史鹏博，李 蕊，李铭凯，赵 成，朱锦山

(国网北京电力科学研究院,北京100162)

1 引 言

智能电网融合了电网基础设施和网络系统，具有典型的网络物理系统(cyber physical system，CPS)[1]，其旨在将电力技术应用于能源系统，以实现双向电力流[2]。智能电表作为整个配电网的传感器，可以测量用电量并将记录的数据发送给能源管理中心[3]，对应数据的使用有助于通过CPS为智能电网规划和运行提供及时的决策[4]。对于智能电表数量众多、应用场合复杂的情况，如何提高智能电表故障检测能力成为电网企业关注的焦点[5,6]。

智能电网先进计量基础设施(advanced metering infrastructure，AMI)为人们提供了丰富的测量、通信、计算和存储资源，这些信息引起了人们的关注[7]。用数据分析检测故障智能电表的方法很多。文献[8]提出了一种综合考虑层次结构和仪表数据的智能电表生成模型，但当面对大量的智能电表数据时，该方法效果急剧下降；文献[9]提出了一种面向概念漂移的异常检测能力定义方法，该方法采用长短期记忆网络来描述和预测消费者的行为，然而检测精度并不高；文献[10]描述了一种考虑电流和功率特征之间关系的比较方法来检测异常设备，考虑较为单一，无法处理较为复杂的情况；文献[11]介绍了一种数据挖掘技术来检测异常数据和能量窃取，该方法结合最大信息系数理论和聚类技术，发现任意形状的异常用户，对历史数据的依赖较为严重；文献[12]中提出了一种结合Bollinger带和部分可观测马尔可夫决策过程的技术来检测异常数据和能量窃取；……