基于强化学习的异常用电判决方法

基于强化学习的异常用电判决方法
目前异常用电检测问题有许多基于分类的方法，但大多都是基于短期用电行为的判决来判断长期用电行为，判决阈值与比例难以确定，且在实际应用中，不同区域、时段的用户用电数据分布差异较大，比例与阈值也会有较大的不同，难以以固定的比例通用于所有的用户数据。针对此问题，文中提出一种基于强化学习的异常用电判决方法，创新地利用强化学习模型来动态生成阈值，以适应差异较大的不同数据集。首先获取分类器输出的数个用户短期行为的异常概率，然后输入到强化学习模型深度递归Q网络（DRQN）中，学习得到动态阈值即判决阈值与判决比例。试验结果表明，相比于人工调参的传统投票法，文中方法在评估指标上有明显提升，面对数据分布差异较大的数据集时也有较好的表现，说明文中方法具有较强的泛化能力，在数据类型复杂的现实环境中也有较好的应用场景。

标题：
基于强化学习的异常用电判决方法
Judgment method of abnormal electricity consumption based on reinforcement learning

作者：
蔡云芹，王非
CAI Yunqin, WANG Fei

关键词：
智能电网;强化学习;神经网络;异常用电;动态阈值;深度Q网络;异常检测
smart grid;reinforcement learning;neural network;abnormal electricity consumption;dynamic threshold;deep Q network;anomaly detection

2025-1-23 19:51 上传 基于强化学习的异常用电判决方法.pdf

文件大小:

1.45 MB

下载次数:

60

高速下载