智能电表作为用电信息采集系统的重要计量设备,架起了电力运营企业与电力用户之间的重要桥梁,为保证智能电表的正常运行,对异常的电表进行及时排查更换,对于维护电网公司和电力用户的权益具有重要意义。目前,伴随智能电表各方面的功能显著提升,其投运数量呈现爆发式增长,若能对智能电表（单相低压）的运行状态进行准确预警,工作人员再根据预警结果对异常的智能电表进行针对性排查,将大幅降低智能电表运维成本,提高电表检修效率。基于所采集的智能电表历史数据,结合数据挖掘算法,本文对智能电表的故障预警技术展开了研究,论文的主要工作如下:首先,结合用电信息采集系统分析了智能电表历史数据的来源以及智能电表大数据特征,并对所采集的智能电表原始样本数据进行了预处理研究。针对智能电表历史数据集中存在样本特征丢失、数据重复异常的情况,对原始数据进行了样本去重等数据清洗工作。为降低数据维度,结合各类属性与智能电表故障状态之间的相关性分析,对智能电表历史数据集进行了属性选取,剔除了不相关属性以提升算法性能。针对智能电表历史数据集中异常状态样本数据量不足的情况,利用少数类样本过采样合成技术（Synthetic Minority Oversampling Technique:SMOTE）解决了原始数据集中存在的异常和正常状态样本数据不平衡问题。其次,基于决策树的数据挖掘算法开展了智能电表故障预警模型的构建。将智能电表故障预警过程看作故障状态等级分类过程,利用决策树模型将智能电表故障预警知识获取问题转化决策树的构建问题。鉴于C5.0算法分类学习的效率及精度高于传统的ID算法、C4.5算法,采用C5.0算法构建了决策树,从中提取智能电表运行状态评估知识,得到智能电表故障预警状态分类规则。最后,为实现智能电表计量数据的集成管理和运行状态的远程监控,基于VS2010平台开发了智能电表故障预警系统,并结合测试集样本数据对该系统进行故障预警准确度评估。以DDSF885-M型智能电表为例,利用历史数据集进行算例分析,算例结果表明,该系统可有效辅助电网运行维护人员对智能电表的运行状态做出准确预警。