摘要
本发明公开了一种基于电力数据挖掘的用户侧异常用电监测方法及装置,该方法包括根据用电信息历史数据集获取日用电量和日用电负荷,构建特征矩阵,并对特征矩阵数据降维;对降维特征进行聚类,根据聚类的结果构建典型日负荷曲线;将典型日负荷曲线输入到BP神经网络拟合模型中,输出典型日用电量值;将用电信息历史数据集输入至门控循环单元网络中进行预测,得到日用电量预测值;根据日用电量预测值、典型日用电量值和典型日负荷曲线之间的关系,计算正常用电置信区间,将超出正常用电置信区间范围的当前用电值标记为异常用电值。本发明实施例提供的用户侧异常用电监测方法,提高了用户侧异常用电检测效率,从而保障了用户和设备的安全。
技术关键词
典型日负荷曲线
日用电量
BP神经网络拟合
门控循环单元网络
监测方法
降维特征
高斯混合模型
电力
统一社会信用代码
协方差矩阵
数据
特征值
聚类
处理器
标记
变压器
系统为您推荐了相关专利信息
传感器
监测方法
管道监测
城市管网监测系统
计算机程序指令
结构物变形监测
数据采集终端
数据分析系统
激光测距仪
监测点
反演模型
水质监测方法
反射率
遥感图像数据
皮尔逊相关系数
风力发电主机
实时监测方法
风险评估模型训练
聚类分析算法
风力发电系统