秦佳奇 许源源

（1.四川大学计算机学院 四川省成都市 610065 2.四川省计算机研究院 四川省成都市 610041）

随着国民经济的高速发展，我国的电力行业也正在加速智能化和自动化。其中智能电网也已经从概念发展成了电力系统的核心[1]。在电网市场化的过程中，对未来一段时间内的电力负荷变化进行估算预测是保证系统稳定运行和智能调度的关键步骤[2]。负荷预测的精度愈高，其对一线电力调度员的参考价值也就越大，同时也能指导电力公司更精确对电价进行调整引导企业和用户合理用电。目前进行负荷预测主要是基于各省市电力调度中心存储的海量历史负荷数据，通过统计或模型的方法挖掘历史负荷变化的规律，从而去预测未来的负荷变化情况[3]。

在实际生产过程中，面对海量的电力负荷数据，如果通过人工去标注全部的异常数据需要花费大量的时间成本和昂贵的专家成本，这显然是不太现实的。而在仅有少量标签或能够凭经验直观判断异常的情况下，半监督学习方法可以较好地满足我们进行负荷异常检测的需求。

本文针对电力负荷异常检测问题，提出一种基于变分自编码器的负荷异常检测方法。

1 电力负荷异常数据

本文电力负荷数据全部采集自SCADA 系统，除了有效数据外，还包含有一些误差数据，这些误差数据主要是由于测量仪器和环境干扰造成的，大部分误差数据是服从正态分布，通过一定的方式进行处理后基本不会对电力系统产生不良影响。……