电器与能效管理技术(2023No．3)·检测与试验·2019(19):91-100．［6］LIUJ，CAOX，WANGDG，etal．Abnormalelectricitydetectionwithhybriddeepneuralnetworkmodel［J］．MATECWebofConferences，2018，189(7):03001．［7］LIAOWL，YANGZ，LIUKP，etal．Electricitytheftdetectionusingeuclideanandgraphconvolutionalneuralnetworks［J］．IEEETransactionsonPowerSystems，2022，13(2):1-13．［8］吴少雷，肖坚红，张波，等．基于阻抗分析的居民用户异常用电研判模型研究［J］．电器与能效管理技术，2019(3):30-34，67．［9］刘伟，马世乾，李云飞，等．多源数据驱动的配电网网损精确分析方法［J］．电力系统及其自动化学报，2022，34(11):12-16．［10］庞传军，余建明，冯长有，等．基于LSTM自动编码器的电力负荷聚类建模及特性分析［J］．电力系统自动化，2020，44(23):57-63．［11］李子康，刘灏，毕天姝，等．基于数据驱动的鲁棒性电力系统扰动识别［J］．中国电机工程学报，2021，41(21):7261-7274．［12］袁非牛，章琳，史劲亭，等．自编码神经网络理论及应用综述［J］．计算机学报，2019，42(1):203-230．［13］庄池杰，张斌，胡军，等．基于无监督学习的电力用户异常用电模式［J］．中国电机工程学报，2016，36(2):379-387．［14］孙毅，李世豪，崔灿，等．基于高斯核函数改进的电力用户用电数据离群点检测方法［J］．电网技术，2018，42(3):1595-1604．［15］李宁，尹小明，丁学峰，等．一种融合聚类和异常检测算法的窃电辨识方法［J］．电测与仪表，2018，55(21):19-24．［16］GUOLQ，CHENXB，LIUZM，etal．DetectionmethodforpowertheftbasedonSOMneuralnetworkandk-meansclusteringalgorithm［C］//InternationalConferenceonElectricalMachinesandSystems，2019:1-5．［17］宋易阳，李存斌，祁之强，等．基于云模型和模糊聚类的电力负荷模式提取方法［J］．电网技术，2014，38(12):3378-3383．［18］王浩．多视角数据聚类研究［D］．成都:西南交通大学，2020．［19］ZHANGPJ，WANGC．AtypeⅢradioburst［J］．Astronomy＆Astroph，2018，618:A165．［20］HEZY，XUXF，DENGSC．Discoveringcluster-basedlocaloutliers［J］．PatternＲecognitionLetters，2003，24(9):1641-1650．［21］HUANGNE，SHENZ，LONGSＲ，etal．Theempiricalmodedecompositionandthehilbertspectrumfornonlinearandnon-stationarytimeseriesanalysis［J］．Pro...
