-
题名基于变分自编码器的多源数据融合窃电检测方法
被引量：1
- 1
-
-
作者
蔡梓文
赵云
陆煜锌
顾莲墙
陈康
高云鹏
-
机构
南方电网科学研究院有限责任公司
湖南大学电气与信息工程学院
-
出处
《电力系统保护与控制》
北大核心
2025年第4期176-187,共12页
-
基金
广东省电网智能量测与先进计量企业重点实验室开放基金项目资助(GPKLIMAMPG-2022-KF-04)。
-
文摘
针对当前窃电检测仅使用单一用电负荷难以捕捉复杂窃电特征,导致窃电检测发生误判,存在误检率高和准确率低下等问题,提出一种融合用电负荷、环境温度、时间以及对应台区相位线损的新型窃电检测方法。首先构建多维度特征提取变分自编码器(variational autoencoder for multi-dimensional feature extraction,MF-VAE)来提取用户用电行为的多维度特征。然后,基于注意力时序卷积网络(attention temporal convolutional networks,ATCN)建立判别模型,再通过膨胀卷积和因果卷积获取多维度窃电行为特征的时序关系。同时,引入卷积注意力模块分配各维度特征的注意力权重,以提高模型的表现和泛化能力。最后采用Softmax分类器完成对多源数据中潜在窃电行为的准确识别。实验结果表明,用该方法提取的窃电行为特征更加丰富和多元化,能够有效降低窃电检测误检率并提高窃电行为判别准确率。
-
关键词
窃电行为判别
多源数据融合
改进时域卷积网络
变分自编码器
注意力机制
-
Keywords
electricity theft behavior identification
multi-source data fusion
improved time-domain convolutional network
variational autoencoder
attention mechanism
-
分类号
TM73
[电气工程—电力系统及自动化]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
