文献类型：期刊文章

作　　者：万磊[1] 陈成[2] 黄文杰[3] 卢涛[2] 刘威[2]

WAN Lei;CHEN Cheng;HUANG Wenjie;LU Tao;LIU Wei(State Grid Hubei Electric Power Co.,Ltd.,Wuhan 430077,China;School of Computer Science and Engineering,Wuhan Institute of Technology,Wuhan 430205,China;Hubei Huazhong Electric Power Technology Development Co.,Ltd.,Wuhan 430077,China)

机构地区：[1]国网湖北省电力有限公司,武汉市430077 [2]武汉工程大学计算机科学与工程学院,武汉市430205 [3]湖北华中电力科技开发有限责任公司,武汉市430077

出　　处：《电力建设》

基　　金：国网湖北省电力有限公司科技项目“湖北电网运营监控实用化关键技术研究”(XM052014111);湖北省教育厅科学技术研究项目(Q20201507)。

年　　份：2021

卷　　号：42

期　　号：8

起止页码：38-45

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了降低电力公司的运营成本,针对非技术性损失(non-technical loss,NTL),提出一种基于置信规则推理(belief rule-based,BRB)和长短记忆网络模型(long short-term memory,LSTM)的用户窃电行为诊断方法。该方法首先从用电量大数据中提取电量波动系数和用电量曲线的毛刺宽度两种用电异常特征,制定BRB异常特征输入前置属性转换,并通过证据推理(evidential reasoning,ER)方法输出最终的置信度,建立适用于NTL异常检测的置信规则库,从而自动获取具有高鲁棒性的有标签正负样本训练数据集。接着,以此为基础,提出构建一种多LSTM网络检测模型,实现对异常用电特征的有效提取与检测。实验结果表明,与现有的主流网络故障检测模型相比,所提方法能够更准确地从电力大数据中诊断出用户的异常用电行为。

关 键 词：电力大数据  非技术性损失(NTL)用电异常  长短记忆网络模型(LSTM)  置信规则推理(BRB)  证据推理(ER)方法  

分 类 号：TM73] TP277]