基于遗传算法优化BP神经网络的窃电分析

被引:10
作者
许均星
李川
李英娜
机构
[1] 昆明理工大学信息工程与自动化学院
关键词
窃电; 遗传算法; BP神经网络; 数据分析;
D O I
暂无
中图分类号
TM73 [电力系统的调度、管理、通信]; TP18 [人工智能理论];
学科分类号
120103 [信息系统与信息管理]; 140502 [人工智能];
摘要
目前我国存在着严重的窃电现象,窃电手段繁多而且隐蔽,这使得工作人员的反窃电工作越来越难。基于供电企业能够采集用户用电数据,本文通过选取用户的相关历史数据进行处理和分析。根据对窃电数据特性的分析研究,挑选出月用电量、台区线损值、最大线损值、功率因素、三相不平衡率、合同容量比六个电气参量作为窃电数据的分析指标,采用遗传算法优化BP神经网络算法构建窃电分析模型,对指标样本数据进行分析,得到用户的窃电嫌疑系数,筛选出用电情况异常用户。本方法能够较方便、全面、智能的分析用户的用电情况,为供电企业实施反窃电工作指明了大致的方向,简化了反窃电的许多工作。
引用
收藏
页码:18 / 23
页数:6
相关论文
共 8 条
[1]
反窃电系统的研究与应用 [D]. 
曹峥 .
上海交通大学,
2011
[2]
Boundedness and Convergence of Split-Complex Back-Propagation Algorithm with Momentum and Penalty [J].
Zhang, Huisheng ;
Xu, Dongpo ;
Zhang, Ying .
NEURAL PROCESSING LETTERS, 2014, 39 (03) :297-307
[3]
Intelligent Recognition for Microbiologically Influenced Corrosion Based On Hilbert-huang Transform and BP Neural Network [J].
Men, Hong ;
Zhang, Jing ;
Zhang, Lihua .
JOURNAL OF COMPUTERS, 2012, 7 (09) :2283-2291
[4]
A BP Neural Network Realization in the Measurement of Material Permittivity.[J].Qian Chen;Kama Huang;Xiaoqing Yang;Ming Luo;Huacheng Zhu.Journal of Software.2011, 6
[5]
用户端电能管理系统的研究现状与发展趋势 [J].
高强 ;
张保航 ;
谷海青 .
电力系统保护与控制, 2012, 40 (07) :148-155
[6]
基于智能电网的智能用户端设计 [J].
牟龙华 ;
朱国锋 ;
朱吉然 .
电力系统保护与控制, 2010, 38 (21) :53-56
[7]
一种新型防窃电装置的设计 [J].
赵兵 ;
吕英杰 ;
邹和平 .
电力系统保护与控制, 2009, 37 (23) :116-118+184
[8]
用电信息采集系统反窃电功能现状及发展趋势 [J].
王珏昕 ;
孟宇 ;
殷树刚 ;
张宇 .
电网技术, 2008, 32(S2) (S2) :177-178