基于实值深度置信网络的用户侧窃电行为检测

• 作者: 张承智 肖先勇 郑子萱
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 非技术性损失 窃电行为检测 特征提取 实值深度置信网络 不平衡数据
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 电力系统
• 页码范围: 1083-1091
• 页数: 9页
• 分类号: TM73
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2018.1045

摘要

用户侧窃电行为造成的非技术性损失对电网企业危害重大,不仅会影响电力系统的供电质量,还会增加电网的运营成本.为了辅助电网公司提高用电稽查效率、管理用户规范化用电,提出了基于实值深度置信网络的用户侧窃电行为检测模型.实值深度置信网络具有提取抽象特征的功能,并通过前馈神经网络微调后可实现较高分类精度.为了优化实值深度置信网络因随机初始化产生的局部最优化问题,该模型通过萤火虫算法对网络参数全局寻优.针对用户窃电行为检测,该模型利用因子分析进行数据降维,利用随机欠采样和套索算法应对数据不平衡问题,并利用ROC(receiver operating characteristic curve)曲线选取该模型的检测阈值.最后仿真实验验证了所提出模型的有效性和精确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖先勇		223	2612	27.0	42.0
2	郑子萱		15	35	3.0	5.0
3	张承智		1	0	0.0	0.0