国网宁夏电力有限公司中卫供电公司
Published:2026
移动端阅览
麦晓庆, 李明, 李静. 基于递归小波神经网络的电力用户窃电行为特征识别[J]. 2026, 28(1): 32-36.
DOI:
麦晓庆, 李明, 李静. 基于递归小波神经网络的电力用户窃电行为特征识别[J]. 2026, 28(1): 32-36. DOI:
由于电力用户数据中包含大量的噪声和无关信息,在判断电力用户窃电行为时数据处理速度较慢,导致识别效率不高。因此,提出了基于递归小波神经网络的电力用户窃电行为特征识别方法。通过A/D采集电路采集电力用户的用电数据,并对用电数据进行预处理,提取电力用户窃电行为的特征,采用递归小波神经网络构建窃电行为特征识别模型,使用高斯小波函数进行特征捕捉,并通过优化训练集大小和训练时长来提高模型性能,实现对电力用户窃电行为的快速识别与定位。试验结果表明,所设计的方法能够准确反映电网运行状态,有效识别窃电行为,且识别效率高于传统方法,具有较高的应用价值。
邢巍,伍波涛,李玥.基于混合深度学习的电力用户数据的分析模型[J].西华大学学报(自然科学版),2023(04).
费飞,翁利国,寿挺,霍凯龙.基于数据挖掘的电力用户行为特征分类研究[J].自动化技术与应用,2023(11).
苏尹,杨翠丽,乔俊飞.基于自组织递归小波神经网络的污水处理过程多变量控制[J].自动化学报,2024(06).
吴昀烔,赵健,宣羿,孙智卿,徐港军.基于多维负荷特性挖掘的电力特殊用户用电行为分析[J].电力建设,2024(03).
梁允锋.基于深度学习的三相电能计量系统窃电行为识别方法[J].电气技术与经济,2023(04).
张永敏,刘胜男,易玲,安继渊.基于滤波的电力计量系统分流窃电行为动态识别方法[J].机械设计与制造工程,2024(03).
赵艳龙,柏维,雷江平,汪卓俊,杨勇胜,蒋钟,熊兰.基于MTF维度提升和残差网络的窃电识别方法[J].电工电能新技术,2024(08).
刘现义,石星昊,蒋怡康,潘秀敏,曲乐,黄锋.基于联合神经网络的用户窃电行为识别模型[J].电气传动,2024(03).
0
Views
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution