基于深度自编码器的异常用电行为辨识方法研究

张继东

（国网江苏省电力有限公司南京供电分公司 江苏省南京市 210012）

电力企业在发输供用环节均需要进行电能计量工作，准确的计量也关系着企业的经济效益、损耗控制等。而计量工作更为复杂的是用电环节，由于群体众多、场景复杂，极易出现异常用电的问题，进而给供电企业造成损失，甚至影响电网安全运行。所以对异常用电的查处一直是供电企业较为重点的一项工作。

传统的数据分析方法通常不具备对异常用电行为的分级预警能力，极大限制了现场稽查效率以及现场取证能力的提升。对此，本文研究了基于深度自编码器的异常用电行为方法。

1 模型优化效果评估方法

通常，对数据模型优化效果的评估并不是基于算法输出的结果，因为融合了算法的结果并不能准确评估数据模型优化的效果。本文采用国内外主流的评估手段，即对数据降维后可视化分析的方法完成评估。

首先，采用相应的数据降维方法，将高纬度的原始数据降低到人工可以分析的维度，本文选择降至2 维。

其次，采用图形化方法，将降维后的数据用合适的方式绘制成图片，供人工分析与评估。

数据降维的方法很多，主要包括：主成分分析（PCA）、狄利克雷分布（LDA）和T 分布随机近邻嵌入（t-SNE）。其中LDA 主要用于文本分析，PCA 和t-SNE 则适合更广泛的数据分析领域，其PCA 数据降维算法示意如图1所示。

由图1 可知，数据降维的目的是为了将混杂数据处理为可视化结果。本文也将采取可视化方式对数据模型优化效果进行分析与评估。……