基于CNN-LSTM模型的电力盗窃行为识别技术研究

作者：葛岳军; 刘瑞; 马立骏; 马丽; 毕凤娟

来源：供用电, 2022, 39(09): 61-67.

DOI：10.19421/j.cnki.1006-6357.2022.09.009

• 电力盗窃
• 数据分析
• 机器学习
• 卷积神经网络
• 长短期记忆网络

电力盗窃导致供电质量降低、发电量虚增,严重影响配电网的运行效益,是电力公司重点关注的问题。智能电网生成大量与电能消耗相关的数据,为利用基于数据驱动的电力盗窃检测方法提供了充足的数据支撑。提出一种基于卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long short-term memory,LSTM)相结合的电力盗窃检测系统。卷积神经网络用于自动执行特征提取,长短期记忆网络用于处理时间序列的用电数据分类。此外还提出一种用于处理数据缺失的数据预处理算法和解决数据不平衡的过采样方法。实验结果表明,该模型具有优于常见机器算法的电力盗窃检测性能。