我国在针对电力企业进行考核的过程中会参考多种不同的指标,而线损率就是其中之一,该指标可以综合反映电力企业运营的情况,比如说电网的发电、输电、变电、配电、用电等各个环节的管理运行情况,是电力企业管理水平的综合反映,同时这也是提高电力企业经济效益的核心指标。随着国有企业的深化改革,输配电价改革进一步推进,电力企业必须加快降损增效,提高管理水平,这对如何得到精准的线损率数据,如何分析数据并得到有效降损方法提出的更高的要求。如今计算机科学技术的迅猛发展,智能电网发展日新月异,电力数据的采集、计算技术通过计量自动化系统平台得到充分应用,由各种感应器、监测器和采集器收集了海量且实时的与线损有关的数据,这是现代电力企业的重要资源,需要通过大数据技术进行深入挖掘分析,从而找出更有效的管理方法。本论文阐述了大数据技术在电网企业线损管理工作的实际应用,主要从两方面介绍,一是通过基于计量自动化系统的线损管理相关功能模块和系统采集的电力大数据,探索各种与线损管理相关的数据分析方法,包括电量、电压、电流、时钟等数据异常的判别方法等,从而提升线损管理工作的效率;二是通过数据挖掘技术中的聚类分析、离群点分析方法,设计线损异常和窃电情况的辨别分析模型,并结合实际电力数据进行仿真计算,为智能电网时代的线损管理工作提供新的研究思路。其中聚类分析选择了通过K-means聚类分析方法,辨别线损率真正异常的台区。该方法是基于传统聚类法进行完善后形成的一种计算方法,按照实际数据,将线损率分为偏高、正常和偏低三类,对这三个类分别求平均值,并将所得结果作为聚类中心。在实际应用的过程中需要对比类别当中对象的数量与聚类中心距离,分析有无必要再次聚类。如聚类后发现某一类别线损率较高,那么就要分析时间离散度,根据分析结果判断是否存在线损异常的现象。而关于异常分析方法就研究了基于离群点挖掘与电量波动率相结合的模型,离群点挖掘分析就是从大量的数据中自动或半自动地获得有用信息的过程,从而确定数据集当中显然不相同的个体。离群点挖掘法研究的是一维数据,计算过程并不复杂,可以得到较为准确的结论,在实际使用时针对用户用电的历史信息进行研究,就可以确定用户的用电特点,针对正常数据与异常数据进行对比,就能确定窃电嫌疑点,所以这是一种更加高效和简单的侦查窃电行为方法。