基于DenseNet和随机森林的电力用户窃电检测
【摘要】 窃电作为配电网络非技术损耗的主要因素之一，不仅严重扰乱供电秩序，还会危害电网安全，造成供电企RF业甚至国家的重大损失。为了更高效地检测窃电情况，提出了一种新型的密集卷积神经网络和随机森林（-）模型，基于该模型实现了电力用户窃电行为的检测。首先，分析了密集卷积神经网络（）的结构;其次，将RF密集卷积神经网络（）对大规模的智能电表数据集进行自动特征提取;然后，根据获得的特征再使用随机森）训练分类器，以检测用户是否窃电。在建立融合模型时，采用网格搜索算法确定最优参数。最后，进行实验验林（证，实验结果表明，所提出的检测模型优于宽而深的卷积神经网络（）等模型的分类准确性，其模型准确率为，同时具有良好的泛化能力。DenseNetDenseNetDenseNet96.76%、极限学习机（WDNetELM）、
