基于卷积神经网络的居民用电异常检测方法

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。