典型文献
基于非线性独立成分估计的分布式光伏窃电数据增强方法
文献摘要：
由于分布式光伏窃电的强隐蔽性和稽查资源的有限性,导致电力部门掌握的窃电样本数量不足,限制了窃电检测的精度.为此,提出了一种基于非线性独立成分估计(NICE)的分布式光伏窃电数据增强方法.首先,利用多个可逆函数将窃电样本映射成服从高斯分布的隐变量,并通过逆变换将其反向重构成新的窃电样本.然后,提出了3种典型的光伏窃电模型,并针对窃电样本的数据特征构建了卷积神经网络作为分类器.最后,通过仿真算例和实际算例验证了所提方法的有效性和适应性.仿真结果表明,NICE能够同时兼顾样本的形状和分布特征,生成的窃电样本能够显著提升不同分类器的性能.
文献关键词：
分布式光伏发电;窃电;非线性独立成分估计;深度学习;数据增强
中图分类号：
作者姓名：
薛阳;杨艺宁;廖文龙;杨德昌
作者机构：
中国电力科学研究院有限公司,北京市 100192;奥尔堡大学能源技术系,奥尔堡 9220,丹麦;中国农业大学信息与电气工程学院,北京市 100083
文献出处：
引用格式：
[1]薛阳;杨艺宁;廖文龙;杨德昌-.基于非线性独立成分估计的分布式光伏窃电数据增强方法)[J].电力系统自动化,2022(02):171-179
A类：
非线性独立成分估计
B类：
数据增强,增强方法,隐蔽性,稽查,有限性,致电,电力部门,样本数量,窃电检测,NICE,逆函数,射成,成服,服从,高斯分布,隐变量,逆变换,窃电模型,数据特征,特征构建,分类器,算例验证,本能,分布式光伏发电
AB值：
0.298198
相似文献
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。
