摘要
本发明公开了基于大数据的电力电量异常检测方法，涉及电力电量异常检测技术领域，针对电力用户用电行为动态变动导致的高误报与漏报问题，提供在线概念漂移检测、模型自适应更新、群体异常判定与多尺度融合识别，通过滑动窗口与阈值发现潜在模式变动并生成疑似异常列表；利用增量训练修正短期模型并周期性更新长期模型；随后基于多尺度误差度量融合成多尺度异常分数，结合群体偏离率判定重点异常与常规异常；最后通过阈值校正指标等进行自适应调整并将人工标注结果回传模型库，实现对正常行为转变与真实异常的精准区分及持续学习；通过本方案，可显著降低误报与漏报率，提升电力调度与监测的可靠性与精细化程度。
