基于强化学习的异常用电判决方法

蔡云芹，王非

(华中科技大学电信学院,湖北 武汉 430074)

0 引言

随着电力系统信息化程度的不断提高[1]，通过用电数据来判断客户是否有异常用电行为已成为常用的方法。计量装置故障或用户窃电行为，均会导致采集到的数据是人为构造的虚假数据，这些虚假数据被称为异常用电数据。异常用电数据会对供电公司供电秩序造成严重干扰和影响，因此及时排查异常用电情况一直是电力公司关注的重点问题，异常用电的检测方法也受到广大学者关注。

目前学术界所研究的异常用电检测方法可以大致分为3类：基于系统状态的异常用电检测[2—4]，基于博弈论的异常用电检测[5—7]和基于数据驱动的异常用电检测[8]。其中，基于系统状态方法的理论基础为电网的物理本质决定了系统电压、注入功率等物理量的量测结果应具有一致性[9]。该方法计算量大，所需数据多，且由于配电网的某些连接会发生变化，参数未必一成不变，存在收敛性问题。博弈论的方法是基于窃电用户的决策集与正常用户不同，最终影响双方在电量分布上的不同。但博弈论的方法只经过了理论推导和仿真，尚未经过实证检验。

在当前海量数据环境下，基于数据驱动的异常用电检测方法应用广泛，该方法基本可分为3类：分类、回归和聚类，其中分类方法应用最多。国内外学者广泛使用了许多基于机器学习的分类算法，主主要包括决策树[10]、支持向量机[11—13]、K近邻[14]和人工神经网络[15]等方法。……