随着“泛在电力物联网”的提出,信息化与智能化已经成为智能电网的一个发展方向。一方面,利用通信技术,实现底层电气设备和云平台的广泛交流;另一方面,随着人工智能、数据挖掘技术的逐渐成熟,电网数据价值需要更深一步的挖掘,更好地完善应用层的用户服务。电网企业可以通过两个方面实现业务转型升级,促进社会经济的可持续发展。目前,仍有部分电气设备不能满足物联网发展的要求,但更换这些电气设备的成本比较昂贵。本文设计并制作了一款电力网关硬件平台,旨在解决部分电气设备的数据无法上传至云平台的问题。硬件上,本文利用FET335XS-Ⅱ核心板,在其周围设计了 RS485、USB、以太网、无线远距离等接口电路和供电电路;软件上,本文以嵌入式Linux操作平台为基础,在数据传输方面,实现对电气设备的数据采集,将设备层的Modbus数据协议解析处理,再封装成MQTT协议帧,通过远程无线网络上传至云端。其次,嵌入BOA Web服务器和SQlite3数据库,实现了电力网关参数的配置功能;利用对U盘的操作,实现系统升级服务。最后经过实验测试表明,该电力网关具有针对性强、成本低廉等特点,满足了电力场合的基本功能需求。电力网关将有价值的数据汇总在云平台上,通过数据分析可以获得潜在的经济价值。本文针对用户用电异常行为,以窃电行为为切入点,在总结了传统窃电行为的检测方法具有主观性强、滞后性高的缺点后,采用了基于多分类器组合的用电异常行为检测模型。本文首先对数据集进行分析,利用异常用电函数,合成了异常用电数据。然后在提取统计特征和降维后,对比了逻辑回归模型、SVM模型、随机森林模型和BP神经网络模型在窃电检测行为方面的性能指标。最后采用随机森林、支持向量机、BP神经网络等三个模型组合形成的多分类器组合模型,对窃电行为做了检测实验。实验表明,多分类器组合模型的综合性能优于单一的机器学习模型。该模型的设计,为电力企业在稽查窃电行为中提供了一定的建议,打击了恶意窃电行为,有利于电网的稳定运行。