其他
【精彩论文】基于改进深度自编码网络的异常用电行为辨识
引文信息
林女贵, 洪兰秀, 黄道姗, 等. 基于改进深度自编码网络的异常用电行为辨识[J]. 中国电力, 2020, 53(6): 18-26.LIN Nvgui, HONG Lanxiu, HUANG Daoshan, et al. Abnormal electricity consumption behaviors detection based on improved deep auto-encoder[J]. Electric Power, 2020, 53(6): 18-26.
内容摘要
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。
往期回顾
◀【精彩论文】考虑用户满意度的电动汽车时空双尺度有序充电引导策略
◀【征稿启事】“能源安全新战略路径设计与规划推演关键技术”专栏征稿启事
◀【征稿启事】“电力信息通信新技术在能源互联网中的研究与应用”专题征稿启事
编辑：杨彪
审核：蒋东方
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。