基于混合深度学习的分布式光伏系统窃电检测研究OA

由于分布式光伏系统并网方式多样、运行模式灵活,窃电行为隐蔽性强,亟需高效检测方法。针对现有监督分类和无监督回归窃电检测模型泛化能力弱和检测精度低等问题,提出一种结合卷积神经网络和Transformer的混合半监督模型进行窃电检测。其中,卷积神经网络模型融合双向长短时记忆网络与注意力机制,并借助改进鲸鱼算法(融合Tent混沌映射、非线性收敛因子等优化策略)进行超参数寻优。Transformer模型通过多尺度感知层与线性映射层优化。实验结果表明,该模型在少量标注数据与大量未标注数据场景下,窃电检测准确率达96.67%,曲线下面积为99.05%,相比常规方法,所提方法的准确率分别提高了4.98%和0.44%,曲线下面积分别提高了3.12%和0.74%。研究为新型电力系统反窃电技术提供新思路,助力清洁能源可持续发展。