黄悦华 郭思涵 鲍 刚 程江洲 谌 桥 王艺洁

（三峡大学 电气与新能源学院, 湖北 宜昌 443002）

随着用电用户的迅速增加和智能电表的普及,供电企业能够从配电网中收集到海量的运行数据[1],因此电力企业需要对用户用电信息采集系统收集到的数据进行整理与挖掘,获取隐藏其中的信息[2].用电数据信息来源广,结构复杂,对企业进行数据分析造成了困难[3].数据挖掘技术能实现数据整理、数据分类、异常数据查找等功能[4],以此推动泛在电力物联网的建设,提升电网的全息感知能力[5].

目前按照对用电行为的定义方式分类,基于用电信息采集系统的研究主要有两类：第一类是抽取、提炼用电负荷曲线,从中提取用电特征再对其进行分析.文献[6]提出了一种融合K-means聚类算法和异常点查找算法的窃电识别方法；文献[7]提出了基于无监督学习的异常用电模型检测方法,将网格分析的方法引入异常点查找算法.以上文献聚焦于异常数据点的查找,通过结合不同的聚类方法减少异常点检测算法所计算的数据点,能显著提高检测效率.文献[8]基于改进的K-means聚类算法对用户负荷数据进行日负荷曲线的特性分类,但文中并未针对窃电情形对分类中出现的异常情况进行挖掘.第二类是基于用户用电过程中产生的电参量记录,从与其有关的时间序列中选取特征,将其描述为样本点后再进行分析.文献[9]提出一种基于深度学习的用户异常用电模式……