典型文献
基于三元组孪生网络的窃电检测算法
文献摘要：
窃电数据量的缺乏对窃电检测算法的辨识准确度造成了极大影响,因此该文提出在小样本条件下基于三元组孪生网络的窃电检测方法.利用格拉姆角场(gramian angular field,GAF)实现用电序列图像化,再使用三元组孪生网络提取用户用电数据中的特征向量,基于欧氏距离进行特征向量的相似度比对,实现窃电检测.由于三元组孪生网络不仅对训练样本本身的特征进行提取,还对同类样本间的相似性与非同类样本间的差异性进行了学习,提高了特征向量的聚类效果,拥有较高的轮廓系数(silhouette score).算例结果验证了所提算法在小样本情况下的准确性和优越性.
文献关键词：
窃电检测;三元组孪生网络;格拉姆角场
中图分类号：
作者姓名：
高昂;郑建勇;梅飞;沙浩源;裘星;解洋;李轩;郭梦蕾;李丹奇
作者机构：
东南大学电气工程学院,江苏省 南京市 210096;河海大学能源与电气学院,江苏省 南京市 211100;深圳供电局有限公司,广东省 深圳市 518048
文献出处：
引用格式：
[1]高昂;郑建勇;梅飞;沙浩源;裘星;解洋;李轩;郭梦蕾;李丹奇-.基于三元组孪生网络的窃电检测算法)[J].中国电机工程学报,2022(11):3975-3985,中插9
A类：
三元组孪生网络,gramian
B类：
窃电检测,检测算法,数据量,小样本,样本条件,格拉姆角场,angular,field,GAF,现用,序列图像,图像化,取用,户用,用电数据,特征向量,欧氏距离,训练样本,本本,非同,轮廓系数,silhouette,score
AB值：
0.230587
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
