机构名称：
¥ 1.0
摘要：配电系统的数字化彻底改变了数据收集和分析的方式。本文解决了利用这些信息识别电力消耗中的违规和异常这一关键任务。重点是检测配电网中的非技术性损失 (NTL) 和能源盗窃。本文全面概述了利用电力消耗测量来发现 NTL 和能源盗窃的方法。确定了消费者中最常见的异常和盗窃场景和普遍案例。此外，还提出了针对特定异常的统计指标。在这篇研究论文中，重点介绍了许多人工智能 (AI) 算法的实际实现，包括人工神经网络 (ANN)、ANFIS、自动编码器神经网络和 K 均值聚类。这些算法在我们的研究中起着核心作用，我们的主要目标是展示它们在识别 NTL 方面的有效性。我们使用直接来自配电网的真实数据。此外，我们仔细评估统计方法的效果，并通过使用真实数据进行测试，将其与 AI 技术进行比较。人工神经网络 (ANN) 准确识别了各种消费者类型，频率误差为 7.62%。相比之下，K 均值算法的频率误差略高，为 9.26%，而自适应神经模糊推理系统 (ANFIS) 无法检测到初始异常类型，导致频率误差为 11.11%。我们的研究表明，人工智能可以更有效地发现电力消耗中的异常情况。这种方法，尤其是在使用智能电表数据时，可以帮助我们发现问题并保护配电网络。
用于配电网能源盗窃检测的人工智能
主要关键词
相关文件推荐
