等模型取得了有效的提升。

关键词：窃电检测用电格拉姆角和场混合输入卷积神经网络

同方期刊数据库

基于Bagging二次加权集成的孤立森林窃电检测算法

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2022年第2期46卷 92-100页

作者：李国成陆俊王赟黄瑞刘谋海华北电力大学电气与电子工程学院北京市102206 国网湖南省电力有限公司供电服务中心湖南省长沙市410004 智能电气量测与应用技术湖南省重点实验室湖南省长沙市410004

随着智能电网的高速发展,窃电方式呈现多样化,窃电数据也具有难以标注且样本类不平衡的特征。针对窃电数据无标签且类不平衡的窃电检测问题,提出一种基于Bagging二次加权集成的孤立森林窃电检测算法。首先,通过分析居民和商业用户存在... 详细信息

随着智能电网的高速发展,窃电方式呈现多样化,窃电数据也具有难以标注且样本类不平衡的特征。针对窃电数据无标签且类不平衡的窃电检测问题,提出一种基于Bagging二次加权集成的孤立森林窃电检测算法。首先,通过分析居民和商业用户存在的窃电模式,基于孤立类间相似度最低准则,对各类窃电模式的孤立特征顺序进行优选并训练对应的孤立森林模型;其次,使用加权投票法获得二次集成孤立森林模型,实现了窃电模式不平衡分布条件下的窃电检测。对7种常用学习算法和Bagging异质集成学习算法进行了比较,仿真实验结果表明所提算法的孤立特征顺序优选策略有效提高了无标签且类不平衡条件下的窃电检测效果,二次加权集成策略提高了窃电模式不平衡分布条件下的窃电检测效果。

关键词：集成学习 Bagging集成孤立森林窃电检测类不平衡数据

基于CT-GAN的半监督学习窃电检测方法研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

湖南大学学报（自然科学版） 2024年第6期51卷 211-222页

作者：杨艺宁张蓬鹤夏睿高云鹏王飞朗珍白桑中国电力科学研究院有限公司北京100192 湖南大学电气与信息工程学院湖南长沙410082 国网西藏电力有限公司西藏拉萨850000

针对电网公司获取有标签数据成本高、难度大,而获取的无标签数据难以训练有效窃电检测模型的问题,提出了在少量有窃电标签数据场景下基于联合训练生成对抗网络(Co-training Generative Adversarial Networks, CT-GAN)的半监督窃电检测方... 详细信息

针对电网公司获取有标签数据成本高、难度大,而获取的无标签数据难以训练有效窃电检测模型的问题,提出了在少量有窃电标签数据场景下基于联合训练生成对抗网络(Co-training Generative Adversarial Networks, CT-GAN)的半监督窃电检测方法 .首先,探究了生成对抗网络及半监督生成对抗网络的原理与结构.其次,提出了采用Wasserstein距离取代JS(Jensen-Shannon)散度和KL(Kullback-Leibler)散度距离以解决生成对抗网络因梯度消失和模式崩溃原因导致的模型训练不稳定和生成数据质量低的问题,并构建了多判别器联合训练模型,避免了单个判别器分布误差高的问题,同时增强了GAN生成标签样本数据的能力,通过扩充标签样本数据集,提升了模型检测准确度和泛化能力.最后,采用爱尔兰电网数据集验证了该方法的准确性和有效性.

关键词：窃电检测生成对抗网络半监督学习 Wasserstein距离判别器