首页> 中文期刊> 《自动化仪表》 >基于CNN的电力数据分析模型研究

基于CNN的电力数据分析模型研究

         

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。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号