智能电表数据异常在线检测的无监督学习
来源：电子测量技术杂志2021年第8期北京时间：
作者：王凯，黄丹，梁晓伟，陶琳
单位：国网安徽省电力有限公司营销服务中心，安徽合肥 230088
摘要：针对智能电表在应用过程中出现的数据异常问题，通过定义为超出各负荷正常使用模式的任何异常用电实例或趋势，设计了基于负载、上下文和环境等不同类型的特征来构建数据驱动模型，评估了基于回归、基于神经网络、基于聚类和基于投影的四种不同的无监督学习方法在实际智能电表数据异常检测中的性能。结果表明，不同的异常检测方法对不同类型的异常具有不同的检测能力，其性能取决于用于训练该方法的特征集。因此，对于每种异常检测方法，都要仔细检查不同类型的特征。
关键词：数据驱动;异常检测;智能电表;特征选择;无监督学习
