基于堆叠去相关自编码器和支持向量机的窃电检测

• 作者: 孙宏斌 胡天宇 郭庆来
• 来源期刊: 电力系统自动化
• 关键词: 非技术性损失 窃电检测 深度学习 去相关自编码器 支持向量机
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 人工智能在电力系统及综合能源系统中的应用专辑
• 页码范围: 119-125
• 页数: 7页
• 字数: 6067字
• 语种: 中文
• DOI: 10.7500/AEPS20180630013

摘要

已有窃电检测模型的准确率尚无法满足应用需求, 是因其均将建模重点放在了分类算法的选择或改进上, 而相对地忽视了特征提取过程.因此, 提出一种基于深度学习的特征提取方法, 即堆叠去相关自编码器.得益于深层结构和高度非线性, 其能够从用户用电数据中提取到高度抽象和简明的特征.随后支持向量机将这些特征映射到指示是否窃电的标签.基于真实数据的算例测试, 验证了所提窃电检测模型具有较高的检出率和较低的虚警率, 同时也验证了堆叠去相关自编码器能够提取到有效的特征.