集成LSTM自编码器异常检测模型

检测精度翻倍提升

该模型通过集成LSTM自编码器和自适应阈值估计，显著提升了用电异常检测的精度，无需先验知识即可确定最优异常阈值。

Liu, Weidong · Han, Kexin · Li, Xiaohui · Weijia, Lv · Juan, Chen · Guorui, Cao · Zhenxiang, Li · Chong, Wang · Liu, Weidong

2024

参数信息

准确率

95.74 %

技术优势

无需预设阈值

通过核密度估计自适应选择窃电阈值，重建误差超过上界的用户即被识别为异常，避免了人工经验依赖。

检测更准

准确率从82.98%提升至95.74%，能更可靠地识别异常用电行为。

模型更稳健

采用Bootstrap采样增加个体学习器的多样性，提升了对正常用电行为的学习能力。

应用场景

• 智能电网异常检测：电网公司可实时筛查异常用电，提升运维效率。
• 用电行为分析：识别偏离正常模式的用电行为，辅助用户画像和需求响应。
• 窃电检测：无需窃电样本训练，即可将异常用户作为窃电嫌疑输出。
• 工业设备异常监测：可迁移至工业负荷数据，监测设备运行异常状态。