智能电能表中全模块化防窃电技术研究

在防窃电过程中,未对电能数据进行预处理操作,使得冗余数据过多,导致窃电识别效果较差,对此,本文提出智能电能表中全模块化防窃电技术研究。基于智能电能表对电能数据进行采集,对采集到的电能数据进行预处理,去除冗余数据,提高数据精度。通过窃电行为识别模块对电能数据异常情况进行快速识别,根据识别结果实现智能报警功能。实验结果表明所提方法进行窃电行为识别时只有1个用户的识别结果出现误差,且识别时长最高为36s,说明所提方法具有实用性。

基于深度学习的三相电能计量系统窃电行为识别方法

进行窃电行为识别时未对数据进行预处理,导致窃电行为识别精度较低,对此,提出基于深度学习的三相电能计量系统窃电行为识别方法。基于三相电能计量系统获取电能数据,对获取到的电能数据进行预处理操作,将与处理后的数据输入到BP神经网络识别模型中进行窃电行为识别。实验结果表明:本文方法的窃电行为识别精度最高达97%,窃电行为识别时长最高仅为54s,证明本文方法的技术水平和应用价值较高。