论文部分内容阅读
为减小用户窃电对线损计算和电网运营造成的负面影响,提高窃电检测能力和识别用户窃电手段,提出了融合自编码神经网络和随机森林的用户窃电识别算法.自编码神经网络的目的 是检测出用户的异常用电,可有效提取用电数据的抽象行为特征;基于正常用户的非窃电数据训练自编码神经网络,确定正常用电数据与神经网络全变量重建值之间误差的波动阈值;通过训练好的自编码神经网络构建新增数据的重建误差与误差阈值的比较,建立窃电行为预警模型.随机森林多分类算法对自编码神经网络检测出的异常用电进行窃电类别预判,通过随机搜索和交叉验证确定随机森林的超参数,并进一步推导所预警窃电行为的实施方式.基于真实数据集与多种算法对比验证了所提算法具有较高的窃电检测灵敏度和分类精度.