基于CNN-LG模型的窃电行为检测方法研究

• 作者: 卿柏元 陈珏羽 李金瑾 蒋雯倩
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 窃电 决策树 用电数据 卷积神经网络 轻梯度提升机
• 年，卷（期）: 2022,（8）
• 所属期刊栏目: 电气与信息工程
• 页码范围: 138-148
• 页数: 10页
• 分类号: TM715
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2022233

摘要

针对当前电网单一学习器窃电检测方法准确率低、实时性差且无特征提取的问题，提出一种基于卷积神经网络轻梯度提升机（CNN-LG）模型的窃电行为检测方法 .通过卷积神经网络（CNN）提取用户用电数据电力特征，将提取特征输入以决策树为基学习器的轻梯度提升机（LG）分类器对数据进行训练，据此建立基于卷积神经网络轻梯度提升机模型的窃电行为检测方法 .采用基于卷积神经网络轻梯度提升机模型对国家电网和爱尔兰智能能源径（ISET）数据集分别进行窃电行为检测.实验结果表明，本文提出方法可快速准确实现电网中各类窃电行为检测，相比于现有检测方法具有更高准确度、更优泛化性能和实时性.