基于堆叠去相关自编码器和支持向量机的窃电检测

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.

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

所属期刊栏目：43

资助基金：国家重点研发计划资助项目2017YFB0903000;国家自然科学基金创新研究群体科学基金资助项目51621065 This work is supported by National Key R&D Program of China2017YFB0903000;Foundation for Innovative Research Groups of the National Natural Science Foundation of China51621065

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：119-125