基于數據挖掘的用電數據異常的分析與研究.pdf

1、在大數據時代的背景下，我國電力企業(yè)更加重視營銷業(yè)務的信息化，十三五電力發(fā)展規(guī)劃中指出，利用大數據等技術提升信息平臺承載能力和業(yè)務應用水平。隨著用電信息采集系統的推廣，海量的用電數據得以采集，為用電環(huán)節(jié)的大數據分析提供了堅實的數據基礎。但是面對海量用電數據的增加，目前大多數電力部門僅使用傳統的統計方法進行異常分析，異常數據背后蘊藏的事件信息無法得到有效提煉。為此，有必要將數據挖掘技術引入到異常分析中，充分挖掘用電數據的異常信息。
　

2、　首先，考慮到所有異常都會在電量數據上得以體現，故采用規(guī)律性強的日負荷曲線作為異常檢測的特征指標。利用具有調節(jié)參數少、準確率高、計算效率快等突出優(yōu)點的孤立森林算法構建異常檢測模型，并對模型中的重要參數進行了分析設置。該模型輸出所有用戶的異常分值及疑似概率排序。研究結果表明，利用該排序，只需要檢測異常分值靠前的少數用戶即可查出大部分異常用戶。
　　其次，為了突出基于孤立森林算法在用電異常檢測方面的優(yōu)越性，通過建立基于聚類分析、局部離

3、群因子算法的異常檢測模型并進行比較，發(fā)現本文構建的用電數據異常檢測模型在計算效率方面的優(yōu)勢尤為顯著，并且準確率保持較高，證明了孤立森林算法用于構建用電數據異常檢測模型的準確性和高效性。
　　第三，考慮到日負荷曲線受用戶用電習慣的影響較大，因此需要結合疑似異常用戶的電氣變量作進一步分析，建立用電數據異常識別模型，減少誤判率。利用決策樹算法易于理解實現和效率高等特點，實現對計量點電壓進行自動快速分類，并輔助電流數據進行判斷，識別出電能