基于深度学习的电力大数据融合与异常检测方法

• 作者: 刘冬兰 刘新 常英贤 李冬 马雷
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 电力大数据 受限玻尔兹曼机 循环神经网络 异常检测 深度学习 数据融合
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 数据工程
• 页码范围: 61-64,136
• 页数: 5页
• 分类号: TP3
• 字数: 3794字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.04.011

摘要

为了充分利用电力大数据中的异构数据源挖掘出电网中存在的安全威胁,采用深度受限玻尔兹曼机将不同格式的异构数据映射到统一的嵌入式向量空间,实现了异构数据的融合.采用循环神经网络对得到的嵌入式向量数据建立画像,实现了数据中异常事件的检测.实验结果表明,提出的异常检测方法在提出的互信息量度量指标中具有很高的互信息量.此外提出的方法在准确率、误报率和漏报率中的结果也优于其他异常检测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李冬		16	38	3.0	5.0
2	刘冬兰	国网山东省电力公司电力科学研究院	11	36	4.0	5.0
3	刘新	国网山东省电力公司电力科学研究院	21	58	5.0	6.0
4	马雷	国网山东省电力公司电力科学研究院	12	52	4.0	6.0
5	常英贤		7	41	4.0	6.0