冉 哲，李英娜*，刘爱莲

（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）

0 引 言

随着社会经济的快速发展，近年来，供电企业数据平台不断发展，用电信息采集系统不断完善，不断累积大量的可供分析的信息。用电信息不仅是企业向用户收取电费的主要依据，而且能提供大量有价值的信息，以供分析人员从中获取信息进行分析，从而对电力系统以及用电企业进行更好的改良和指导。

对于供电企业的用电监察工作来说，利用数据挖掘技术对用电采集信息进行分析，从数据中挖掘用户用电规律，结合机器学习[1]和深度学习等技术，构造异常用电行为识别模型，识别异常用电行为，以便稽查人员及时发现异常用电行为[2]，更快地采取应对行动，对于企业降低管理运营成本、提升经济效益、更好地指导电力消费行为以及优化电网的运行具有非常重大的意义。

目前在异常用电行为检测与识别领域，针对电力数据的特性，对于没有明确指明是否存在异常用电的数据，采用无监督学习的方法[3]，庄池杰等人在缺乏异常用电数据样本的情况下，分析样本与总体之间的关系，找出离群对象，采用特征提取方法、主成分分析（PCA）、网格处理技术以及计算局部离群因子等模块，只需检测异常度排序靠前的少数用户即可查出大部分异常用户[4]。龚刚军等人针对用电行为最佳聚类数目选择问题，在特征优选策略基础上提出了基于准确度和有效度的聚类优选策略，通过综合考虑准确度评价指标和有效度评价指标确定最佳聚类数目[5]，以达到更好的聚类效果[6]。……