基于CNN-GS-SVM的用户异常用电行为检测

摘要：

电力用户异常用电行为造成的非技术性损失严重影响电网企业收益和供电质量.为辅助电力公司提高用电稽查效率,管理用户规范化用电,提出了一种基于CNN-GS-SVM的用户异常用电行为检测模型.其采用卷积神经网络挖掘用户时间序列中的用电规律,并通过反向传播来实现网络参数的更新,利用支持向量机检测异常用电行为.为解决传统支持向量机因人工经验设置参数产生的局部最优问题,该模型通过网格搜索算法对支持向量机的惩罚参数及径向基核函数参数进行全局寻优.最后采用居民真实用电量数据进行仿真实验,结果表明所提出的检测模型具有较高的准确率.

关键词：非技术性损失;卷积神经网络;支持向量机;网格搜索算法

所属期刊栏目：28

分类号：TM-9

资助基金：中央高校基本科研业务费资助项目;东北大学秦皇岛分校校内博士基金资助项目

在线出版日期：2021-11-22（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：1989-1997