معرفي مدل شبكه عصبي باقيمانده جهت تشخيص سرقت انرژي براساس داده كاوي در شبكه هاي هوشمند

امروزه سرقت انرژي به عنوان يكي از مولفه ­هاي مهم رقابتي در سطح شركت ­هاي توزيع برق محسوب مي گردد كه علاوه بر كاهش كيفيت توان شبكه موجب افزايش تبفات غيرفني مي­گردند.با ظهور كنتورهاي هوشمند زمينه جهت كنترل تلفات غيرفني از طريق داده­كاوي كنتورهاي هوشمند فراهم گرديد. به­ منظور استخراج داده ­هاي عظيم توليد­شده توسط كنتورهاي هوشمند و بهبود دقت مدل تشخيص سرقت برق، اين مقاله يك مدل تشخيص سرقت انرژي را براساس شبكه عصبي باقيمانده عميق باتوجه به ويژگي ­هاي زمان­بندي و تناوب داده ­هاي كنتور هوشمند پيشنهاد مي­كند. داده‌هاي توالي مصرف برق هفتگي كنتور هوشمند در يك نمونه داده‌هاي ماتريسي دوبعدي ساخته مي‌شوند و مشخصات آماري داده‌هاي توالي مصرف برق هفتگي از قبل آماده شده‌اند. شبكه عصبي باقيمانده عميق براي استخراج بردار خصيصه از نمونه داده‌هاي ماتريس دو بعدي استفاده مي‌شود. بردارهاي خصيصه و ويژگي ­هاي آماري توالي به­طور مشترك براي طبقه­ بندي وارد ساختار مذكور مي­گردند. مطالعات موردي روي مجموعه داده‌هاي واقعي نشان مي‌دهد كه مدل پيشنهادي داراي نرخ تشخيص بالا و نرخ مثبت كاذب پايين مي­باشد.