基于CNN的电力数据分析模型研究.pdfVIP

第44卷第10期自动化仪表Vol.44No.10

2023年10月PROCESSAUTOMATIONINSTRUMENTATIONOct.2023

基于CNN的电力数据分析模型研究

黄朝凯,吴丹妍,郑惠哲,黄小奇

(广东电网有限责任公司汕头供电局,广东汕头515041)

摘要:为改善现有窃电检测时由电力数据特征复杂、数据样本不均等导致的检测效率、精度低等问题,提出了一种基于卷积神经网

络(CNN)的电力数据分析模型。首先,考虑到窃电数据样本不均衡、数量有限,提出条件变分自动编码器的窃电曲线数据增强方法。

其次,在分析了电力系统攻击模型的基础上,设计了基于CNN的窃电检测模型,从而提高算法执行效率及模型鲁棒性。试验阶段,以

中国某电网公司采集的数据为例,对所提模型进行了分析和验证。与现有的数据增强方法相比,所提模型可以根据窃电功率曲线的

实际形状和分布特征扩展训练集,并且可对基础CNN模型的性能进行改善。与原始数据集相比,模型准确率、F1分数和G均值分别

提高了7.00%、6.65%和6.01%。试验结果验证了所提模型的有效性及实用性。所提模型为电力数据分析及安全故障隐患的发现提

供了借鉴。