%0 Journal Article
%T 基于堆叠去相关自编码器和支持向量机的窃电检测
%A 孙宏斌
%A 胡天宇
%A 郭庆来
%J 电力系统自动化
%D 2019
%X 已有窃电检测模型的准确率尚无法满足应用需求，是因其均将建模重点放在了分类算法的选择或改进上，而相对地忽视了特征提取过程。因此，提出一种基于深度学习的特征提取方法，即堆叠去相关自编码器。得益于深层结构和高度非线性，其能够从用户用电数据中提取到高度抽象和简明的特征。随后支持向量机将这些特征映射到指示是否窃电的标签。基于真实数据的算例测试，验证了所提窃电检测模型具有较高的检出率和较低的虚警率，同时也验证了堆叠去相关自编码器能够提取到有效的特征
%K 非技术性损失
%K 窃电检测
%K 深度学习
%K 去相关自编码器
%K 支持向量机
%K nontechnical losses
%K nontechnical loss detection
%K deep learning
%K uncorrelating autoencoder
%K support vector machines
%U http://www.aeps-info.com/aeps/article/abstract/20180630013?st=article_issue