常规的窃电检测方法大多数采用卷积神经网络-长短期记忆(Convolutional Neural Networks-Long Short Term Memory,CNN-LSTM)混合模型原理设计而成,在反间歇性窃电检测工作中,检测准确性与时效性均存在不足。基于此,引入载波通信技术,开...常规的窃电检测方法大多数采用卷积神经网络-长短期记忆(Convolutional Neural Networks-Long Short Term Memory,CNN-LSTM)混合模型原理设计而成,在反间歇性窃电检测工作中,检测准确性与时效性均存在不足。基于此,引入载波通信技术,开展了基于载波通信技术的反间歇性窃电检测方法研究。首先,构建异常用电检测模型,采集并挖掘电力负荷数据,获取到不同类型的用户异常用电数据集。其次,降维处理异常用电负荷数据,将高维的数据向量组转化为低维的数据向量组,弱化用电负荷数据相互之间的关系。在此基础上,利用载波通信技术,实时监控用户的用电工况,检测用电工况是否存在异常,进而全方位检测反间歇性窃电行为。分析实验结果可知,按照提出方法监测反间歇性窃电后,检测的平均准确率较高,能够在海量用电用户中快速准确地检测出存在异常的窃电行为。展开更多
文摘常规的窃电检测方法大多数采用卷积神经网络-长短期记忆(Convolutional Neural Networks-Long Short Term Memory,CNN-LSTM)混合模型原理设计而成,在反间歇性窃电检测工作中,检测准确性与时效性均存在不足。基于此,引入载波通信技术,开展了基于载波通信技术的反间歇性窃电检测方法研究。首先,构建异常用电检测模型,采集并挖掘电力负荷数据,获取到不同类型的用户异常用电数据集。其次,降维处理异常用电负荷数据,将高维的数据向量组转化为低维的数据向量组,弱化用电负荷数据相互之间的关系。在此基础上,利用载波通信技术,实时监控用户的用电工况,检测用电工况是否存在异常,进而全方位检测反间歇性窃电行为。分析实验结果可知,按照提出方法监测反间歇性窃电后,检测的平均准确率较高,能够在海量用电用户中快速准确地检测出存在异常的窃电行为。
