背景及意义

电价类别分类繁多，且不同类别执行电价差异较大，部分高电价客户通过种种手段，将所用电价全部或部分执行较低电价，通过高价低接降低自身用电成本，侵害了电力公司的利益，给公司造成直接经营损失。
营销稽查人员数量限制，且人工稽查工作效率较低，无法定期、全量开展执行电价现场检查工作，影响稽查工作质效。
当前执行电价异常判别工作主要针对农业排灌类别用户，判别工作的目标用户群体较少，电价稽查的业务关联规则较为简单，不易全面地识别实际用电和电价政策存在偏差的用户，且识别准确性仍有提升空间。

科研问题

营销口信息系统沉淀的历史数据未形成数字资产，导致传统的电价核查一直由一线电工凭个人经验撒网式普查，效率低下的同时无法保证准确率。
目前的大多数技术还采用简单的比较当前状态和预测的正常范围来进行异常检测，面对海量数据，其较差的时效性、较差的表征能力限制了其应用。

科研目的

发展并构建一种泛化能力好、表征能力强、识别率高且训练速度快，适用于海量不均衡用电数据异常检测的模型。

研究思路

构建典型用电轨迹模块：首先利用 K-means 聚类算法构建典型用电轨迹模块，训练得到代表典型用电模式的用电轨迹聚类中心；
构建电价异常辨别模块：其次，基于马氏距离的判别分析算法构建电价异常辨别模块，用于识别电价执行异常嫌疑用户。模型的输出为电价执行异常嫌疑用户，可为电力稽查人员提供稽查的范围及依据。