作者：徐严军1， 吴 蒙1， 白佳灵1， 丁熠辉1， 谢 智1， 卢 宏2， 肖先勇2
作者单位：(1. 国网四川省电力公司计量中心，四川 成都 610045; 2. 四川大学电气工程学院，四川 成都 610065)
关键词：关口计量装置; 异常事件; 特征提取; 堆叠自动编码器; 状态评价
摘要：
针对现有研究对关口计量装置定期检修会造成人力物力的浪费，以及通过指标赋权进行打分受人工干预较 明显等不足，该文基于用户用电采集系统中的异常事件数据，提出一种多特征提取与深度学习相结合的关口计量装 置异常事件识别的方法。通过分析不同计量异常事件反映出的数据异常形式，从不同维度提取14 个特征，并将归一 化后的特征作为深度学习模型的输入。在此基础上，通过无监督的预训练和有监督微调构建深度学习模型，自动学 习得到输入特征与类别标签之间的非线性映射关系，构建出能识别关口计量装置异常事件的分类识别模型。通过某 地区电网多个关口计量装置终端的数据对所提方法进行验证，结果证明所提方法能够准确识别出不同的异常事件， 且具有良好的鲁棒性。
