运用PCA改进BP神经网络的用电异常行为检测

• 作者: 刘骥 张程 毛昕儒 田野
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 用电行为 异常检测 特征提取 主成分分析 神经网络
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 信息·计算机
• 页码范围: 125-133
• 页数: 9页
• 分类号: TP302.7
• 字数: 5570字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2017.08.021

摘要

针对目前用户用电行为和异常检测的传统方式所遇到的资源耗费、效率低下、检测困难等问题,结合数据挖掘技术设计实现了适用于大规模用电数据挖掘的算法,并建立了有效的异常特征提取模型.通过使用基于统计的特征提取方式确定异常指标,并使用主成分分析方法对特征数据降维,进行异常用电信息的分析、辨识和处理,之后对处理后的用电数据建立BP神经网络完成用电异常行为检测.检测结果表明:该方法可以有效地提取出用电行为特征,并且能有效用于用电异常检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张程	重庆大学计算机学院	37	241	9.0	13.0
2	刘骥	重庆大学计算机学院	21	103	7.0	9.0
3	田野	重庆大学计算机学院	7	39	5.0	6.0
4	毛昕儒		2	10	1.0	2.0