基于变分自编码器的日线损率异常检测研究

发布时间：2022-01-02 22:10

　　采用一种基于自编码器的异常检测算法,实现大规模日线损率数据的异常检测.变分自编码器是一种利用反向传播算法使得输出值近似等于输入值的神经网络,使用自编码器将原始日线损率时间序列编码,在重建过程中记录每个时间点的重建概率,当重建概率大于指定阈值时就判定其为异常数据.本文利用真实日线损数据进行实验,试验结果表明,基于自编码器的日线损率异常检测算法具有较好的检测效果. 

【文章来源】：华东师范大学学报(自然科学版). 2020,(05)北大核心CSCD

【文章页数】：10 页

【参考文献】：
期刊论文
[1]基于变分自编码器的人脸图像修复[J]. 张雪菲,程乐超,白升利,张繁,孙农亮,王章野.  计算机辅助设计与图形学学报. 2020(03)
[2]数字孪生与平行系统:发展现状、对比及展望[J]. 杨林瑶,陈思远,王晓,张俊,王成红.  自动化学报. 2019(11)
[3]电网企业数据中台的研究与设计[J]. 李炳森,胡全贵,陈小峰,高秉强.  电力信息与通信技术. 2019(07)
[4]电力物联网多渠道客户服务中台战略研究与设计[J]. 林鸿,方学民,袁葆,欧阳红.  供用电. 2019(06)
[5]变分自编码器模型综述[J]. 翟正利,梁振明,周炜,孙霞.  计算机工程与应用. 2019(03)
[6]基于孤立森林算法的用电数据异常检测研究[J]. 余翔,陈国洪,李霆,陈珺.  信息技术. 2018(12)
[7]基于变分贝叶斯自编码器的局部放电数据匹配方法[J]. 宋辉,代杰杰,张卫东,毕凯,罗林根,盛戈皞,江秀臣.  中国电机工程学报. 2018(19)
[8]数字孪生车间——一种未来车间运行新模式[J]. 陶飞,张萌,程江峰,戚庆林.  计算机集成制造系统. 2017(01)
[9]电力大数据平台建设及实时线损异常检测应用[J]. 杨漾,张诗军,陈丰,李远宁,张世良.  现代计算机(专业版). 2016(36)
[10]基于自编码器及超图学习的多标签特征提取[J]. 唐朝辉,朱清新,洪朝群,祝峰.  自动化学报. 2016(07)

硕士论文
[1]基于机器学习的电力用户用电异常检测技术研究[D]. 梁跃.北京邮电大学 2019
[2]基于密度峰值聚类算法的电力大数据异常值检测及用电行为分析研究[D]. 刘凤魁.中国电力科学研究院 2017



本文编号：3564969