典型文献
基于卷积神经网络的居民用电异常检测方法
文献摘要：
居民用电占国民用电比例逐年上升,及时发现居民用电异常,对实现节能减排具有重要意义.结合房间占用率和设备使用特性考虑,本文提出了一种基于卷积神经网络的居民用电异常检测方法.首先,定义了两种常见的居民用电设备异常,即设备过载异常和设备空置异常.然后,从设备功耗规格、房间占用信息等数据中提取能耗异常的分类规则,并对每条能耗序列数据进行类型标定.在此基础上,利用卷积神经网络分类模型对带标签的能耗数据集进行训练学习.最后,利用真实设备能耗数据进行能耗异常分类和检测.实验结果表明,所提出的方法优于其他传统机器学习算法,具有高准确率和F1分数,实现了对能耗异常的自动识别与分类.
文献关键词：
异常用电检测;房间占用率;设备使用特性;分类规则;卷积神经网络
中图分类号：
作者姓名：
陶华;庄友谊;戴欢
作者机构：
温州大学 电气与电子工程学院,浙江 温州325035;温州大学 计算机与人工智能学院,浙江 温州325035
文献出处：
引用格式：
[1]陶华;庄友谊;戴欢-.基于卷积神经网络的居民用电异常检测方法)[J].科学技术创新,2022(34):92-98
A类：
房间占用率,设备使用特性
B类：
居民用电,用电异常检测,异常检测方法,现居,用电设备,设备异常,过载,空置,功耗,分类规则,序列数据,神经网络分类,分类模型,能耗数据,训练学,实设,机器学习算法,自动识别,识别与分类,异常用电检测
AB值：
0.227176
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
