稀疏编码模型在电力用户异常用电行为探测中的应用研究（英文）

被引：10

作者：

周李

赵露君

高卫国

机构：

[1] 复旦大学数学科学学院

来源：

电网技术 | 2015年 / 39卷 / 11期

关键词：

稀疏编码; 字典学习; 在线学习; 异常值探测;

D O I：

10.13335/j.1000-3673.pst.2015.11.025

中图分类号：

TM769 [电子计算机在电力系统中的应用]; TP311.13 [];

学科分类号：

1201 ;

摘要：

针对电力用户用电异常行为的检测问题,提出一种新颖的使用稀疏编码的模型方法来挖掘用户的原始用电数据。结合字典学习的方法,将用户数据表示成其中部分特征的线性组合的形式,通过各个特征的使用频率来判断异常值,从而分辨出用户用电行为模式和异常行为。通过某城市9038户居民538天的实际用电数据,验证了所提方法的有效性和可行性。

引用

页码：3182 / 3188

页数：7

共 11 条

[1] 基于云计算的居民用电行为分析模型研究 [J].

张素香 ;

刘建明 ;

赵丙镇 ;

曹津平 .

电网技术, 2013, 37 (06) :1542-1546

[2]

Fault Detection Analysis of Building Energy Consumption Using Data Mining Techniques[J] . Imran Khan,Alfonso Capozzoli,Stefano Paolo Corgnati,Tania Cerquitelli.Energy Procedia . 2013

[3]

A review on buildings energy consumption information[J] . Luis Pérez-Lombard,José Ortiz,Christine Pout.Energy & Buildings . 2007 (3)

[4]

Using intelligent data analysis to detect abnormal energy consumption in buildings[J] . John E. Seem.Energy & Buildings . 2006 (1)

[5]

Sparse coding with an overcomplete basis set: A strategy employed by V1?[J] . Bruno A. Olshausen,David J. Field.Vision Research . 1997 (23)

[6]

Adaptive greedy approximations[J] . G. Davis,S. Mallat,M. Avellaneda.Constructive Approximation . 1997 (1)

[7]

What Is the Goal of Sensory Coding?[J] . David J. Field.Neural Computation . 1994 (4)

[8] THE JPEG STILL PICTURE COMPRESSION STANDARD [J].

WALLACE, GK .

COMMUNICATIONS OF THE ACM, 1991, 34 (04) :30-44

[9]

Advances in Neural Infor-mation Processing Systems .2 S. Bengio,F. Pereira,Y. Singer,D. Strelow. . 2009

[10]

SPArse modeling software .2 Inria. http://spams-devel.gforge.inria.fr . 2015

← 1 2 →