广东电网有限责任公司客户服务中心 康 峰 冼文祥 伍广斌 舒 畅

随着供电企业智能电网的不断建设发展，智能电网终端能够采集海量用户用电数据，采集到的海量电力数据将存储在供电企业内部的电力营销系统的服务器中，供电企业通过结合电费核算的人为经验，建立相应的用户电费数据异常检测数学模型，对大批量的用户电费数据进行处理分析，设计出相关的电费异常检测规则。供电企业通过对用户电费数据异常检测规则的配置与优化，达到过滤排除绝大部分用电正常客户，筛选出电费数据异常的客户进行再次复核，从而缩小了电费数据复核的范围，提高电费复核工作的效率。

据调研，广东电网公司现有的用户电费数据异常检测判断规则达100多条，如果在电费数据核查过程中每一条电费数据都需要遍历一次全部的规则，将会给电力营销部门带来繁重的工作量，并且核查时间长，极大降低了电力营销部门的运行效率，并且通过规则筛选出的异常电费数据命中率低，加重了电费复核工作的负担，急需引入智能化的用户电费数据异常检测手段，提高检出率和准确性。近年来，随着计算机智能化的机器学习技术的逐渐成熟，电网企业和高校的研究人员开始关注用户用电数据计算机智能筛选的潜在价值，基于机器学习的用户用电行为分析逐渐成为电力数据挖掘的一个热门的应用场景。

周李等[1]利用用电数据的时序特征，使用稀疏编码的模型方法来挖掘用户的原始用电数据，通过各个特征的使用频率来判断用户用电行为模式和异常行为。……