科研之友
微信
新浪微博
Facebook
分享链接
摘要
为改善现有窃电检测时由电力数据特征复杂、数据样本不均等导致的检测效率、精度低等问题，提出了一种基于卷积神经网络(CNN)的电力数据分析模型。首先，考虑到窃电数据样本不均衡、数量有限，提出条件变分自动编码器的窃电曲线数据增强方法。其次，在分析了电力系统攻击模型的基础上，设计了基于CNN的窃电检测模型，从而提高算法执行效率及模型鲁棒性。试验阶段，以中国某电网公司采集的数据为例，对所提模型进行了分析和验证。与现有的数据增强方法相比，所提模型可以根据窃电功率曲线的实际形状和分布特征扩展训练集，并且可对基础CNN模型的性能进行改善。与原始数据集相比，模型准确率、F1分数和G均值分别提高了7.00%、6.65%和6.01%。试验结果验证了所提模型的有效性及实用性。所提模型为电力数据分析及安全故障隐患的发现提供了借鉴。
-
单位广东电网有限责任公司
