面向售电侧改革的用户分层聚类与套餐推荐方法

针对售电公司实现多样化服务类型,吸引更多用户的需求,提出了一种基于差异化特征提取的用户分层聚类方法,并对传统的k-medoids聚类算法进行改进,实现了聚类数目可变的自适应k-medoids算法。分层聚类中第1层聚类先基于马尔科夫模型提取代表用户用电行为多样性的用电特征,并运用自适应的k-medoids聚类算法实现对用户用电行为多变与否的识别。第2层聚类首先针对第1层聚类得到的各类用户提取差异化的用电特征,接着分别运用合适的聚类算法实现用户的再次分类。最后,为两层聚类后的子类用户推荐合适的电价套餐。实验结果表明,基于该差异化特征提取的分层聚类方法能够为售电公司实现有效的用户差异化套餐推荐服务,进而为吸引更多用户购电、扩大售电公司规模提供技术支撑。

基于电力用户特征和多属性效用的电价套餐混合优化选择研究

针对售电市场用户特征复杂和电价套餐属性繁多,交易过程中电价套餐选取困难的情况,本文提出一种基于电力用户特征相似度矩阵和套餐多属性效用的电价套餐推荐方法。首先,构建电力用户特征层次模型,并设计基于邻近性度量的混合特征定量分析方法,通过计算用户特征相似度矩阵,得到电价套餐初始推荐集。然后,基于多属性效用理论构建电价套餐对用户的效用模型,通过确定套餐属性值效用和属性权重计算套餐对用户效用,为用户选取最大效用的套餐完成最终推荐。实证研究表明:本文提出混合推荐方法在精确用户相似度计算、提高套餐推荐合理性方面比传统推荐算法表现更优越。电价套餐推荐服务可以提高用户满意度,增加售电公司市场竞争力和用户黏度,促进售电市场健康发展。