基于深度学习分类用电量图像的窃电行为识别

陈耀先¹

扫码查看

作者信息

1. 西南石油大学电气信息学院
折叠

摘要

窃电行为不仅导致经济损失,还可能引发触电伤害和火灾.时间序列分类技术被广泛应用于各个行业,用于识别可疑的时间序列.本文使用真实世界中,相同数量的窃电用户、正常用户的电能量消耗数据,将其按照时间序列数据转化为图像进行深度学习,并将精确度作为模型评价指标.实验结果表明,模型对测试数据集有98.4％的精确度,此研究可帮助分析用户用电量,无须使用其他硬件,就可以识别出窃电用户.

关键词

窃电行为识别/深度学习/时间序列分类

引用本文复制引用

出版年

2024

电力设备管理

ISSN：

参考文献量4

段落导航