多特征提取与深度学习关口计量装置异常事件识别方法

摘要

针对现有研究对关口计量装置定期检修会造成人力物力的浪费,以及通过指标赋权进行打分受人工干预较明显等不足,该文基于用户用电采集系统中的异常事件数据,提出一种多特征提取与深度学习相结合的关口计量装置异常事件识别的方法.通过分析不同计量异常事件反映出的数据异常形式,从不同维度提取14个特征,并将归一化后的特征作为深度学习模型的输入.在此基础上,通过无监督的预训练和有监督微调构建深度学习模型,自动学习得到输入特征与类别标签之间的非线性映射关系,构建出能识别关口计量装置异常事件的分类识别模型.通过某地区电网多个关口计量装置终端的数据对所提方法进行验证,结果证明所提方法能够准确识别出不同的异常事件,且具有良好的鲁棒性.