摘要
本发明公开了一种融合模型的用电异常检测方法,属于电力电子控制技术领域。其主要由收集用户历史用电数据,并对原数据进行预处理;通过过采样技术SMOTE算法提高异常样本的数量;将处理好的负荷数据划分训练集与测试集训练CNN‑BiLSTM融合模型;利用粒子群优化算法对模糊核聚类算法进行寻优,提取用户正常用电数据典型用电曲线;将待检测数据与典型用电曲线进行相似度系数计算;将相似度小于0.5的数据使用CNN‑BiLSTM融合模型判断是否属于用电异常。然后可利用计算机端向通信模块发送AT指令,从而实现向疑似异常用电的用户发送报警短信。本发明能在用户发生与过往用电行为差异较大时能够及时发现并报警,从用电角度保障了用户的安全,具有一定的实用价值。
技术关键词
异常检测方法
模糊核聚类
粒子群优化算法
SMOTE算法
最佳聚类数目
GSM通信模块
数据
拉格朗日插值法
AT指令
样本
电网用电信息采集
过采样技术
电力电子控制技术
BiLSTM模型
双向长短期记忆网络
典型日负荷曲线
短信
系统为您推荐了相关专利信息
照明控制系统
自动调节功能
照度
店铺
环境光传感器
训练集数据
支持向量回归模型
支持向量分类
粒子群优化算法
样本
粒子群优化算法
配电系统
划分方法
参数
分布式电源出力
清理方法
路径规划算法
喷头
清理系统
神经网络模型
强化学习代理
插件模块
在线测试方法
预训练模型
插件功能