10.3969/j.issn.1673-1328.2022.34.023
基于卷积神经网络的居民用电异常检测方法
居民用电占国民用电比例逐年上升,及时发现居民用电异常,对实现节能减排具有重要意义.结合房间占用率和设备使用特性考虑,本文提出了一种基于卷积神经网络的居民用电异常检测方法.首先,定义了两种常见的居民用电设备异常,即设备过载异常和设备空置异常.然后,从设备功耗规格、房间占用信息等数据中提取能耗异常的分类规则,并对每条能耗序列数据进行类型标定.在此基础上,利用卷积神经网络分类模型对带标签的能耗数据集进行训练学习.最后,利用真实设备能耗数据进行能耗异常分类和检测.实验结果表明,所提出的方法优于其他传统机器学习算法,具有高准确率和F1分数,实现了对能耗异常的自动识别与分类.
异常用电检测、房间占用率、设备使用特性、分类规则、卷积神经网络
TP183;TM925.01(自动化基础理论)
浙江省教育厅科研项目;温州市科研项目;温州市科研项目
2022-12-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
92-98