基于LSTM-SAE与支持向量机的窃电识别方法研究

作者:王秋实*; 杨明; 李鹏; 毛一风; 黄诗颖; 缪晓卫; 欧朱建
来源:电力信息与通信技术, 2022, 20(09): 51-58.
DOI:10.16543/j.2095-641x.electric.power.ict.2022.09.007

摘要

用电行为的有效特征提取作为提升异常用电检测准确率的关键要素,近年在窃电检测的研究中常被忽略。基于此,文章提出基于长短期记忆堆叠自编码器的特征提取方法。基于长短期记忆神经网络对高维非线性时间序列的特征提取能力与深度自编码器的数据信息展示能力实现对负荷序列的深度特征挖掘,利用人工蜂群算法优化的支持向量机将提出的特征量映射至是否窃电的标签。借助实际数据,以真正率、假正率为评价指标验证了所提模型的有效性。

全文