一种数据驱动的用电行为分析模型研究

泛在电力物联网的建设引入了海量电力用户侧数据。利用这些电力大数据,提出了一种数据驱动的用电行为特性分析方法。首先,提出基于用电行为特性的用户分类方法,选取多维指标作为用电行为分析和用户分类的依据,利用K均值算法得到多维子空间聚类结果;其次,提出基于最大联合互信息算法(JMMC)的用电行为关联因素辨识方法,分别计算了各类用户用电量数据与潜在关联环境因素的互信息值,并通过JMMC算法对因素进行灵敏度排序,提取相关性高、冗余度低的因素作为预测建模的输入变量;进而,对各类用户建立了基于深度置信网络(Deep Belief Network,DBN)的短期负荷预测模型,利用DBN的特征提取优势和辨识的强关联因素提高了预测精度,证明了环境感知模型的有效性。提出的用电行为分析模式,对于把握用电规律、提升电网侧服务质量等方面具有积极意义。