机构名称：
¥ 1.0
摘要：智能电网具有提高能源效率、减少停电和提高安全性等多种优势，随着电力需求的不断增长，智能电网越来越受欢迎。但智能电网最大的问题之一是电力盗窃，这给公用事业公司带来了大量损失。因此，电力配送公司非常担心电力盗窃。本研究的目的是提供一种基于人工神经网络 (ANN) 的有效技术来识别智能电网电力盗窃。在对可接受的消费模式数据集进行训练后，将根据有关能源盗窃事件的信息对 ANN 模型进行评估。将使用测试数据测试设计，以评估建议策略的有效性。我们建议的基于 ANN 的智能电网电力盗窃检测方法的预期结果是有利的。我们的方法实现了 99% 的训练准确率和 99% 的验证准确率。将采用的性能指标包括 F1 分数、召回率、准确率和精确率。此外，我们创建了所提出的系统，该系统利用 Flask Web 框架使其更易于使用，并提供更好的用户界面以进行结果预测。这项研究可能会产生一种有效的方法，使用 ANN 来识别智能电网中的能源盗窃，公用事业公司可以利用这种方法来增加收入并加强智能电网的安全性。这项研究可能会扩展到其他领域，例如计算机网络中的入侵检测和金融系统中的欺诈检测，这些领域需要在大规模数据集中识别异常。关键词：人工神经网络、Flask Web 框架、智能电网、能源盗窃、大规模。1. 简介人工神经网络 (ANN) 复制了大脑复杂的神经元关联。箭头显示人工神经元之间的输出连接，这些神经元可以是节点。ANN 或连接系统是基于动物大脑神经网络的计算模型。这些结构不是制定特定于项目的策略，而是从样本中“学习”。神经网络 (ANN) 由“人工神经元”组成，这些神经元可以模仿真实的大脑神经元。人工神经元像大脑突触一样发送信号。人工神经元处理信号并将其发送到其他神经元。大多数 ANN 实现处理信号，因为每个人工神经元的输出都是非线性特征
利用机器学习检测电力盗窃......
主要关键词
相关文件推荐
