基于CT-GAN的半监督学习窃电检测方法研究OA北大核心CSTPCD
Research on Semi-supervised Learning Detection Method of Electricity Theft Based on CT-GAN
针对电网公司获取有标签数据成本高、难度大,而获取的无标签数据难以训练有效窃电检测模型的问题,提出了在少量有窃电标签数据场景下基于联合训练生成对抗网络(Co-training Generative Adversarial Networks,CT-GAN)的半监督窃电检测方法.首先,探究了生成对抗网络及半监督生成对抗网络的原理与结构.其次,提出了采用Wasserstein距离取代JS(Jensen-Shannon)散度和KL(Kullback-Lei…查看全部>>
Aiming at the high cost and difficulty of obtaining labeled data for power grid companies,and the difficulty of training an effective electricity theft detection model with unlabeled data,this paper proposes a method based on CT-GAN(Co-training Generative Adversarial Networks)semi-supervised electricity theft detection method.Firstly,the principles and structures of generative adversarial networks and semi-supervised generative adversarial networks are explo…查看全部>>
杨艺宁;张蓬鹤;夏睿;高云鹏;王飞;朗珍白桑
中国电力科学研究院有限公司,北京 100192中国电力科学研究院有限公司,北京 100192湖南大学 电气与信息工程学院,湖南 长沙 410082湖南大学 电气与信息工程学院,湖南 长沙 410082国网西藏电力有限公司,西藏 拉萨 850000国网西藏电力有限公司,西藏 拉萨 850000
动力与电气工程
窃电检测生成对抗网络半监督学习Wasserstein距离判别器
electricity theft detectiongenerative adversarial networksemi-supervised learningWasserstein distancediscriminator
《湖南大学学报（自然科学版）》 2024 (6)
211-222,12
中国电力科学研究院研究开发项目(JL8422-003),Research and Development Project of China Electric Power Research Institute(JL8422-003)
评论