典型文献
基于图转换和混合卷积神经网络的窃电检测方法
文献摘要：
传统的窃电检测方法大多基于一维用电序列数据构建模型,同时单一的分类模型往往限制了电力用户行为规律的深层挖掘.为进一步提高窃电行为的检出率,提出一种基于图转换和混合卷积神经网络的窃电检测方法.首先,为了更好地捕捉用户窃电前后的用电周期性特征差异,引入基于格拉姆角和场的图转换方法,实现用电数据的二维化.然后,针对不同维度的输入形式,利用混合卷积神经网络同步提取原始一维序列数据的全局特征以及二维图像数据保留的时序相关性特征.实际算例结果表明,所提模型的受试者工作特性曲线下面积、查全率以及F1分数3项指标相比于随机森林、宽而深卷积神经网络等模型取得了有效的提升.
文献关键词：
窃电检测;用电;格拉姆角和场;混合输入;卷积神经网络
中图分类号：
作者姓名：
周赣;华济民;李铭钧;付佳佳;黄莉
作者机构：
东南大学电气工程学院,江苏省南京市 210096;广东电网有限责任公司,广东省广州市 510600
文献出处：
引用格式：
[1]周赣;华济民;李铭钧;付佳佳;黄莉-.基于图转换和混合卷积神经网络的窃电检测方法)[J].电力系统自动化,2022(19):78-86
A类：
B类：
混合卷积神经网络,窃电检测,序列数据,构建模型,分类模型,电力用户,用户行为,行为规律,窃电行为,用户窃电,特征差异,格拉姆角和场,转换方法,现用,用电数据,不同维度,网络同步,同步提取,维序,全局特征,二维图像,图像数据,数据保留,时序相关性,受试者工作特性曲线,查全率,混合输入
AB值：
0.33393
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。
