基于混合神经网络的配电网用户窃电检测方法

针对传统的基于一维用电量数据挖掘分析的用户窃电检测方法检测精度低的问题,提出了一种基于混合神经网络的配电网用户窃电检测方法。首先,为了增强正常用户与窃电用户用电量的特征差异性,采用MTF(马尔可夫变迁场)对一维用电量数据进行图变换,实现用电数据的二维化;同时,为提高模型的准确性及泛化性,引入了用户用电量档案数据。然后,采用混合神经网络分别对预处理后的二维用电图像、档案数据进行特征量提取及融合,以实现配电网用户窃电检测。最后,通过两组对比实验,验证所提方法的有效性和精确性。实验结果表明:与其他模型相比,基于混合神经网络在窃电识别的准确率、查全率及ROC(接受者操作特征)曲线下面积均有较大的提升,具有较好的识别性能。

基于改进自编码器和随机森林的窃电检测方法

作为智能电网的关键技术之一,高级计量架构凭借实时双向通信、按需应答等优点为电网提供重要的数据来源。面对当前日趋严重的窃电问题,有必要利用高级计量架构的数据发现非法窃电行为。因此,该文提出一种基于改进自编码器和随机森林的窃电嫌疑用户检测方法。通过改进自编码器提取隐含在电力用户用电量信息中的特征,应用批标准化算法优化训练过程,并采用这些特征来构建随机森林模型判断窃电嫌疑用户。运用真实数据集,通过仿真实验并对比现有的BP神经网络、极限学习机等模型验证所提出方法的有效性和准确性。