基于深度自编码器高斯混合模型的窃电行为检测

针对用户侧窃电检测背景下无监督方法的适用性,研究如何解决特征提取和异常检测间的解耦问题,提出基于深度自编码器高斯混合模型(Deep Auto-encoder Gaussian Mixture Model,DAGMM)的用户窃电行为检测方法.首先对数据进行增广迪基-福勒检验,获取具有平稳性的用电数据维度.然后通过压缩网络提取数据潜在特征,利用估计网络及高斯混合模型获取反映异常程度的样本能量.最后基于端对端的学习方式对网络参数联合优化以避免模型解耦,将样本能量超过异常阈值的用户识别为窃电,据此实现用户窃电行为检测.实验结果表明,基于深度自编码器高斯混合模型的窃电行为检测方法受窃电样本影响小,提取的...

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 50; no. 18; pp. 92 - 102
Main Authors 刘钊瑞, 高云鹏, 郭建波, 李云峰, 顾德喜, 文一章
Format Journal Article
LanguageChinese
Published 湖南大学电气与信息工程学院,湖南 长沙 410082%杭州海兴电力科技股份有限公司,浙江 杭州 310011 16.09.2022
Subjects
窃电行为
增广迪基-福勒检验
解耦
无监督学习
深度自编码器高斯混合模型
Online AccessGet full text
ISSN1674-3415
DOI10.19783/j.cnki.pspc.211659

Cover

Abstract 针对用户侧窃电检测背景下无监督方法的适用性,研究如何解决特征提取和异常检测间的解耦问题,提出基于深度自编码器高斯混合模型(Deep Auto-encoder Gaussian Mixture Model,DAGMM)的用户窃电行为检测方法.首先对数据进行增广迪基-福勒检验,获取具有平稳性的用电数据维度.然后通过压缩网络提取数据潜在特征,利用估计网络及高斯混合模型获取反映异常程度的样本能量.最后基于端对端的学习方式对网络参数联合优化以避免模型解耦,将样本能量超过异常阈值的用户识别为窃电,据此实现用户窃电行为检测.实验结果表明,基于深度自编码器高斯混合模型的窃电行为检测方法受窃电样本影响小,提取的特征可有效反映用户用电规律,具有更高的检测准确率.相比于现有方法,其检出率、误检率、F1测度及AUC等评价指标均有显著提高.
AbstractList 针对用户侧窃电检测背景下无监督方法的适用性,研究如何解决特征提取和异常检测间的解耦问题,提出基于深度自编码器高斯混合模型(Deep Auto-encoder Gaussian Mixture Model,DAGMM)的用户窃电行为检测方法.首先对数据进行增广迪基-福勒检验,获取具有平稳性的用电数据维度.然后通过压缩网络提取数据潜在特征,利用估计网络及高斯混合模型获取反映异常程度的样本能量.最后基于端对端的学习方式对网络参数联合优化以避免模型解耦,将样本能量超过异常阈值的用户识别为窃电,据此实现用户窃电行为检测.实验结果表明,基于深度自编码器高斯混合模型的窃电行为检测方法受窃电样本影响小,提取的特征可有效反映用户用电规律,具有更高的检测准确率.相比于现有方法,其检出率、误检率、F1测度及AUC等评价指标均有显著提高.
Author 李云峰
文一章
高云鹏
刘钊瑞
顾德喜
郭建波
AuthorAffiliation 湖南大学电气与信息工程学院,湖南 长沙 410082%杭州海兴电力科技股份有限公司,浙江 杭州 310011
AuthorAffiliation_xml – name: 湖南大学电气与信息工程学院,湖南 长沙 410082%杭州海兴电力科技股份有限公司,浙江 杭州 310011
Author_FL LI Yunfeng
LIU Zhaorui
GU Dexi
GAO Yunpeng
GUO Jianbo
WEN Yizhang
Author_FL_xml – sequence: 1
  fullname: LIU Zhaorui
– sequence: 2
  fullname: GAO Yunpeng
– sequence: 3
  fullname: GUO Jianbo
– sequence: 4
  fullname: LI Yunfeng
– sequence: 5
  fullname: GU Dexi
– sequence: 6
  fullname: WEN Yizhang
Author_xml – sequence: 1
  fullname: 刘钊瑞
– sequence: 2
  fullname: 高云鹏
– sequence: 3
  fullname: 郭建波
– sequence: 4
  fullname: 李云峰
– sequence: 5
  fullname: 顾德喜
– sequence: 6
  fullname: 文一章
BookMark eNotjj9Lw0AcQG-oYK39BK6uife7y13uJpHiPyi4dC-XXCKtcq0GcVUUFCrFQYo6qEWQUgdxKJHgx2ku9VtY0Olt770lVDIdEyG0AtgF6Qu61nZDc9Byu0k3dAkAZ7KEysB9z6EesEVUTZJWgDEFxriQZbSeP2fTrG_Tzzx7m12Ni-9B8XKeP4x-3u_t4MOmaX57bUfD_KlXPF4W44vibjIb3ky_Mvt6Zie9ZbQQq8Mkqv6zghpbm43ajlPf296tbdSdRErsKGBhJHym8fySB16kQxYwnwGV4FHFAw0BECyUAK4094M4jAkXmkWSUCmAVtDqn_ZUmViZ_Wa7c3Js5sFmWx8RTAgIDJj-Ak7WYyc
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.19783/j.cnki.pspc.211659
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
DocumentTitle_FL Abnormal detection of electricity theft using a deep auto-encoder Gaussian mixture model
EndPage 102
ExternalDocumentID jdq202218010
GrantInformation_xml – fundername: (国家自然科学基金); (广西电网科技项目)
  funderid: (国家自然科学基金); (广西电网科技项目)
GroupedDBID -03
2B.
4A8
92I
93N
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CEKLB
GROUPED_DOAJ
PSX
TCJ
ID FETCH-LOGICAL-s990-a15ce875d01976b4edc5b575139143a6bd1b1208a816ad67bfcf268d5e9239813
ISSN 1674-3415
IngestDate Thu May 29 04:03:03 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 18
Keywords 窃电行为
增广迪基-福勒检验
解耦
无监督学习
深度自编码器高斯混合模型
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s990-a15ce875d01976b4edc5b575139143a6bd1b1208a816ad67bfcf268d5e9239813
PageCount 11
ParticipantIDs wanfang_journals_jdq202218010
PublicationCentury 2000
PublicationDate 2022-09-16
PublicationDateYYYYMMDD 2022-09-16
PublicationDate_xml – month: 09
  year: 2022
  text: 2022-09-16
  day: 16
PublicationDecade 2020
PublicationTitle 电力系统保护与控制
PublicationTitle_FL Power System Protection and Control
PublicationYear 2022
Publisher 湖南大学电气与信息工程学院,湖南 长沙 410082%杭州海兴电力科技股份有限公司,浙江 杭州 310011
Publisher_xml – name: 湖南大学电气与信息工程学院,湖南 长沙 410082%杭州海兴电力科技股份有限公司,浙江 杭州 310011
SSID ssib003155689
ssib023166999
ssib002424069
ssj0002912115
ssib051374514
ssib036435463
Score 2.4547625
Snippet 针对用户侧窃电检测背景下无监督方法的适用性,研究如何解决特征提取和异常检测间的解耦问题,提出基于深度自编码器高斯混合模型(Deep Auto-encoder Gaussian Mixture...
SourceID wanfang
SourceType Aggregation Database
StartPage 92
Title 基于深度自编码器高斯混合模型的窃电行为检测
URI https://d.wanfangdata.com.cn/periodical/jdq202218010
Volume 50
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
journalDatabaseRights – providerCode: PRVAON
  databaseName: DOAJ Directory of Open Access Journals
  issn: 1674-3415
  databaseCode: DOA
  dateStart: 20080101
  customDbUrl:
  isFulltext: true
  dateEnd: 99991231
  titleUrlDefault: https://www.doaj.org/
  omitProxy: true
  ssIdentifier: ssj0002912115
  providerName: Directory of Open Access Journals
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV3NaxQxFB9KvXgRRcWvSg_mtMy6M5NkkpNktrMUQU8VeivzseMXrNXWS_GgKChUxIMU9aAWQUo9iIdSWfxzurv1v_C9N-nswBb8uIRs8vLyXn7J5L1sPhznUgqD2ctC6aaFTF2eyQzGXCpcnYBtH4RJEqR4UPjadTl_g19dFItT04_qp0tW02a2dui5kv9BFdIAVzwl-w_IVkwhAeKAL4SAMIR_hTGLBdMdFhkWcwxVzGLJopBFHmZBipEsVgwcfgM0kN5mWmLEtMCEpOKaGcViCCOmFRYHAtM54BMSDRBTFlCaslTMVIR8NFTKiSFEAkoBSQRWCpSqTYIpkhCKB7ivAjkLKF43i2sFIcswTcyjgEVlJEI1kVWH6TnkADSGW-al1hAakhZEjarlRpugSUXtYzmsygMNxiSV8tSIkAkpkWaqUycB7cwctWpk1QHxjD8mkSgaylJxEaRBq76wAj45Pgwhq6FAjDShApLOMU06gG6lMlClkbXWAeIWxseaU6MgKhIRReQEwmYEoaIIp4qPJrx9GFeT9TYoWyA7zPOBtMHxUiYgF1Y92wIhdoASx7KHKIjww0E01NwlZIg-SOSTvJxaktDUbaa0lQ46W8nQtCnSQUWtvNRdMQL4dRqTMjXwfyQ7q5YTrQy5CxaUqM_E5RXEB18cVZtXy_cSrYXm0Rn9yckfVzFp9s96d283l1eWs6aPt0vpsa1T7UC9k99HzD1F5zOP-KGUfm1BxhqveCy8NvvhbX3Vb3CMpNRjZz4A277-toTwgpALu0cB7UJf43WKuKe6Ut5eg4aCX54Um84R9oqkd7Nm8i4cd45ZX3XWlB-eE87U2q2TzpXBx_5e_9Vw9_ug_2X_-fbo58bo05PBu61fX98ON74Nd3cHr18MtzYHH9ZH75-Ntp-O3uzsb77c-9Effn483Fk_5Sx04oX2vGtfYXFXwFJ1E09kXRWKHHzBUKa8m2cixT9rAw2uViLT3Es9v6US5ckkl2FaZIUvVS66Gq8W9YLTznTvXq97xpktOOfSF6LLi4KLPNdCAa_Ub2WpzAsvOevMWH2X7Ed2ZamO07k_5J93jo7H8QVnevXBw-4MuAyr6UVC9jdh8MYa
linkProvider Directory of Open Access Journals
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%B7%B1%E5%BA%A6%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8%E9%AB%98%E6%96%AF%E6%B7%B7%E5%90%88%E6%A8%A1%E5%9E%8B%E7%9A%84%E7%AA%83%E7%94%B5%E8%A1%8C%E4%B8%BA%E6%A3%80%E6%B5%8B&rft.jtitle=%E7%94%B5%E5%8A%9B%E7%B3%BB%E7%BB%9F%E4%BF%9D%E6%8A%A4%E4%B8%8E%E6%8E%A7%E5%88%B6&rft.au=%E5%88%98%E9%92%8A%E7%91%9E&rft.au=%E9%AB%98%E4%BA%91%E9%B9%8F&rft.au=%E9%83%AD%E5%BB%BA%E6%B3%A2&rft.au=%E6%9D%8E%E4%BA%91%E5%B3%B0&rft.date=2022-09-16&rft.pub=%E6%B9%96%E5%8D%97%E5%A4%A7%E5%AD%A6%E7%94%B5%E6%B0%94%E4%B8%8E%E4%BF%A1%E6%81%AF%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%2C%E6%B9%96%E5%8D%97+%E9%95%BF%E6%B2%99+410082%25%E6%9D%AD%E5%B7%9E%E6%B5%B7%E5%85%B4%E7%94%B5%E5%8A%9B%E7%A7%91%E6%8A%80%E8%82%A1%E4%BB%BD%E6%9C%89%E9%99%90%E5%85%AC%E5%8F%B8%2C%E6%B5%99%E6%B1%9F+%E6%9D%AD%E5%B7%9E+310011&rft.issn=1674-3415&rft.volume=50&rft.issue=18&rft.spage=92&rft.epage=102&rft_id=info:doi/10.19783%2Fj.cnki.pspc.211659&rft.externalDocID=jdq202218010
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fjdq%2Fjdq.jpg