基于CNN-LSTM混合模型的多类别窃电行为检测

摘要：

针对复杂电网环境下窃电行为难以准确检测的问题,提出一种基于CNN-LSTM混合模型的多类别窃电行为检测方法.首先基于卷积神经网络(CNN)良好的特征抽象能力提取一维用电数据的非周期性的局部特征,通过长短时记忆网络(LSTM)捕捉每日电能消耗数据间的相关性,提取周期性的用电特征建立特征融合层网络,再将CNN与LSTM提取的特征向量横向拼接获得新的融合向量,据此实现多类别窃电行为的准确检测.实验结果表明,本文提出方法能准确识别多类别窃电行为,相比现有检测方法检测结果更加全面准确.

关键词：窃电检测、多类别、卷积神经网络、长短时记忆网络、特征融合

所属期刊栏目：38

分类号：TM73(输配电工程、电力网及电力系统)

资助基金：广西电网有限责任公司科技项目;国家自然科学基金

在线出版日期：2023-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：226-234