基于多维特征分析与动态定权聚类的电力居民用户分类

由于居民用户用电需求的高度随机性和不规则性,亟需详细的数据分析来定义用户的行为特征,以提供更加合理的用电建议和需求响应潜力。为了进一步挖掘非介入式辨识数据的价值,提出一种基于多维用电行为数据的电力居民用户分类方法。首先通过非介入式智能电表获取居民细粒度用电数据,分析用户的用电行为,寻找到关键用电特征量;接着使用CRITIC权重法自适应配置各指标权重,通过6类聚类评价指标,对4种聚类算法和3个数据距离计算进行对比,实现最优聚类方法和聚类数目的选择。通过某小区实际数据验证了本文所提用电特征量以及定权聚类方法的有效性,将居民用户群体分成用电行为差异明显的两类。

基于大数据分析的电力用户行为画像构建方法研究

为了解居民电力用户是否具备调控潜力,分析不同时间段居民电力用户用电情况,提高居民电力用户行为画像准确率为目的,提出基于大数据分析的电力用户行为画像构建方法。通过采集用户用电行为相关的真实数据,建立包含用户基本信息、用电行为、用电特性与缴费行为标签的用户行为标签库;利用改进K均值聚类算法分析用户行为簇别,根据簇别的降序实施目标用户群的筛选,根据居民电力用户不同行为标签与总体调控簇别的划分结果构建用户画像,并以可视化方式呈现。实验结果证明:所研究方法可有效分析出不同时间段的居民电力用户的用电情况,所构建的用户画像准确率较高,可以精准找出具备调控潜力的居民电力用户。