基于seq2seq和SVM双层融合的非侵入式用户异常行为检测
来源：计算机应用与软件杂志2024年第9期北京时间：
作者：江友华, 叶梦豆, 赵乐, 杨兴武
摘要：以非侵入式负荷分解为基础，对用户异常用电行为进行研究。采用Kmeans聚类算法提取负荷状态特征；采用深度学习算法中的序列到序列翻译（sequence to sequence，seq2seq）模型，将电力用户用电总数据分解成单个电器的功耗数据；结合SVM算法对分解后多种家用电器用电数据进行异常检测。在UKDALE数据集实验结果表明，该模型不仅能提高分解准确度、降低分解误差，而且多个电器数据结合分析实现了用户异常行为检测。
关键词：非侵入式负荷分解, Kmeans聚类, seq2seq模型, SVM算法, 异常行为检测
