معرفی مدل شبکه عصبی باقیمانده جهت تشخیص سرقت انرژی براساس داده کاوی درشبکه های هوشمند

امروزه سرقت انرژی به عنوان یکی از مولفه های مهم رقابتی در سطح شرکتهای توزیع برق محسوب می گردد که علاوه بر کاهش کیفیتتوان شبکه موجب افزایش تبفات غیرفنی می گردند.با ظهور کنتورهای هوشمند زمینه جهت کنترل تلفات غیرفنی از طریق داده کاوی کنتورهایهوشمند فراهم گردید. به منظور استخراج دادههای عظیم تولیدشده توسط کنتورهای هوشمند و بهبود دقت مدل تشخیص سرقت برق، این مقالهیک مدل تشخیص سرقت انرژی را براساس شبکه عصبی باقیمانده عمیق باتوجه به ویژگی های زمانبندی و تناوب داده های کنتور هوشمند پیشنهادمی کند. داده های توالی مصرف برق هفتگی کنتور هوشمند در یک نمونه داده های ماتریسی دوبعدی ساخته می شوند و مشخصات آماری داده هایتوالی مصرف برق هفتگی از قبل آماده شده اند. شبکه عصبی باقیمانده عمیق برای استخراج بردار خصیصه از نمونه داده های ماتریس دو بعدیاستفاده می شود. بردارهای خصیصه و ویژگی های آماری توالی به طور مشترک برای طبقه بندی وارد ساختار مذکور می گردند. مطالعات موردی رویمجموعه داده های واقعی نشان می دهد که مدل پیشنهادی دارای نرخ تشخیص بالا و نرخ مثبت کاذب پایین می باشد

Keywords:

داده کاوی , شبکه هوشمند , مدل تشخیص سرقت انرژی , شبکه عصبی باقیمانده عمیق