田 野,张 程,毛昕儒,刘 骥

(1.重庆大学 计算机学院， 重庆 400044； 2.国网重庆永川电力公司， 重庆 402160)

运用PCA改进BP神经网络的用电异常行为检测

田 野1,张 程1,毛昕儒2,刘 骥1

(1.重庆大学 计算机学院， 重庆 400044； 2.国网重庆永川电力公司， 重庆 402160)

针对目前用户用电行为和异常检测的传统方式所遇到的资源耗费、效率低下、检测困难等问题，结合数据挖掘技术设计实现了适用于大规模用电数据挖掘的算法，并建立了有效的异常特征提取模型。通过使用基于统计的特征提取方式确定异常指标，并使用主成分分析方法对特征数据降维，进行异常用电信息的分析、辨识和处理，之后对处理后的用电数据建立BP神经网络完成用电异常行为检测。检测结果表明：该方法可以有效地提取出用电行为特征，并且能有效用于用电异常检测。

用电行为；异常检测；特征提取；主成分分析；神经网络

随着电网系统信息化程度的不断提高和用户用电数据量的迅速增长，各类电网装置及系统都有大量的数据要处理，数据规模庞大，蕴含的事件信息种类繁多。然而，从大量价值密度较低的数据中挖掘出有价值的信息仍是电力企业面临的重要问题[1]。同时，由于通信、设备故障、电网波动以及用户异常用电行为等原因，出现了大量数据异常的现象，这些异常数据影响了电能数据的准确性。因此，本文针对上述问题研究适用于大数据的用户用电行为分析方法，并建立一个有效的异常发现模型。……