论文部分内容阅读
电力用户的窃电漏电行为严重扰乱正常的用电秩序,危害电网的稳定传输。在人工智能高速发展的今天,机器学习在用电异常检测领域崭露头角,逐渐代替传统的人工排查方式。但是由于智能化电力设备普及较为缓慢,部分电力公司因为设备条件落后、终端报警误报漏报、稽查人员判断失误等多种原因导致历史用电负荷数据质量较差,从而导致训练得到的模型性能较差。为了解决部分电力公司数据质量不佳和有效数据不足的问题,本课题设计并实现了一套完整的基于联邦学习的联合用电异常检测系统。该系统在保护数据安全的前提下,联合多方电力公司数据共同训练