基于數(shù)據(jù)挖掘的用電數(shù)據(jù)異常的分析與研究.pdf

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

2、　首先，考慮到所有異常都會在電量數(shù)據(jù)上得以體現(xiàn)，故采用規(guī)律性強(qiáng)的日負(fù)荷曲線作為異常檢測的特征指標(biāo)。利用具有調(diào)節(jié)參數(shù)少、準(zhǔn)確率高、計算效率快等突出優(yōu)點(diǎn)的孤立森林算法構(gòu)建異常檢測模型，并對模型中的重要參數(shù)進(jìn)行了分析設(shè)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(jié)果表明，利用該排序，只需要檢測異常分值靠前的少數(shù)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(jìn)行比較，發(fā)現(xiàn)本文構(gòu)建的用電數(shù)據(jù)異常檢測模型在計算效率方面的優(yōu)勢尤為顯著，并且準(zhǔn)確率保持較高，證明了孤立森林算法用于構(gòu)建用電數(shù)據(jù)異常檢測模型的準(zhǔn)確性和高效性。
　　第三，考慮到日負(fù)荷曲線受用戶用電習(xí)慣的影響較大，因此需要結(jié)合疑似異常用戶的電氣變量作進(jìn)一步分析，建立用電數(shù)據(jù)異常識別模型，減少誤判率。利用決策樹算法易于理解實(shí)現(xiàn)和效率高等特點(diǎn)，實(shí)現(xiàn)對計量點(diǎn)電壓進(jìn)行自動快速分類，并輔助電流數(shù)據(jù)進(jìn)行判斷，識別出電能