电力用户用电需求的增长,使得供电方电力供应与电力用户用电需求之间的矛盾愈加突出,用电信息采集系统的稳定运行可缓解矛盾的加剧。用电信息采集系统故障伴随系统使用产生,由于缺少智能诊断方法,当出现故障时,无法快速排除故障会给整个系统的运行维护带来极大障碍。尤其台区户变关系异常和线损异常严重影响电力用户的用电体验,直接给电网公司带来巨大的经济损失。现有故障诊断技术研究单一,没有充分利用用电信息采集系统自身的用电数据、事件数据、通信数据、主站运行数据等进行深化分析研究,因此如何有效利用用电信息采集系统大数据,提出合理准确诊断台区户变关系与线损异常的方法是当前电力数据深化应用研究的重点内容之一。本文以用电信息采集系统为研究对象,首先阐明本文的研究背景和意义,详细介绍用电信息采集系统的架构与功能模块,按照故障性质将系统故障进行分类,并叙述故障产生的原因与危害,重点研究台区户变关系异常与线损异常。针对用电信息采集系统出现台区户变关系异常问题,本文提出一种基于改进K-means聚类和改进皮尔逊相关系数的户变关系异常诊断方法。本文首先通过主成分分析对GIS系统获取台区总表和用户电表电压数据实现降维,建立改进K-means聚类提取电压数据特征,提出改进皮尔逊相关系数算法分析待检测用户,实现多异常用户所属正确台区诊断。实际算例分析结果表明,本文提出算法在识别单台区一个与多个异常用户、多台区多个异常用户情况下均能有效实现异常用户的准确检测与分析,相比传统检测方法,实现简单且准确性更高。针对用电信息采集系统出现线损异常问题,本文提出一种基于深度置信网络与改进支持向量回归的线损异常诊断方法。由于电网结构错综复杂、电气指标数据特征提取困难导致台区线损计算精度低,本文首先采用最大相关-最小冗余法筛选与线损密切相关的电气特征,再通过DBN充分提取电气特征指标数据多层复杂特征,将DBN顶层网络替换成具有很强非线性回归能力的SVR网络,并引入粒子群算法优化支持向量回归模型得到SVR参数最优解。依据用电信息采集系统数据验证本文方法的计算结果,实现高损台区线损异常诊断。实际算例分析结果表明,本文提出方法计算台区线损率相对误差均在5%以内,对于高损台区线损异常原因可达到98%的诊断率。本文提出方法相较于现有线损计算方法准确度更高,为高损台区线损异常诊断提供有效保证。最后基于本文提出方法,开发基于虚拟仪器技术的国网湖南省电力用户用电信息采集系统故障诊断单元Web页面,给出台区户变关系与线损异常诊断单元的总体方案设计,编程实现用电信息采集系统台区户变关系与线损异常诊断的数据读取、故障诊断、结果查询等功能,并应用实测数据完成系统的测试分析,进一步验证本文所提方法的有效性和准确性。