以日瞬时燃气流量和日燃气消耗量为研究对象，提出了一种基于K－means聚类、特征标签、用户肖像、k-折叠交叉验证和岭回归的燃气负荷异常检测方法。结合实例，讨论了异常检测方法。案例用户在一定时间内的瞬时流量由一个数据集组成，并使用K－means算法进行聚类分析。气体消耗分为两种类型：工艺生产和停堆小火，并获得工艺生产数据集。对于工艺生产数据集中的每个样本，获得六个特征标签（日最大负荷、日平均负荷、日耗气量周期百分比、日耗气量、耗气量负荷相似性、耗气量负荷影响）。在对特征标签进行规范化后，绘制修改后的箱线图，即用户肖像，并消除异常样本。采用K-折叠交叉验证和岭回归算法构建异常评估标准。采用岭回归算法建立异常评价模型。将案例用户在另一段时间内的瞬时流量输入异常评估模型，用于负载异常检测。与实际结果相比，该异常检测方法的准确率在90%以上。