基于CNN-SVM模型的电网窃电风险自动化预警算法

摘要

针对电网窃电风险预警时效性差、精度低的问题,设计基于CNN-SVM模型的电网窃电风险自动化预警算法。分别从日电压均值、功率因数、电流信息等方面采集用户用电数据,利用最小-最大标准化方法预处理数据;构建窃电风险预警参数集合,确定暂态因子权值,将电压扰动、负载波峰作为特征指标,提取窃电风险边界特征;建立SVM分类器模型,获得最优分类平面和决策函数;通过卷积神经网络改进SVM分类器,构建CNN-SVM模型,提高模型的学习能力;经过模型逐层学习,输出最终特征向量,即窃电风险等级,结合该等级实现自动化预警。实验结果表明,CNN-SVM模型的收敛效果好,训练耗时短,能够准确识别出窃电用户,应用于电网窃电风险自动化预警中的预警精度高,响应速度快。

关键词

支持向量机 / 卷积神经网络 / 窃电风险 / 自动化预警 / 决策函数