设计应用

基于深度自编码器的智能电网窃电网络攻击异常检测

作者：黄燕1，李金灿1，杨霞琴2，李佩2，李梓3
发布日期：2024-02-21
来源：电子技术应用

引言

电力盗窃不仅会使电网过载，还会对电网的稳定性和效率产生负面影响。因此提出了使用机器学习模型来识别电力盗窃[1-2]。基于机器学习的检测器包括监督分类器和异常检测器。监督分类器包括浅层机器学习分类器，如朴素贝叶斯[3]和支持向量机(SVM)[4]，还有基于决策树和SVM的两步检测器[5]。虽然上述分类器检测准确率高，但过于依赖于客户耗电数据的良性和恶意样本的可用性，只能检测到已经训练过的攻击类型。


本文详细内容请下载：

https://www.chinaaet.com/resource/share/2000005859


作者信息：

黄燕1，李金灿1，杨霞琴2，李佩2，李梓3

1.广西电网有限责任公司，广西 南宁 530023；2.广西电网有限责任公司南宁供电局，广西 南宁 530000； 3.广西电网有限责任公司梧州供电局，广西 梧州 543002


weidian.jpg

此内容为AET网站原创，未经授权禁止转载。
自动编码器 深度机器学习 窃电 超参数优化 序列到序列seq2seq

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2