首页|基于改进深度自编码网络的异常用电行为辨识

基于改进深度自编码网络的异常用电行为辨识

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为准确检测异常用电行为以降低电力公司的运营成本,提出一种基于改进深度自编码网络的异常用电行为辨识方法.首先将正常用户的用电数据作为训练样本,自编码网络逐层学习数据的有效特征;然后重构输入数据以计算检测阈值,而由于异常用电行为破坏数据的特征规则,再通过对比重构误差与检测阈值的差异即可实现异常用电行为辨识.为了改善自编码网络的特征提取能力与鲁棒性,分别引入了稀疏约束和噪声编码,并利用粒子群算法优化网络的超参数以提高模型的学习效率和泛化能力.选用福建省某地区居民用电和商业用电数据集进行了验证,这一模型的异常行为检测的准确率高于92％.实验表明所提方法具有优异的特征提取能力和异常用电行为辨识能力.
Abnormal Electricity Consumption Behaviors Detection Based on Improved Deep Auto-Encoder

林女贵、洪兰秀、黄道姗、易扬、刘智煖、徐启峰

展开 >

国网福建省电力有限公司,福建 福州 350003

国网福建省电力有限公司经济技术研究院,福建 福州 350012

国网福建省电力有限公司电力科学研究院,福建 福州 350007

福州大学 电气工程与自动化学院,福建 福州 350116

展开 >

异常用电 自编码网络 稀疏约束 噪声 特征提取 数据重构

国家自然科学基金资助项目国网福建省电力有限公司科技项目

5197703852130419000Y

2020

中国电力
国网能源研究院 中国电机工程学会

中国电力

CSTPCDCSCD北大核心
影响因子：1.463
ISSN：1004-9649
年,卷(期)：2020.53(6)
  • 15
  • 18