技术特征：
技术总结
本发明涉及电力营销领域，尤其涉及一种基于多阶机器学习的电量异常智能识别方法及系统，该方法包括：获取待识别用户的用户信息；基于待识别用户的历史用电信息对待识别用户进行群体划分；根据同一群体内用户的历史数据训练机器学习组合异常识别模型；对同一群体内用户的本期电量信息开展离群分析并生成综合离群概率；通过组合异常识别模型得出待识别用户的电量异常概率；对综合离群概率和电量异常概率进行整合，得到待识别用户的电量异常识别结果。本发明通过多种异常识别模型及算法对用户电量进行异常识别，既考虑了用户电量的分布特征，又融入了历史数据中所蕴含的人工智慧，提高了电量异常核查的准确率，极大降低人工核查的工作量，节省人力物力。
技术研发人员：于瑞强;王林;徐婧;杜星学;王彦;李慧霖;刘洋;贺斌;李经帅
受保护的技术使用者：烟台海颐软件股份有限公司
技术研发日：2018.10.09
技术公布日：2019.02.12