전력 도난 탐지 위한 체비셰프 특징 확장 신경망

전력 도난은 전력 시스템의 비기술적 손실의 주요 원인으로, 막대한 재정적 손실과 전력망 신뢰성에 영향을 미칠 수 있습니다. 본 논문은 비선형 전력 소비 패턴의 표현을 강화하기 위해 입력 단계에 3차 체비셰프 다항식 특징 확장 계층을 통합한 경량 신경망 프레임워크를 제안합니다. 제안된 프레임워크는 이진 및 다중 클래스 전력 도난 탐지 시나리오를 나타내는 두 가지 공개 벤치마크 데이터셋(OEDI 및 SGCC)으로 평가되었습니다. 체비셰프 다항식 차수, 전처리 구성 요소 및 대체 비선형 특징 확장 기술의 영향을 종합적인 제거 연구를 통해 분석했습니다. 평가된 체비셰프 구성 중 3차 체비셰프 구성이 예측 성능과 계산 복잡성 사이에서 가장 균형 잡힌 결과를 제공했습니다. 제안된 구성은 OEDI에서 96.8%, SGCC에서 98.8%의 F1-점수를 달성했으며, 각각 99.3% 및 99.6%의 정확도를 보였습니다. 5-시드 5-겹 교차 검증을 통해 다양한 확률적 실현에서 일관된 성능을 입증했습니다. 표준 다항식, 르장드르, 푸리에 및 방사형 기저 함수 확장과의 비교 실험 결과, 일부 대안이 개별 지표에서 유사하거나 더 높은 성능을 달성할 수 있었지만, 제안된 체비셰프 구성은 경량 신경망 아키텍처로 경쟁력 있는 탐지 성능을 유지했습니다. 이는 체비셰프 기반 특징 확장이 전력 도난 탐지에서 비선형 특징 표현을 강화하는 효율적인 대안이 될 수 있음을 보여줍니다.