电子设计工程ElectronicDesignEngineering第31卷Vol.31第4期No.42023年2月Feb.2023收稿日期：2021-08-24稿件编号：202108155基金项目：国网公司科技项目（5216AB180006）作者简介：任盛（1987—），男，湖南安乡人，硕士，工程师。研究方向：营销线损技术分析、计量采集监控与分析等。基于DBN深度学习算法的低压台区反窃电诊断任盛，周志飞，卜龙敏，刘文婕，王艺錂（国网湖南省电力有限公司供电服务中心（计量中心）智能电气量测与应用技术湖南省重点实验室，湖南长沙410004）摘要：当前已有的低压台区反窃电诊断方法很难精准确定窃电用户，导致无法完成反窃电工作。为解决上述问题，基于DBN深度学习算法提出新的低压台区反窃电诊断方法。采用大数据挖掘方法检测反窃电诊断大数据信息，并输出检测过程中产生的反窃电特征数据，分析反窃电识别数据，并重组通过逆行反窃电定位而形成的随机分布结构。利用DBN深度学习算法建立低压台区反窃电诊断模型，增加训练系数，以消除误差，通过清洗补正反窃电数据、辨识窃电风险和分析窃电行为三个步骤，实现对窃电量的估算。实验结果表明，基于DBN深度学习算法的低压台区反窃电诊断方法能够精准地确定出窃电用户，从而更好地完成反窃电工作。关键词：DBN深度学习；学习算法；低压台区；反窃电诊断中图分类号：TN-9文献标识码：A文章编号：1674-6236（2023）04-0096-04DOI：10.14022/j.issn1674-6236.2023.04.020Anti⁃stealingdiagnosisoflow⁃voltagestationareabasedonDBNdeeplearningalgorithmRENSheng，ZHOUZhifei，BULongmin，LIUWenjie，WANGYiling（HunanProvinceKeyLaboratoryofIntelligentElectricalMeasurementandApplicationTechnology，StateGridHunanElectricPowerLimitedCompanyPowerSupplyServiceCenter(MetrologyCenter)，Changsha410004，China）Abstract:Atpresent，theexistingantipowertheftdiagnosismethodsinlow⁃voltagestationareaaredifficulttoaccuratelydeterminethepowerstealinguser，resultingintheinabilitytocompletetheantipowerstealingwork.Inordertosolvetheaboveproblems，anewantistealingdiagnosismethodinlowvoltagestationareaisproposedbasedonDBNdeeplearningalgorithm.Thebigdataminingmethodisusedtodetectthebigdatainformationofanti⁃stealingdiagnosis，outputtheanti⁃stealingcharacteristicdatageneratedinthedetectionprocess，analyzetheanti⁃theftid...
