文档名：基于CNNLSTM混合模型的多类别窃电行为检测
摘要：针对复杂电网环境下窃电行为难以准确检测的问题,提出一种基于CNN-LSTM混合模型的多类别窃电行为检测方法.首先基于卷积神经网络(CNN)良好的特征抽象能力提取一维用电数据的非周期性的局部特征,通过长短时记忆网络(LSTM)捕捉每日电能消耗数据间的相关性,提取周期性的用电特征建立特征融合层网络,再将CNN与LSTM提取的特征向量横向拼接获得新的融合向量,据此实现多类别窃电行为的准确检测.实验结果表明,本文提出方法能准确识别多类别窃电行为,相比现有检测方法检测结果更加全面准确.
作者：李金瑾 陈珏羽 黄柯颖Author：LIJinjin CHENJueyu HUANGKeying
作者单位：广西电网有限责任公司计量中心,广西南宁530023
刊名：电力科学与技术学报 ISTICPKU
Journal：JournalofElectricPowerScienceandTechnology
年，卷(期)：2023, 38(1)
分类号：TM73
关键词：窃电检测 多类别 卷积神经网络 长短时记忆网络 特征融合
机标分类号：TP391.41TP183TM711
在线出版日期：2023年4月18日
基金项目：广西电网有限责任公司科技项目，国家自然科学基金基于CNN-LSTM混合模型的多类别窃电行为检测[
期刊论文] 电力科学与技术学报--2023, 38(1)李金瑾 陈珏羽 黄柯颖针对复杂电网环境下窃电行为难以准确检测的问题,提出一种基于CNN-LSTM混合模型的多类别窃电行为检测方法.首先基于卷积神经网络(CNN)良好的特征抽象能力提取一维用电数据的非周期性的局部特征,通过长短时记忆网络(LSTM...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于CNN-LSTM混合模型的多类别窃电行为检测 Multi-class electricity theft detection based on the CNN-LSTM hybrid model
基于CNN-LSTM混合模型的多类别窃电行为检测.pdf
- 文件大小:
- 1.35 MB
- 下载次数:
- 60
-
高速下载
|
|
