针对分布式光伏窃电检测中数据稀缺与类别不平衡问题，提出一种基于非线性独立成分估计的数据增强方法。该方法首先对原始窃电样本进行非线性变换，利用独立成分分析估计潜在的非高斯源信号，通过建模光伏发电与窃电行为的非线性混合机制，生成高保真的合成窃电样本。与传统插值或生成对抗网络方法相比，本方法无需大量训练数据，且能保留窃电数据的时空耦合特征与统计分布特性。实验结果表明，生成的增强样本有效提升了分类模型对未知窃电模式的识别能力，显著降低了漏报率与误报率。该方法为分布式光伏场景下的数据增强提供了理论依据与可行方案。
基于非线性独立成分估计的分布式光伏窃电数据增强方法（9页）下载大小：0.81MB
基于非线性独立成分估计的分布式光伏窃电数据增强方法