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

امروزه سرقت انرژی به عنوان یکی از مولفه ­های مهم رقابتی در سطح شرکت ­های توزیع برق محسوب می گردد که علاوه بر کاهش کیفیت توان شبکه موجب افزایش تبفات غیرفنی می­گردند.با ظهور کنتورهای هوشمند زمینه جهت کنترل تلفات غیرفنی از طریق داده­کاوی کنتورهای هوشمند فراهم گردید. به­ منظور استخراج داده ­های عظیم تولید­شده توسط کنتورهای هوشمند و بهبود دقت مدل تشخیص سرقت برق، این مقاله یک مدل تشخیص سرقت انرژی را براساس شبکه عصبی باقیمانده عمیق باتوجه به ویژگی ­های زمان­بندی و تناوب داده ­های کنتور هوشمند پیشنهاد می­کند. داده‌های توالی مصرف برق هفتگی کنتور هوشمند در یک نمونه داده‌های ماتریسی دوبعدی ساخته می‌شوند و مشخصات آماری داده‌های توالی مصرف برق هفتگی از قبل آماده شده‌اند. شبکه عصبی باقیمانده عمیق برای استخراج بردار خصیصه از نمونه داده‌های ماتریس دو بعدی استفاده می‌شود. بردارهای خصیصه و ویژگی ­های آماری توالی به­طور مشترک برای طبقه­ بندی وارد ساختار مذکور می­گردند. مطالعات موردی روی مجموعه داده‌های واقعی نشان می‌دهد که مدل پیشنهادی دارای نرخ تشخیص بالا و نرخ مثبت کاذب پایین می­باشد.