基于生成式对抗网络的窃电检测数据生成方法EI北大核心CSCD |
| |
引用本文: | 王德文杨凯华.基于生成式对抗网络的窃电检测数据生成方法EI北大核心CSCD[J].电网技术,2020(2):775-782. |
| |
作者姓名: | 王德文杨凯华 |
| |
作者单位: | 1.华北电力大学控制与计算机工程学院071003; |
| |
摘 要: | 日益增长的用户侧用电数据为基于数据驱动的窃电检测方法奠定了基础,然而窃电检测数据固有的不平衡性质会影响该类方法的性能。针对窃电检测的数据不平衡问题,提出一种基于Wasserstein生成对抗网络(wasserstein generative adversarialnetwork,WGAN)的窃电样本过采样方法,通过WGAN生成器与判别器的对抗训练,神经网络能够学习到窃电负荷序列难以显式建模的时间相关性,生成与真实窃电样本具有相近分布的合成样本。采用WGAN训练期间生成的多组窃电样本对原始窃电样本进行增强,使用卷积神经网络在多组增强训练集上进行训练,选择在验证集上取得最高AUC值的增强训练集,最后在其上训练分类器实现窃电检测。所提方法在某电力公司提供的真实数据上进行了实验测试,结果表明相比于随机过采样、SMOTE和ADASYN等方法在检出率、误检率、F1测度以及AUC评价指标上有明显提升。
|
关 键 词: | 数据驱动 窃电检测 数据不平衡 生成对抗网络 过采样 |
本文献已被 维普 等数据库收录! |
|