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TensorFlow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。
分类：期刊> 自然科学与工程技术> 工程科技II> 电力工业
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > EI 工程索引(美) > SA 科学文摘(英) > JST 日本科学技术振兴机构数据库(日) > Pж(AJ) 文摘杂志(俄) > 剑桥科学文摘 > 国家图书馆馆藏 > 上海图书馆馆藏 > 文摘杂志
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
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
