基于对冲对抗机制与图注意力网络的异常用电检测.pdfVIP

第46 卷 第22 期 2022 年11 月25 日 Vol.46No.22 Nov.25,2022 DOI：10.7500/AEPS20210804008 基于对冲对抗机制与图注意力网络的异常用电检测 王炜韬，赵 健，王小宇 （上海电力大学电气工程学院，上海市 200090） 摘要：针对基于数据驱动的异常用电检测方法准确率不高的问题，提出一种基于配电网潮流约束 的异常用电检测方法。首先，建立了基于卷积神经网络对冲反向传播网络的潮流计算模型与基于 潮流方程约束的精度优化模型，实现在不完全依赖线路参数与拓扑情况下的准确潮流计算。其次， 在对冲反向传播过程中加入改进对抗攻击算法形成对冲对抗机制，以电压计算值向测量值逼近为 目标，实现在边界条件下功率回溯。再次，计算功率回溯值与量测值间的回溯距离并将其作为用电 特征量，以加有异常累加器的图注意力网络作为分类器，实现异常回溯距离的辨识。最后，结合实 际案例与仿真实验验证了所提方法的有效性。 关键词：异常用电检测；神经网络；潮流计算；对冲反向传播；图注意力网络 0 引言 的研究思路，有待进一步研究与完善。 第3类：基于潮流约束的方法。配电网电气量 目前，以用户异常用电为首的非技术性损耗占 ［1-2］ 具有强耦合性，节点的注入功率与电压受潮流方程 据配电网总损耗的65%~70% ，是电力公司运营 ［14］ 约束 。其中，最主要的一类方法是基于状态估计 管理中的痼疾。据不完全统计，中国每年因用户异 ［3］ 的异常检测方法［15-16］，通过比较节点电压、功率估计 常用电造成的损失高达200亿元 ，如何提升对于 值与量测值的残差推断量测值是否被篡改，判断用 用户异常用电稽查的效率和准确性仍是亟待解决的 户是否发生异常用电。该类方法较好地解决了分类 问题。由于人工排查的方法耗时耗力，在用户台账、 方法处理用电不稳定用户时高误报的问题，但是其 用电负荷、电量计量等多维度用电信息的支撑下，基 过于依赖网络的本构参数，即拓扑和线路参数精度， 于数据驱动的异常用电检测方法得到了快速发展， 在实际一般的配电网，尤其是直面大量用户的0.4kV 根据机理可大致分为3类： ［4-8］ 配电网（台区）很难满足辨识要求。 第1类：基于聚类的方法 。异常用电用户的 针对状态估计遇到的问题，本文利用人工神经 某些用电特征指标相较正常用户存在差异，可通过 网络对潮流方程式进行等值计算，建立并挖掘潮流 聚类方法找出偏离聚类簇的异常用户。但在复杂的 约束，实现异常用电检测。首先，建立基于卷积神经 用电行为中找出具有代表性的特征较为困难，这使 网络对冲反向传播（CNN-HBP）网络潮流计算模 得该类方法误报率高。 ［9-12］ 型，实现本构参数信息欠缺下具有快速适应性的潮 第2类：