电力科学与技术学报2023，Vol.38Issue(1) ：226-234.DOI:10.19781/j.issn.1673-9140.2023.01.026

基于CNN-LSTM混合模型的多类别窃电行为检测

Multi-class electricity theft detection based on the CNN-LSTM hybrid model

李金瑾 陈珏羽 黄柯颖
电力科学与技术学报2023，Vol.38Issue(1) ：226-234.DOI:10.19781/j.issn.1673-9140.2023.01.026
✕
  • NETL
  • NSTL
  • 万方数据

基于CNN-LSTM混合模型的多类别窃电行为检测

Multi-class electricity theft detection based on the CNN-LSTM hybrid model

李金瑾 1陈珏羽 1黄柯颖1
扫码查看

作者信息

  • 1. 广西电网有限责任公司计量中心,广西 南宁 530023
  • 折叠

摘要

针对复杂电网环境下窃电行为难以准确检测的问题,提出一种基于CNN-LSTM混合模型的多类别窃电行为检测方法.首先基于卷积神经网络(CNN)良好的特征抽象能力提取一维用电数据的非周期性的局部特征,通过长短时记忆网络(LSTM)捕捉每日电能消耗数据间的相关性,提取周期性的用电特征建立特征融合层网络,再将CNN与LSTM提取的特征向量横向拼接获得新的融合向量,据此实现多类别窃电行为的准确检测.实验结果表明,本文提出方法能准确识别多类别窃电行为,相比现有检测方法检测结果更加全面准确.

关键词

窃电检测/多类别/卷积神经网络/长短时记忆网络/特征融合

引用本文复制引用

基金项目

广西电网有限责任公司科技项目(GXKJXM20200020)

国家自然科学基金(51777061)

出版年

2023
电力科学与技术学报
长沙理工大学

电力科学与技术学报

CSTPCDCSCD北大核心
影响因子：0.85
ISSN：1673-9140
被引量2
参考文献量8
段落导航相关论文