摘要:随着智能电表的广泛应用,异常检测已成为研究客户异常消耗行为并及时发现意外用电事件的重要手段。从本质上讲,异常用电检测是一个实时大数据分析问题,是对来自智能电表的大量并行数据流进行数据挖掘。文中提出了一种基于监督学习和基于统计的异常用电检测方法,并使用内存中分布式计算框架Spark和其扩展Spark Streaming实现了Lambda系统。该系统不仅支持迭代刷新可扩展数据集中的检测模型,而且还支持可扩展实时数据流上的实时异常检测。文中对检测算法和系统进行了实证评估,结果证明了其有效性和可扩展性。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社