一种基于自适应RNN的居民异常用电行为智能检测方法

作     者：陈育培 朱斌 CHEN Yupei;ZHU Bin

作者机构：海南电网有限责任公司海口570100 

出 版 物：《电力需求侧管理》 (Power Demand Side Management)

年 卷 期：2025年第27卷第1期

页      面：88-93页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：中国南方电网有限责任公司科技项目(070000KK52200015(HNKJXM20200224)) 

主　　题：配电网 数据驱动 异常用电 循环神经网络 超参数优化 

摘      要：针对目前居民用电异常行为识别时存在效率低、性能差问题,提出了一种基于自适应循环神经网络(recurrent neural net⁃work,RNN)的异常用电行为识别模型。设计了一种合成少数过采样技术和编辑最邻近(synthetic minority oversampling tech⁃nique-edited nearest neighbor,SMOTE-ENN)重采样方法,增加不平衡数据集的分类性能。建立了自适应RNN检测模型,使用批量归一化RNN作为基础学习器,并结合超参数优化和缓冲区来动态调整(batch normalized recurrent neural network,BNRNN)模型。实验阶段,经过改进的SMOTE-ENN重采样后,模型分类效果大幅度提升。同时,实验验证了具有缓冲和超参数优化的所提自适应RNN模型具有最低的平均绝对误差,表明所提模型具备较优的泛化能力。试验结果验证了所提模型的实用性及优异性能,该模型可为异常用电行为检测的发展提供一定借鉴作用。