基于用电周期分析的通信基站窃电检测方法

孙文强; 曾竞; 彭赞; 张征; 苏盛

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于用电周期分析的通信基站窃电检测方法

更新时间：2026-02-13

- 基于用电周期分析的通信基站窃电检测方法
- 基于用电周期分析的通信基站窃电检测方法
- 电力科学与工程 2026年42卷第1期页码：23-30
- 作者机构：
  
  1. 长沙理工大学电气与信息工程学院
  2. 中国移动通信集团湖南有限公司长沙分公司
- 作者简介：
- 基金信息：
  
  国家自然科学智能电网联合基金（U1966207）
- DOI：
  中图分类号： TM73;TN929.5
- 纸质出版：2026
- 稿件说明：
移动端阅览
孙文强, 曾竞, 彭赞, 等. 基于用电周期分析的通信基站窃电检测方法[J]. 电力科学与工程, 2026,42(1):23-30.

孙文强, 曾竞, 彭赞, et al. 基于用电周期分析的通信基站窃电检测方法[J]. 2026, 42(1): 23-30.
孙文强, 曾竞, 彭赞, 等. 基于用电周期分析的通信基站窃电检测方法[J]. 电力科学与工程, 2026,42(1):23-30. DOI：

孙文强, 曾竞, 彭赞, et al. 基于用电周期分析的通信基站窃电检测方法[J]. 2026, 42(1): 23-30. DOI：

摘要

通讯基站的供电系统相对独立，其运维主要依靠远程监控和人工定期巡检。偏远地区基站供电线路安防能力薄弱，非法搭接窃电通常会被基站电力负荷时序波动所掩盖。基于基站窃电行为通常会引发负荷异常抬升并伴随日周期强度同步衰减的特性，提出一种基于用电周期分析的通信基站窃电检测方法。首先采用滑动窗口构建时序特征矩阵作为网络输入，同时结合贝叶斯优化对长短期记忆（long short-term memory

LSTM）神经网络超参数进行全局寻优；其次通过设计均方误差与日周期强度的双维评价体系，利用核密度估计方法确定动态阈值，有效区分窃电异常与正常负荷波动；最后，基于某地区基站运行数据验证。仿真实验结果表明，该方法在复杂工况下仍能保持优越的窃电定位精度，与传统检测方法相比具有更低的误报率。

Abstract

关键词

Keywords

references

Smeaton Alan F.,Hu Feiyan.Periodicity Intensity Reveals Insights into Time Series Data: Three Use Cases[J].Algorithms,2023.

蔡梓文,赵云,陆煜锌,顾莲墙,陈康,高云鹏.基于变分自编码器的多源数据融合窃电检测方法[J].电力系统保护与控制,2025(04).

李云峰,高云鹏,张蓬鹤,杨艺宁,陈康.多目标优化时域卷积神经网络的窃电行为高准确检测算法[J].电网技术,2024(08).

陈静,王铭海,刘煜寒,江灏,缪希仁,林蔚青,郑垂锭,赵睿.基于Transformer与单分类支持向量机的窃电时间识别方法[J].电网技术,2025(05).

何湘桂,孟志强,周华安.基于LoRa物联网的城市道路照明能耗与窃电监测系统[J].湖南大学学报(自然科学版),2023(10).

邹念,张颖,苏盛,魏梅芳,刘康,李彬.基于小时尺度周期特征自编码器的用户窃电识别方法[J].电网技术,2023(06).

刘康,刘鑫,张蓬鹤,薛阳,李彬,苏盛.基于负荷尖峰特征LSTM自编码器的窃电识别方法[J].电力系统自动化,2023(02).

牛志升,周盛,孙宇璇.面向“双碳”战略的绿色通信与网络：挑战与对策[J].通信学报,2022(02).

周宸宇,冯成,王毅.基于移动用户接入控制的5G通信基站需求响应[J].中国电机工程学报,2021(16).

李玉志,刘晓亮,邢方方,温国强,卢楠滟,何慧,焦润海.基于Bi-LSTM和特征关联性分析的日尖峰负荷预测[J].电网技术,2021(07).

肖勇,钱斌,蔡梓文,洪亮,苏盛.电力物联网终端非法无线通信链路检测方法[J].电工技术学报,2020(11).

杨锡运,张艳峰,叶天泽,苏杰.基于朴素贝叶斯的风电功率组合概率区间预测[J].高电压技术,2020(03).

张宁,杨经纬,王毅,陈启鑫,康重庆.面向泛在电力物联网的5G通信:技术原理与典型应用[J].中国电机工程学报,2019(14).

陈启鑫,郑可迪,康重庆,皇甫奋宇.异常用电的检测方法:评述与展望[J].电力系统自动化,2018(17).

崔佳旭,杨博.贝叶斯优化方法和应用综述[J].软件学报,2018(10).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于小波分解与ARMA-BayesLSTM组合模型的风向短期预测

基于贝叶斯优化N-BEATS神经网络的锅炉过热汽温预测模型

中国光学与应用光学1-6期(第2卷)总目次

《中国光学与应用光学》征稿启事