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...