【技术实现步骤摘要】
本专利技术属于智能数据分析，具体涉及一种基于深度学习的居民用电量预测与窃电识别方法。
技术介绍
1、近年来，各种人工智能技术如机器学习、深度学习等在数据分析、图像识别、语音文字处理等方面取得重大突破，被广泛应用于智能制造、智慧城市、电力、医疗等领域中。人工智能技术在电力及综合能源系统中的应用，将实现智能传感与物理状态相结合、数据驱动与仿真模型相结合、辅助决策与运行控制相结合的智能能源互联网架构。
2、为了提高电力服务的质量和保障水平，近年来，电力负荷预测受到工业界和学术界的广泛关注。而随着科技的发展，机器学习已应用到各种领域。如何利用机器学习相关技术，结合历史用电数据和当前电力消费影响因素对电力负荷进行高精度的预测已成为一个研究热点。电力负荷预测的基础数据目前主要来源于数据采集与监视控制系统，但存在异常数据等问题，而数据预处理是提高基础数据质量、改善预测准确度的必要前提。尽管采用人工智能进行负荷预测得到了较好的性能,但直接使用深度学习等方法时也存在一些新问题:可用于训练的负荷数据量通常会远小于模型中的参数量,容易出现过拟合。...
【技术保护点】
1.一种基于深度学习的居民用电量预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的居民用电量预测方法，其特征在于，所述预处理采用标准化处理，包括以下步骤：
3.根据权利要求2所述的一种基于深度学习的居民用电量预测方法，其特征在于，所述构成数据集，具体如下：
4.根据权利要求1所述的一种基于深度学习的居民用电量预测方法，其特征在于，所述深度学习网络采用CNN，包括5层：
5.一种基于深度学习的居民用电窃电识别方法，其特征在于，包括以下步骤：
6.根据权利要求5所述的一种基于深度学习...
【技术特征摘要】
1.一种基于深度学习的居民用电量预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的居民用电量预测方法，其特征在于，所述预处理采用标准化处理，包括以下步骤：
3.根据权利要求2所述的一种基于深度学习的居民用电量预测方法，其特征在于，所述构成数据集，具体如下：
4.根据权利要求1所述的一种基于深度学习的居民用电量预测方法，其特征在于，所述深度学习网络采用cnn，包括5层：
5.一种基于深度学习的居民用电窃电识别方法，其特征在于，包括以下步骤：
【专利技术属性】
技术研发人员：于诗矛，宋纯贺，孙勇，郑海洋，高鹏佩，武婷婷，王丽丽，郑浩，李沅键，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。