广东电网有限责任公司客户服务中心 白艳玲 廖云亭 苏立伟 杨英勃

电费差错是计量系统发生错误或人为窃电行为导致出现的异常电费数据，这类异常用电数据给电网公司带来了经济和人力上的损失。电网公司采用的传统电费差错分析方法是通过人工制定规则对电费差错数据进行筛查，其一方面依赖于人工经验，具有较高的不确定性，另一方面无法有效利用电网公司已有的电费大数据资源。由于上述原因，该方法的命中率与查全率并不理想，导致后续的人工复核工作量较大，花费的工作时间较长。因此，通过合理的技术手段利用已有的电网数据资源进行电费差错分析是现阶段研究的方向。电费差错数据分析方法一直是全球范围内的研究热点，近年来机器学习与人工智能技术的应用越来越广泛，国内外均有学者提出基于机器学习或人工智能的异常用电检测方法，其中包括决策树、支持向量机、神经网络等算法模型。

杨光[1]利用有监督的多隐藏层的神经网络算法筛选出用电量异常用户；吴刚[2]提出了基于数据内在特性和LSTM的用户用电数据异常检测算法，提高了异常检测的准确率和命中率；吴蕊等[3]提出了一种基于改进K-means算法的电力数据异常检测方法，可更有效地检测出异常电力数据；Julina Zhang等[4]通过对比局部离群因子和孤立森林的性能，发现孤立森林在异常数据上比局部离群点有更好的识别度，其对于少量且特殊的异常点具有更好的识别能力；……