梁 捷，梁广明，黄水莲

(1. 广西电网有限责任公司计量中心，广西 南宁 530023；2.南宁百会药业集团有限公司，广西 南宁 530003)

0 引言

在电力系统中，恶意窃电或计量设备故障会导致用户用电数据质量下降〔1〕。此外，低压台区表计等设备的故障目前主要由客户自行发现和报修，电力客服再安排现场工作人员进行处理，这一方面增加95598业务量，另一方面处理周期长，易导致客户投诉。为了辨识出异常用电的用户或故障电表，需进行用电数据异常识别。目前常见的主动识别方法是通过在计量自动化主站采用人工方法排查异常数据，存在计量数据管理工作负担重，且异常数据识别效率低的问题。

文献〔2〕首先通过岭回归模型对用电数据进行训练，然后将训练好的模型用于异常用电行为的自动检测。但回归模型训练时若建模参数选择不当，易出现过拟合的问题。对此，本文提出了一种基于最小二乘支持向量机(Least Square Support Vector Machine，LSSVM)的用户用电异常识别模型。它首先通过LSSVM算法对用户的用电状态进行分类，然后将相应的分类结果与典型低压用户用电异常指标进行匹配，最后通过案例分析验证了本文算法的可行性。

1 用电异常特征分析

南方电网费控电能表目前支持低压居民用户多种类型用电数据的自动采集并上传到计量主站。计量主站可实时监控并存储各用户的电流、电压、有功/无功功率以及功率因数等信息〔3〕。当用户正常用电时，这些用电数据以时间序列的格式存储在计量主站中，数据具有一定规律性，例如表码连续平稳增加，电压围绕额定值小幅上下波动等；……