基于SE-CNN模型的窃电检测方法研究

摘要：

针对传统电网现有窃电检测仅用单一电量且实际数据集下检测准确度低的问题,提出一种基于通道注意力网络改进卷积神经网络模型的窃电行为检测方法.首先建立一种包含用电量趋势、线损增长率、终端告警多源数据融合的窃电评价指标体系,以此构建用户用电特征集.然后,基于通道注意力挤压激励网络(squeeze and excitation networks,SENet)优化卷积神经网络(convolutional neural network,CNN)模型,据此构建自适应通道注意力网络改进卷积神经网络模型的窃电检测方法.最后,利用南方电网数据集对提出方法的有效性与准确性进行验证.实测结果表明,所提方法能有效实现实际电网情况下各类窃电行为准确检测,建立的评价指标体系可更明显表征窃电行为规律.构建的窃电检测模型可自适应对特征通道重要程度调整,提升通道利用率.相比现有检测方法,其具有更高准确度和更优泛化性能.

关键词：窃电行为、改进卷积神经网络、注意力网络、电量趋势、线损

所属期刊栏目：50

分类号：TP391.41;TM714;F426.61

资助基金：国家自然科学基金;广西电网科技项目

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：117-126