赵 嫚, 李英娜, 李 川, 杨 莉

(1.昆明理工大学 信息工程与自动化学院， 云南 昆明 650500；2.云南省计算机技术应用重点实验室， 云南 昆明 650500；3.云南电网有限责任公司 电力科学研究院， 云南 昆明 650200)

随着电力系统信息化程度的不断提高和配用电数据的快速增长[1]，配用电数据逐渐呈现出数据量大、类型多、增长速度快等特征[2]。因此，研究适用于配用电数据挖掘的算法并建立有效的知识发现模型，对配用电业务模式创新和智能电网的发展具有重要意义[3]。

异常数据检测是一项重要的数据挖掘技术，主要是通过挖掘数据集中少量的异常点来获取隐藏其中的有价值的信息[4]。对于智能配电网，利用有效的异常检测方法可以及时检测到影响电能质量的各种异常运行状态[5]，找出并消除电能质量的干扰因素，避免电网的非技术性损失(non-technical losses，NTL)[6]。所谓NTL是指由配电网侧电力用户的窃电、欺诈等一系列欺骗性用电行为导致的电能损失[7]。对此，Nagi等[8]提出了一种基于改进支持向量机和专家系统的异常检测模型。张小斐等[9]提出了一种基于图正则化的非线性岭回归用电异常检测模型，并与最小二乘法、岭回归、图正则化岭回归做了对比，验证了所提方法的可靠性和准确性。赵永斌等[10]利用分布式聚类算法准确实现了大规模电力用户用电行为分析。Nizar等[11]利用聚类算法将用户负荷曲线进行聚类分析，得到每类用户的聚类特征曲线，根据负荷曲线与其特征曲线的偏离程度将用户分为正常和异常两类，最后利用极限学习机算法预测新用户是否为异常用户。……