基于BRB和LSTM网络的电力大数据用电异常检测方法

• 作者: 万磊 陈成 黄文杰 卢涛 刘威
• 来源期刊: 电力建设
• 关键词: 电力大数据 非技术性损失(NTL)用电异常 长短记忆网络模型(LSTM) 置信规则推理(BRB) 证据推理(ER)方法
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 能源互联网人工智能关键技术及其应用|Key Technologies and Applications of Artificial Intelligence in Internet of Energy
• 页码范围: 38-45
• 页数: 8页
• 分类号: TM73|TP277
• 语种: 中文
• DOI: 10.12204/j.issn.1000-7229.2021.08.005

摘要

为了降低电力公司的运营成本,针对非技术性损失(non-technical loss,NTL),提出一种基于置信规则推理(belief rule-based,BRB)和长短记忆网络模型(long short-term memory,LSTM)的用户窃电行为诊断方法.该方法首先从用电量大数据中提取电量波动系数和用电量曲线的毛刺宽度两种用电异常特征,制定BRB异常特征输入前置属性转换,并通过证据推理(evidential reasoning,ER)方法输出最终的置信度,建立适用于NTL异常检测的置信规则库,从而自动获取具有高鲁棒性的有标签正负样本训练数据集.接着,以此为基础,提出构建一种多LSTM网络检测模型,实现对异常用电特征的有效提取与检测.实验结果表明,与现有的主流网络故障检测模型相比,所提方法能够更准确地从电力大数据中诊断出用户的异常用电行为.