基于深度学习的用户异常用电模式检测

被引：66
|
作者：
赵文清
沈哲吉
李刚
机构：
[1] 华北电力大学控制与计算机工程学院
来源：
电力自动化设备 | 2018年 / 38卷 / 09期
关键词：
智能电网; 深度学习; 长短期记忆; 神经网络; 用电模式; 异常检测; 非技术性损失;
D O I：
10.16081/j.issn.1006-6047.2018.09.006
中图分类号：
TM76 [电力系统的自动化];
学科分类号：
摘要：
针对电力用户的异常用电行为,提出一种基于深度学习的用户异常用电模式检测模型。利用Tensor Flow框架,构建了特征提取网络和多层特征匹配网络。基于长短期记忆(LSTM)的特征提取网络,从大量时间序列中提取出不同的序列特征。基于全连接网络(FCN)的多层特征匹配网络,利用提取出的特征数据,完成对异常用电数据的检测。实例分析表明,与非深度学习检测模型相比,所提模型可更加有效地完成异常用电模式检测。此外,与多层LSTM分类模型相比,所提模型具有更好的准确性和鲁棒性。
引用
收藏
页码：34 / 38
页数：5
相关论文
共 11 条
  • [1] 基于关联规则挖掘的电力生产安全事故事件关键诱因筛选
    陈碧云
    丁晋
    陈绍南
    [J]. 电力自动化设备, 2018, 38 (04) : 68 - 74
  • [2] 考虑用电可靠性的客户用电信息管理系统
    刘利平
    蔡广林
    陈旭
    陈卓锋
    [J]. 电力自动化设备, 2018, 38 (04) : 204 - 209
  • [3] 基于密度空间聚类和引力搜索算法的居民负荷用电模式分类模型
    苏适
    李康平
    严玉廷
    陆海
    汪新康
    刘力铭
    王飞
    董凌
    [J]. 电力自动化设备, 2018, 38 (01) : 129 - 136
  • [4] 基于高斯核函数改进的电力用户用电数据离群点检测方法
    孙毅
    李世豪
    崔灿
    李彬
    陈宋宋
    崔高颖
    [J]. 电网技术, 2018, 42 (05) : 1595 - 1606
  • [5] 基于多元大数据平台的用电行为分析构架研究
    郝然
    艾芊
    肖斐
    [J]. 电力自动化设备, 2017, 37 (08) : 20 - 27
  • [6] 大规模用电数据流的快速聚类和异常检测技术
    王桂兰
    周国亮
    赵洪山
    米增强
    [J]. 电力系统自动化, 2016, 40 (24) : 27 - 33
  • [7] 基于无监督学习的电力用户异常用电模式检测
    庄池杰
    张斌
    胡军
    李秋硕
    曾嵘
    [J]. 中国电机工程学报, 2016, 36 (02) : 379 - 387
  • [8] 电力用户侧大数据分析与并行负荷预测
    王德文
    孙志伟
    [J]. 中国电机工程学报, 2015, 35 (03) : 527 - 537
  • [9] 供电企业反窃电管理综合评价研究[D]. 梁毅涵.华北电力大学(北京). 2016
  • [10] Detection and Identification of Abnormalities in Customer Consumptions in Power Distribution Systems
    dos Angelos, Eduardo Werley S.
    Saavedra, Osvaldo R.
    Carmona Cortes, Omar A.
    de Souza, Andre Nunes
    [J]. IEEE TRANSACTIONS ON POWER DELIVERY, 2011, 26 (04) : 2436 - 2442
12