邝萌，李英娜，李川，曹敏

基于多模型融合Stacking集成学习的异常用电检测方法研究

邝萌1,2,3，李英娜1,2，李川1,2，曹敏3

（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 650217）

针对单一异常用电检测方法对于存在不平衡性的数据集检测效率普遍不高的问题，提出了一种基于多模型融合Stacking集成学习的异常用电检测方法。首先，以居民用电数据作为研究对象，分析用户在习惯上表现的不同特征，结合不平衡处理技术和分类预测算法进行研究；其次，为了提高模型的整体性能，采用量子遗传算法对集成学习模型中的参数做优化处理；最后，通过云南某地区用电数据集进行验证，证明所提模型相比单一学习模型检测的准确率有明显提升，对提升异常排查效率，降低电力公司的运营成本具有重要意义。

异常用电检测；多模型融合；不平衡处理技术；分类预测算法；Stacking集成学习

0 引言

大数据[1]打开了时代转型的大门，各界学者的关注重点转向了从众多低密度数据中提取有价值的信息。对电力行业而言，随着电力系统信息化水平的提高和电力数据的快速增长[2-3]，各种设备和系统都产生大量的数据，事件信息类型多样，很难从数据中提取有用的信息。同时，伴随着计量装置的异常、电网波动等事件的发生，出现了大量的异常数据，这将妨碍电网的安全运行及电力行业的正常发展。……