基于改进循环神经网络的窃电行为检测方法研究

• 作者: 刘岩 郑思达 杨晓坤 李文文 魏彤珈
• 来源期刊: 电子设计工程
• 学科: 工学
• 关键词: RNN 数据挖掘 防窃电 智能电网 深度学习
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 测量与控制
• 页码范围: 103-107
• 页数: 5页
• 分类号: TP311
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.02.023

摘要

针对用电过程中的盗电窃电问题,基于数据挖掘的思想提出了一种自动检测窃电行为的方法.通过分析用户用电数据的特点,在循环神经网络(RNN)算法的基础上引入长短期记忆单元(LSTM),通过输入门、输出门与遗忘门等函数选择性地保留记忆单元的输入输出信息,改善算法训练时的梯度消失现象.将RNN网路改进为并行化网络,将长时间序列的输入特征向量进行片段化处理,克服RNN网络在处理长序列时的信息丢失缺点.使用国家电网的公开数据集进行仿真实验.结果表明,在相同的时间复杂度下,相较于传统RNN网络,改进算法对窃电行为的识别精度提升到了92.85％,模型的交叉熵损失下降为0.253,AUC增长至0.871,算法的综合性能显著提升.