智能电表数据异常在线检测的无监督学习

• 作者: 王凯 黄丹 梁晓伟 陶琳
• 来源期刊: 电子测量技术
• 关键词: 数据驱动 异常检测 智能电表 特征选择 无监督学习
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 数据采集及信号处理|Data Acquisition and Signal Processing
• 页码范围: 125-129
• 页数: 5页
• 分类号: TP393.06|TP18
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2105846

摘要

针对智能电表在应用过程中出现的数据异常问题,通过定义为超出各负荷正常使用模式的任何异常用电实例或趋势,设计了基于负载、上下文和环境等不同类型的特征来构建数据驱动模型,评估了基于回归、基于神经网络、基于聚类和基于投影的4种不同的无监督学习方法在实际智能电表数据异常检测中的性能.结果表明,不同的异常检测方法对不同类型的异常具有不同的检测能力,其性能取决于用于训练该方法的特征集.因此,对于每种异常检测方法,都要仔细检查不同类型的特征.