基于rbf神经网络的配电网窃电行为检测*

摘要:目前的窃电手段隐蔽性强、种类多样,传统的窃电检测方法已经越来越力不从心,不仅准确率低且时效性不高.因此,结合机器学习的方法,提出了一种基于rbf神经网络的窃电行为检测方法.通过对目前常见的窃电方式进行分析,挑选出三相电压中各相电压之间的差值、三相电流中各相电流的差值以及功率因数等参考量作为窃电检测的特征指标,并采用包含特征指标的历史数据来构建基于rbf神经网络的窃电行为检测模型.试验结果表明该方法针对目前常见的窃电方式进行识别的准确率达到94.1%,可以有效地筛选出存在窃电嫌疑的用户.该方法不仅达到了实际应用的精度要求,而且使反窃电技术更加智能化,变被动防窃电为主动防窃电.

关键词:

窃电行为检测/

rbf神经网络/

配电网

abstract:at present,it has become more and more difficult for the traditional bbbbbbs to detect various covert power theft behaviors,not only due to low accuracy rate,but also due to high time cost.therefore,as an application of machine learning theory,this paper presents a detection bbbbbb of power theft behavior on distribution network based on rbf neural network.through the analysis on the current common power theft behavior,this paper picks up divergence among three-phase voltage,divergence among three-phase current and divergence among power factor as three important features and build a power theft detection model based on rbf neural network with the historical data containing three important features mentioned above.the experimental result shows that the accuracy rate of this bbbbbb on distinguishing the current common power theft behavior is up to 94.1%,which means this bbbbbb could be used on suspecting power consumers who are probably stealing power effectively.this bbbbbb not only meets the precision requirements of practical application,but also makes the power anti-theft technology more inbbbligent and thus the power supply enterprises can take the initiative.

key words:

stealing behavior detection/

rbf neural network/

distribution network

[1]

谢云成,袁洪. 改进型rbf神经网络对rof前传系统非线性行为建模. 云南大学学报(自然科学版), 2019, 41(2): 238-244.doi:

[2]

薛 金,余 江,常 俊,施继红,练柱先. 智能配电网的通信隔离方案研究. 云南大学学报(自然科学版), 2013, 35(4): 480-484.doi:

[3]

刘振鹏,王仕磊,郭超,陈杰,李小菲. 软件定义网络中基于深度神经网络的ddos攻击检测. 云南大学学报(自然科学版), 2022, 44(4): 729-735.doi:

[4]

胡耀文,孙俊,方芳,邵玉斌,龙华. 基于bp神经网络的接收信号强度的检测方法. 云南大学学报(自然科学版), 2017, 39(4): 534-538.doi:

[5]

赵显达,黄欢. 基于细胞神经网络边缘检测的自适应研究. 云南大学学报(自然科学版), 2019, 41(2): 268-277.doi:

[6]

杨立本,汤裕民,李泰国,王栋. 基于rbf神经网络滑模自抗扰的四旋翼飞行器控制. 云南大学学报(自然科学版), 2022, 44(5): 931-939.doi:

[7]

程祥磊,鲍慈光,彭莉. 人工神经网络预测离子色谱分离条件. 云南大学学报(自然科学版), 2003, 25(1): 61-64.

[8]

马晓敏,王新. 基于遗传算法的bp神经网络改进. 云南大学学报(自然科学版), 2013, 35(s2): 34-.doi:

[9]

周冬明. 具有变时滞的细胞神经网络的全局指数稳定性. 云南大学学报(自然科学版), 2002, 24(2): 93-95,100.

[10]

姬晨,郭延哺,金宸,段云浩,李维华. 一种基于卷积神经网络的跨领域情感分析. 云南大学学报(自然科学版), 2019, 41(2): 253-258.doi:

[11]

贾时银,周冬明,聂仁灿,赵东风. 脉冲耦合神经网络模型参数优化及图像分割. 云南大学学报(自然科学版), 2010, 32(5): 521-525 .

[12]

袁刚,周冬明,聂仁灿. 基于简化脉冲耦合神经网络的噪声人脸识别. 云南大学学报(自然科学版), 2015, 37(5): 687-694.doi:

[13]

赵光兰,周冬明,赵东风,聂仁灿. 脉冲耦合神经网络的人脸识别方法. 云南大学学报(自然科学版), 2011, 33(2): 141-146 .

[14]

虞双吉,苗春生,王新. 极限学习机神经网络在短期降水预报中的应用. 云南大学学报(自然科学版), 2013, 35(4): 507-515.doi:

[15]

胡芳,周冬明,聂仁灿,赵东风. 脉冲耦合神经网络模型参数估计及其图像分割. 云南大学学报(自然科学版), 2010, 32(6): 652-656 .

[16]

范斌,刘辉,汪繁荣,谭文龙. 狼群算法优化bp神经网络的电缆故障测距算法. 云南大学学报(自然科学版), 2016, 38(6): 873-878.doi:

[17]

蒲越,李国东,赵静. 基于细胞神经网络混沌特性的音频加密技术应用. 云南大学学报(自然科学版), 2017, 39(4): 539-546.doi:

[18]

王含,李志军,曾以成,陈婷. 一种模糊神经网络的硬件电路优化设计方式. 云南大学学报(自然科学版), 2015, 37(2): 215-221.doi:

[19]

赵光兰,周冬明,赵东风,聂仁灿. 脉冲耦合神经网络的人脸识别方法. 云南大学学报(自然科学版), 0, -1978(0): 0- .

[20]

邱爽,聂仁灿,周冬明,李兴叶. 自归一化卷积神经网络的人脸识别方法. 云南大学学报(自然科学版), 2018, 40(4): 659-664.doi: