基于深度学习的智能电表数据异常检测与分类算法

Journal: Engineering and Management Science DOI: 10.12238/ems.v7i8.14707

贲月梅, 李巧伟

天津盛通科技发展有限公司

Abstract

针对智能电表数据中存在的异常识别难题，引入深度学习技术构建高效的检测与分类模型。通过对时间序列数据进行特征提取与模式建模，结合LSTM与自编码器等网络结构提升异常判别能力。在模型验证阶段采用科学的评估体系，确保其在不同场景下的稳定性与泛化能力。实际应用案例表明，该方法在电力系统运行监控、故障预警及负荷优化等方面展现出良好效果，为电网智能化升级提供技术支持。

Keywords

深度学习；智能电表；异常检测；数据分类；电力系统优化

Full Text

PDF - Viewed/Downloaded: 0 Times

References

[1] 陈伟.基于深度学习的智能电网故障诊断技术研究[J].电力系统自动化，2023，47（5）：1-8.
[2] 林强.智能电表大数据分析及其在电力市场中的应用[J].中国电机工程学报，2024，40（1）：98-106.
[3] 赵敏.深度学习算法在时间序列预测中的应用进展[J].计算机科学，2022，48（3）：234-240.
[4] 孙莉.数据驱动的电力负荷预测方法综述[J].电网技术，2023，45（6）：112-120.
[5] 郭涛.机器学习在电力系统安全稳定评估中的应用研究[J].电力工程技术，2024，39（2）：56-63.

Citing this article:

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License