摘要：智能电能表自动化检定系统在长期运行过程中可能出现异常，但定期人工检测方法无法及时获悉风险信息，缩短人工检查的周期又将降低自动化检定的工作效率。在多数情况下异常表位样本数据是无标记的，通常采用无监督式异常检测算法筛选异常表位，为降低无监督异常检测的误报率、减少人工检查的代价，提出请求对无监督筛选的“异常表位”进行人工检查，在排除表位故障的同时获得少量标记样本，利用标记和无标记样本构建半监督方式直推式支持向量机（TSVM）异常检测模型，在以后的自动化检定工作过程中不断获取新的标记样本与未标记样本，可继续按照半监督训练方式对TSVM模型进行扩展及优化。使用提出的方法对国网上海市电力公司自动化检定数据进行了分析，对比人工检查结果，验证了方法的有效性。

      关键词：智能电能表；自动化检定；检定数据；异常检测；半监督；直推式支持向量机模型

      中图分类号：TP181     文献标识码：A