面向智能电网数据的基于回归的在线异常检测
数据库
2016-06-21 v1
摘要
随着智能电表在能源领域的广泛应用，异常检测成为研究客户异常用电行为并及时发现用能突发事件的关键手段。检测消费异常本质上是一个实时大数据分析问题，需要对来自智能电表的大量并行数据流进行数据挖掘。在本文中，我们提出了一种基于监督学习和统计的异常检测方法，并使用内存分布式计算框架 Spark 及其扩展 Spark Streaming 实现了一个 Lambda 系统。该系统不仅支持从可扩展数据集中迭代刷新检测模型，还支持对可扩展实时数据流进行实时检测。本文对系统和检测算法进行了实证评估，结果表明所提出的 Lambda 检测系统具有有效性和可扩展性。
引用
@article{arxiv.1606.05781,
title = {Regression-based Online Anomaly Detection for Smart Grid Data},
author = {Xiufeng Liu and Per Sieverts Nielsen},
journal= {arXiv preprint arXiv:1606.05781},
year = {2016}
}