文章提出了一种基于极值理论的用户用电异常检测模型，旨在解决目前快速准确判别用户异常用电行为的问题。该模型利用智能电表数据，基于固定分布的流数据检测（Streaming Peak Over Threshold， SPOT）和漂移分布的流数据检测（Drift Streaming Peak Over Threshold， DSPOT）算法对用电量数据进行广义帕累托分布（Generalized Pareto Distribution， GPD）拟合，并通过不同方法进行GPD参数估计，从而得到高阈值和低阈值。通过判定用电量是否超过这些阈值，实现对用电异常状态的识别。为验证该方法的有效性，文章以某地区的实际用电数据进行了实验，结果表明该方法对于数据样本较大且非高斯分布的情况具有便捷性和高效性，为用电异常行为的识别提供了新的方向。

1 数据预处理
1.1?原始数据
1.2?数据空值的填补
2 异常检测理论
2.1 极值理论
2.2?SPOT模型及DSPOT模型
2.2.1　POT方法
2.2.2　SPOT和DSPOT模型
2.3?GPD的参数估计方法
2.3.1　最大似然估计
2.3.2　概率加权矩
3 异常用电状态检测方法
3.1?基于SPOT模型的异常检测方法
3.2?基于DSPOT模型的异常检测方法
4 算例分析
4.1?数据介绍
4.2?特征工程
4.3?实验结果
5?结 论

肖春,何龙,曹琼,等.基于极值理论的用户用电数据异常检测[J/OL].太原理工大学学报,1-10[2025-01-13].http://kns.cnki.net/kcms/detail/14.1220.N.20250109.1447.004.html.