国家学术搜索
登录
注册
中文
EN
首页
|
基于深度学习分类用电量图像的窃电行为识别
基于深度学习分类用电量图像的窃电行为识别
引用
认领
扫码查看
点击上方二维码区域，可以放大扫码查看
原文链接
万方数据
维普
中文摘要：
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.
收起全部
展开查看外文信息
作者：
陈耀先
展开 >
作者单位：
西南石油大学电气信息学院
关键词：
窃电行为识别
深度学习
时间序列分类
出版年：
2024
电力设备管理
电力设备管理
ISSN：
年,卷(期)：
2024.
(4)
参考文献量
4
万方数据
维普
