.png){kind=icon}
返回
Optimizing temporal features for anomaly detection in smart grids
.png){kind=icon}
PRE
AI
DOI：10.1016/j.epsr.2025.112531.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 本文比较了EMA和SMA在智能电网电表窃电检测中的应用。
• 研究采用混合CNN-TCN模型在真实的SGCC智能电表数据集上进行实验。
• EMA在准确率、召回率和AUC指标上均持续优于SMA。
• 研究表明，较小的EMA窗口能提升早期欺诈检测的灵敏度。
• 该研究有助于电力公司提升反欺诈性能。
期刊
IF:
4.2
论文数:
1.2W
被引数:
2.2W
机构
查看更多机构
引用论文
暂无论文信息