AMI 网络中基于超参数随机调优的深度循环窃电检测
机器学习
2018-09-10 v1 密码学与安全
机器学习
摘要
现代智能电网依赖高级计量基础设施（AMI）网络进行监控与计费。然而，这种方法遭受电力盗窃网络攻击。不同于现有利用浅层、静态和基于特定客户窃电检测器的研究，本文提出一种广义的基于深度循环神经网络（RNN）的窃电检测器，可有效阻止这些网络攻击。所提模型利用客户电力消耗的时间序列特性来实现门控循环单元（GRU）-RNN，从而提升检测性能。此外，所提基于 RNN 的检测器在其学习阶段采用随机搜索分析以适当微调其超参数。使用来自 200 名客户的 107,200 个能源消耗日的公开真实数据开展了大量测试研究以考察检测器性能。仿真结果表明所提检测器相较于最先进的窃电检测器具有优越性能。
引用
@article{arxiv.1809.01774,
title = {Deep Recurrent Electricity Theft Detection in AMI Networks with Random Tuning of Hyper-parameters},
author = {Mahmoud Nabil and Muhammad Ismail and Mohamed Mahmoud and Mostafa Shahin and Khalid Qaraqe and Erchin Serpedin},
journal= {arXiv preprint arXiv:1809.01774},
year = {2018}
}