华东师范大学学报(自然科学版)

作者：段志尚, 冉懿, 吕笃良, 祁杰, 钟佳晨, 袁培森

单位：段志尚, 男, 硕士, 工程师, 主要研究方向为电能计量、数据分析. >

关键词：残差网络,卷积增强,自注意力机制,深度可分离卷积,窃电识别,

基金：国家自然科学基金(61877018); 上海市大数据管理系统工程研究中心开放基金(HYSY21022)

窃电行为严重危害着电力设备和人身安全, 并造成重大经济损失. 对窃电行为实现准确识别是供电企业降损增效的一项重要工作. 在残差网络 (residual network, ResNet) 结构的基础上, 将二维卷积神经网络与深度可分离卷积增强的自注意力 (depthwise separable convolution enhanced self attention, DSCAttention) 机制相结合并构建模型, 用于提升窃电用户的正确分类. 此外, 由于窃电数据常存在缺失值、异常值和正负样本不平衡的问题, 故采用补零法、分位数变换和分层拆分法对以上问题分别处理. 在真实窃电数据集上进行了大量实验, 实验结果表明, 所提模型的AUC指标达到了91.92%, MAP@100指标达到了98.58%, MAP@200指标达到了96.77%. 与其他窃电分类模型相比, 所提模型在窃电分类任务上亦有很好的表现, 可以在窃电智能化识别中推广使用.

来源：2023年第5期

《华东师范大学学报(自然科学版)》期刊编辑部

查看华东师范大学学报(自然科学版)杂志2023年第5期