文献类型：期刊文章

作　　者：谢禄江[1] 段立[1] 谭刚[2] 蒋荣[1] 钟淘淘[1] 刘美川[1] 雷洋[1] 廖军[3]

XIE Lu-jiang;DUAN Li;TAN Gang;JIANG Rong;ZHONG Tao-tao;LIU Mei-chuan;LEI Yang;LIAO Jun(State Grid Chongqing Information&Communication Company,Chongqing 400010,China;Chongqing Smart Power Grid Technology Co.,Ltd,Chongqing 400000,China;School of Big Data&Software Engineering,Chongqing University,Chongqing 401331,China)

机构地区：[1]国网重庆市电力公司信息通信分公司,重庆400010 [2]重庆智网科技有限公司信息通信分公司,重庆400000 [3]重庆大学大数据与软件学院,重庆401331

出　　处：《微电子学与计算机》

基　　金：国家重点研发计划(2017YFB1401702);重庆市人工智能技术创新重大主题专项课题(cstc2017rgzn-zdyf0051);国家自然科学基金面上项目(61977012)。

年　　份：2021

卷　　号：38

期　　号：5

起止页码：36-41

语　　种：中文

收录情况：JST、SCOPUS、ZGKJHX、普通刊

摘　　要：为了解决由非技术性损失所造成的用户用电异常问题,本文提出了一种基于双向长短时记忆神经网络(Bi-LSTM)的用户异常用电行为检测方法.该方法首先采用插值法处理用电缺失数据,并通过分位数归一化平滑用电异常行为值的不对称分布性.然后,结合LSTM神经网络单元和双向网络构建Bi-LSTM模型,用于获取用户异常用电行为中的隐含关系.最后,采用交叉熵确定最优参数,从而识别出异常用电用户行为.实验表明,该方法的识别性能显著优于其他模型,并且结合国家电网的实际数据验证了该方法的准确性和稳定性.

关 键 词：非技术损失  异常用电行为  Bi-LSTM  分位数归一化  

分 类 号：TP181] TM933.4]