来源：期刊VIP网 时间：
作者：魏梅芳1;阳靖2;黄頔1;苏盛3
单位：1.国网湖南省电力有限公司技术技能培训中心;2.国网湖南省电力有限公司长沙供电公司;3.长沙理工大学电气与信息工程学院
摘要：传统窃电检测的标签数据获取依靠人工排查，成本高且效率低，随着智能电网的建设存储了丰富的用户用电数据，基于机器学习的窃电检测方法发展迅猛，但如何不依赖标签数据提高窃电检测准确率仍是亟待解决的难点。因此，该文提出一种基于对比预测编码SVDD的窃电检测方法。首先，通过对比预测编码提取用户数据中最能代表用户用电行为的长期模式特征来检测窃电行为，使用门控递归单元构建正负样本对进行对比学习；然后，再利用前述对比预测编码提取的特征训练SVDD分类器，得到相应超球体的中心和半径；最后，依据待检用电数据与超球体中心的距离和超球体半径之间关系来识别窃电用户。基于国家电网的实际数据进行算例仿真，实验结果表明与对比方法相比，该文所提模型的分类性能更高，且误报率更低。
关键词：窃电;对比编码预测;支持向量数据描述;异常检测
基金资助：国家自然科学基金智能电网联合基金项目（U19266207）; 湖南省自然科学基金项目（2022JJ60089）; 国网湖南省电力有限公司2022年科技项目（5216AP21N001）
