基于DCE-LAE的电力负荷异常检测方法

摘要：

针对传统的用电负荷数据异常检测方法精度低、提取时间特征困难、特征提取与检测过程分离的问题,提出一种基于深度卷积嵌入 LSTM编码器(deep convolution embedded LSTM auto-encoder,DCE-LAE)的电力负荷数据异常检测方法.将长短期记忆网络融入自编码器架构,利用编码器的非线性特征提取能力和长短期记忆网络的时序特征记忆能力提高电力负荷的异常检测精度,将深度卷积层嵌入至该架构中提高感受野,提取更多时间序列特征;将卷积损失和重构损失相结合作为损失函数联合优化,防止卷积嵌入微调对重构空间的扭曲,进一步提高结果的可靠性.实例仿真通过与其它方法进行对比,验证了DCE-LAE的异常检测精度与时序重构能力均优于其它算法.

关键词：电力负荷、异常检测、时序重构、长短期记忆网络、自编码器、卷积嵌入、联合优化

所属期刊栏目：44

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家重点研发计划;河北省自然科学基金

在线出版日期：2023-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1692-1698