检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

智能电网环境下窃电行为检测

计算机与现代化 2023年第3期 60-65页

作者：张芸白开峰王星仓甜周通段锦文苏晗国网陕西省电力公司西安供电公司陕西西安712042

用户恶意窃电造成的用电侧非技术性损失一直是全球各国电力公司期望解决的问题之一。随着人工智能算法的快速发展和智能电表的普及,通过对窃电行为建模和检测将有效减少这类情况的发生。本文首先介绍用电行为数据收集、处理、采样手段... 详细信息

用户恶意窃电造成的用电侧非技术性损失一直是全球各国电力公司期望解决的问题之一。随着人工智能算法的快速发展和智能电表的普及,通过对窃电行为建模和检测将有效减少这类情况的发生。本文首先介绍用电行为数据收集、处理、采样手段。其次,就面向用电异常行为挖掘的离群点检测、机器学习方法和深度学习方法,分析对比各类算法的特点,对已有工作进行总结。最后,通过讨论智能化手段在窃电检测研究中出现的问题和未来研究工作为该领域的研究人员提供一些借鉴。

关键词：智能化电网窃电行为检测机器学习深度学习

在线全文

学校读者我要写书评

暂无评论

基于时序偏移双残差网络的窃电行为检测

西南师范大学学报（自然科学版） 2022年第8期47卷 54-63页

作者：郑颖邓灵莉李劲夫卓灵游奇琳范怀瑾冯文江国网重庆市电力公司信息通信分公司重庆401121 重庆大学微电子与通信工程学院重庆400044 国网重庆市电力公司铜梁供电公司重庆402560

针对窃电量小、窃电发生时间随机的窃电行为,提出一种基于时序偏移双残差网络(TS-Bi-ResNet)的窃电行为检测模型.将基础残差网络模型改进为双残差网络(bi-residual network,Bi-ResNet)模型,考虑到窃电行为发生时间的随机性,利用时序偏移... 详细信息

针对窃电量小、窃电发生时间随机的窃电行为,提出一种基于时序偏移双残差网络(TS-Bi-ResNet)的窃电行为检测模型.将基础残差网络模型改进为双残差网络(bi-residual network,Bi-ResNet)模型,考虑到窃电行为发生时间的随机性,利用时序偏移(timing shift,TS)算法对用电数据预处理,使模型能够学习用电数据的时间因素特征,构成TS-Bi-ResNet模型.根据真实用电数据和窃电特征生成含有伪窃电数据的混合用电数据集,利用TS-Bi-ResNet模型学习其浅层特征和深层特征,进而执行窃电行为检测.仿真和实际运行结果表明,TS-Bi-ResNet模型可以有效检测窃电量小且窃电发生时间随机的窃电行为,其检测精度优于LSTM模型与残差网络(ResNet)模型.

关键词：窃电行为检测双残差网络时序偏移算法机器学习

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于RBF神经网络的配电网窃电行为检测

云南大学学报（自然科学版） 2018年第5期40卷 872-878页

作者：曹敏邹京希魏龄赵旭张林山李鹏云南电网有限责任公司电力科学研究院云南昆明650217 云南大学信息学院云南昆明650500

目前的窃电手段隐蔽性强、种类多样,传统的窃电检测方法已经越来越力不从心,不仅准确率低且时效性不高.因此,结合机器学习的方法,提出了一种基于RBF神经网络的窃电行为检测方法.通过对目前常见的窃电方式进行分析,挑选出三相电压中各相... 详细信息

目前的窃电手段隐蔽性强、种类多样,传统的窃电检测方法已经越来越力不从心,不仅准确率低且时效性不高.因此,结合机器学习的方法,提出了一种基于RBF神经网络的窃电行为检测方法.通过对目前常见的窃电方式进行分析,挑选出三相电压中各相电压之间的差值、三相电流中各相电流的差值以及功率因数等参考量作为窃电检测的特征指标,并采用包含特征指标的历史数据来构建基于RBF神经网络的窃电行为检测模型.试验结果表明该方法针对目前常见的窃电方式进行识别的准确率达到94.1%,可以有效地筛选出存在窃电嫌疑的用户.该方法不仅达到了实际应用的精度要求,而且使反窃电技术更加智能化,变被动防窃电为主动防窃电.

关键词：窃电行为检测 RBF神经网络配电网

在线全文

学校读者我要写书评

暂无评论

基于深度森林算法的窃电行为检测方法研究

智慧电力 2019年第10期47卷 85-92页

作者：杨学良陶晓峰熊霞戚梦逸孙萌南瑞集团(国网电力科学研究院)有限公司

深度学习在窃电行为检测领域的研究中应用越来越多,但传统的基于神经网络的深度学习因需要大量的训练样本、调参过程复杂等原因应用十分受限。首次将深度森林分类算法引入窃电行为检测领域,利用其依赖训练样本量小、超参数少、计算效率... 详细信息

深度学习在窃电行为检测领域的研究中应用越来越多,但传统的基于神经网络的深度学习因需要大量的训练样本、调参过程复杂等原因应用十分受限。首次将深度森林分类算法引入窃电行为检测领域,利用其依赖训练样本量小、超参数少、计算效率高的优点,结合从电量、电压、电流、功率因数等数据提取的特征检测用户是否存在窃电嫌疑。通过某地区用电信息采集系统提供的负荷数据,验证了所提窃电行为检测模型的有效性。

关键词：窃电行为检测深度森林多粒度扫描级联森林特征增强超参数调试

在线全文

学校读者我要写书评

暂无评论

基于深度学习的用户窃电行为检测

基于深度学习的用户窃电行为检测

作者：李博北京邮电大学

学位级别：硕士

在过去的几十年中,用户窃电行为引起了很多关注,电力盗窃在国内乃至全世界都造成了巨大的损失。因此,及时识别电力系统中的电力盗窃对于系统的安全和可用性至关重要。虽然很多研究者已经做出了各种研究工作,但是随着数据的增加,窃电检... 详细信息

在过去的几十年中,用户窃电行为引起了很多关注,电力盗窃在国内乃至全世界都造成了巨大的损失。因此,及时识别电力系统中的电力盗窃对于系统的安全和可用性至关重要。虽然很多研究者已经做出了各种研究工作,但是随着数据的增加,窃电检测任务依然具有挑战性,并且准确率和效率较低。最近,在很多领域,与使用手工特征和浅层结构分类器的方法相比,深度学习方法已经实现了更好的性能。本文提出了三种基于卷积神经网络和循环神经网络的窃电用户检测方法,分别是1D-DenseNet网络、Multi-scale DenseNet网络和BPIE-BiSRNN网络,以捕获顺序特征的长期和短期周期特征。将我们提出的方法与经典算法进行了比较,实验表明,本文提出的几种方法均可以显著提高窃电行为检测的准确性,可以大大降低人工检测窃电的成本。相比于传统机器学习方法,本文提出的深度学习方法,将logloss值从0.343降低至0.253,而AUC值从0.756提升至0.871。

关键词：窃电行为检测 Multi-Scale DenseNet BPIE-BiSRNN 深度学习

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于大数据的窃电行为检测应用与研究

基于大数据的窃电行为检测应用与研究

作者：吴航舟福州大学

学位级别：硕士

电能是人类生产实践活动中至关重要的能源。随着社会工业化地不断发展,人们对电力资源的需求日益增加,与此同时,窃电行为造成的损失也在不断增加。因此,窃电行为检测对于规范用户用电行为,提高企业管理水平和经济效益具有重要意义。传... 详细信息

电能是人类生产实践活动中至关重要的能源。随着社会工业化地不断发展,人们对电力资源的需求日益增加,与此同时,窃电行为造成的损失也在不断增加。因此,窃电行为检测对于规范用户用电行为,提高企业管理水平和经济效益具有重要意义。传统的反窃电技术存在耗费人力物力大、误报多、效率低等问题。随着智能配电网和大数据技术的发展,通过将大数据技术应用于窃电检测系统可以显著地提高电力公司在进行反窃电工作时的效率。论文根据电力公司业务需求设计并实现了基于随机森林算法的窃电行为检测系统,主要工作内容如下:(1)结合窃电检测系统业务需求及其特点,研究大数据处理技术在窃电业务场景下的应用可能,综合分析了基于随机森林算法的窃电行为检测系统的可行性和系统主要功能需求。(2)分析用户用电数据和异常事件数据等其他相关数据,结合不同的窃电手法提取出主要特征数据。最终提出了一个基于随机森林算法的窃电行为检测模型,并对比该模型在大数据平台Spark下的运算效率。(3)使用主流的Java Web系统开发技术,完成系统的开发工作,并对系统所实现的功能进行了说明和展示。同时使用JMeter和LoadRunner对系统的功能和性能进行测试,验证系统各个功能模块的正确性。论文提出的方法可以为窃电检测业务提供参考,实现的系统功能可为供电企业的反窃电工作提供帮助,挽回了电力公司的经济损失,有利于电力行业持续健康地发展。

关键词：窃电行为检测数据挖掘随机森林软件设计

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的窃电行为检测方法

信息技术 2019年第2期43卷 156-159页

作者：郑建宁国网信通亿力科技有限责任公司福州350003

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... 详细信息

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

基于神经网络算法的用户窃电行为检测模型研究

在线全文

学校读者我要写书评

暂无评论

电力信息与通信技术 2017年第12期15卷 36-40页

作者：吴健林国强王晓慧沈尚义陈诚国网浙江省电力公司湖州供电公司浙江湖州313000 全球能源互联网研究院有限公司北京102200

为了检测存在窃电行为的用电用户,减少电力企业经济效益损失,文章采用湖州市真实用户用电数据,基于机器学习BP神经网络算法,构建低压用户与专变用户用电行为特征,建立窃电风险等级模型。模型采用6折交叉验证方法,平均AUC值达到0.85,验... 详细信息

为了检测存在窃电行为的用电用户,减少电力企业经济效益损失,文章采用湖州市真实用户用电数据,基于机器学习BP神经网络算法,构建低压用户与专变用户用电行为特征,建立窃电风险等级模型。模型采用6折交叉验证方法,平均AUC值达到0.85,验证集中窃电用户命中率达到0.75,比以往人为排查的方法提高了效率和准确性,一定程度上能够辅助反窃电技术的智能化和信息化,为反窃电管理的完善提供有效的技术支持。

关键词：窃电行为检测机器学习神经网络窃电风险等级低压用户