针对电力用户的异常用电行为,提出一种基于深度学习的用户异常用电模式检测模型。利用Tensor Flow框架,构建了特征提取网络和多层特征匹配网络。基于长短期记忆(LSTM)的特征提取网络,从大量时间序列中提取出不同的序列特征。基于全连接网络(FCN)的多层特征匹配网络,利用提取出的特征数据,完成对异常用电数据的检测。实例分析表明,与非深度学习检测模型相比,所提模型可更加有效地完成异常用电模式检测。此外,与多层LSTM分类模型相比,所提模型具有更好的准确性和鲁棒性。

针对电力用户的异常用电行为，提出一种基于深度学习的用户异常用电模式检测模型。利用TensorFlow框架，构建了特征提取网络和多层特征匹配网络。基于长短期记忆(LSTM)的特征提取网络，从大量时间序列中提取出不同的序列特征。基于全连接网络(FCN)的多层特征匹配网络，利用提取出的特征数据，完成对异常用电数据的检测。实例分析表明，与非深度学习检测模型相比，所提模型可更加有效地完成异常用电模式检测。此外，与多层LSTM分类模型相比，所提模型具有更好的准确性和鲁棒性。