基于海量數據挖掘的居民用電行為分析與互動方法研究

關英哲，王旭亮

（吉林建筑科技學院，吉林 長春 130000）

0 引言

經濟的發展帶動了人民生活水平的快速增長，在用電需求不斷提升的背景下，其多元化的特征越來越明顯。與此同時，許多電力企業都在進行深度變革之后，由傳統的生產型企業轉變為了經營型企業，有效拉近了和客戶之間的距離。在市場營銷概念深入應用中，用戶行為分析便成為了其一項較為重點的工作內容。從其影響來看，這不僅能夠在一定程度上幫助電力企業對于用戶用電行為有更為全面化的把控。同時，對其針對性輸送穩定電力、提升電力企業經濟效益都能夠產生積極作用，在此基礎上，幫助其在激烈市場競爭中取得優勢。為此，本篇文章在綜合了實踐調查和相關學者的論著之后完成。

1 新時代背景下用戶用電行為理論與應用的具體場景

1.1 智能電網用戶用電行為分析框架概述

首先，對于各種隱藏用戶用電行為習慣和相關數據進行分析，能夠及時發現其中所出現的超負荷現象，從而為用戶提供針對性供電服務。對這些用電數據進行深層次挖掘之后，能夠幫助電力企業相關工作人員更為準確、科學、系統化了解用戶用電類型、用電方式等相關內容，對于電力系統規劃和電力運營工作的順利開展都能夠產生積極作用。在電力市場快速發展過程中，加強對負荷側用戶用電規模、用電預測、檢測和電價的制定，已經成為了重要工作內容。有效借助于對居民用電行為的分析，便可以保障上述工作目標的穩定實現。

在經過了相關實驗分析之后，本篇文章主要將用戶用電行為分為三個模塊，分別為：采集智能電表數據、處理用電數據以及分析數據。在采集電能電表數據中，其著重強強調的是對整個電力系統有效管理，完成對用戶用電數據的收集和處理。將不同板塊、不同分區的數據都集中到一起進行高效處理，從而為后期工作順利開展奠定良好基礎。在處理用電數據方面，主要強調的是完成了數據和信息收集之后，根據既定工作目標和相關工作要求，所開展的一系列工作。及時提取其中所出現的有效信息，為用戶用電行為和信息分析提供充足保障。最后，對于用戶用電行為進行分類之后，可以對其用電特性進行科學化分析，為電網安全、可靠運行以及相關決策工作的開展提供保障。

1.2 海量數據挖掘中居民用戶用電特征提取及分類方法

在開展居民用電行為分析工作中，需要充分認識到用戶分類在其中所發揮的積極作用。并將其作為整個工作核心，以此為基礎促進相關工作的順利開展。就目前工作形勢來看，在對用戶用電行為進行分類時，主要采取直接聚類和間接聚類兩種方式。其中，直接聚類主要強調的是從用戶用電量角度出發，對其分析之后，將此作為特征，完成用戶分類工作，主要包括了k均值算法、FCM算法、層次聚類等相關處理方法。間接聚類主要強調的是在對用戶各項用電行為進行全面化分析之后，所確定的一種分類方式。從兩種分類方法的特點來看，其各有優勢和弊端，在進行分類方式選擇時，需要從多個角度進行綜合性考慮，選擇科學、合理的分類方式[1-3]。

根據對電力用戶分析和研究之后發現：其符合規律相對較強。因此，需要借助到幾種典型化符合模式對其進行描述和分析。在此過程中，影響最大的便是用戶符合模式的高度多樣性和可變性。不同用戶的用電需求不同，其用電習慣等方面也會表現出較大的差異性特點。即便是同一用戶，每天用戶方式、同一天不同時段的用電模式都會存在著或多或少差異性。因此便需要對這種特定用戶用電行為進行更為精準化劃分，從而實現用電模式的動態化分析和識別。另外，對于小型居民用電行為分析來講，這種動態化處理所產生的積極作用更為明顯。在開展用戶用電行為分析工作中，需要對其進行合理化應用。

2 海量數據挖掘中居民用戶用電行為分層聚類方法的應用

2.1 第一層聚類方法的應用分析

在開展用戶行為第一層聚類方法分析時，其主要采用的是自適應k—medoids聚類算法。具體來看，在完成了前期各項數據預處理工作之后，會利用到SAX方法，將其所產生的負荷曲線生成為字符串。從其積極作用來看，這能夠在一定程度上有效降低這些信息和數據所占用的空間。同時，也能夠降低智能電表和數據中心在運行中所產生的流量。其次，還需要有效結合馬爾科夫模型的優勢，對于用戶行為進行動態化處理和分析。借助到K-L曲線，完成用戶用電行為的分析，并生成一個相對較為完整的距離矩陣。最后，對有效數據進行整理之后，利用k-medoids算法完成對用戶用電行為的第一層分類[4-5]。

在此過程中，需要注意的是，并不是所有非類中心點都需要完成和類中心點的信息交換工作。這不僅會耗費大量時間，同時還會在一定程度上影響著電力企業經濟效益的提升。為此，在利用k—medoids聚類時，需要對其類聚交換次數進行限定。在規定范圍之內，開展各種信息交換工作。如果發現聚類的類別數目超過了既定工作范圍之內，則不能夠在利用k—medoids算法進行分類和計算工作。

2.2 基于差異化負荷特性分析的第二層聚類

結合目前電力市場電價形勢來看，其主要可以分為階梯式電價套餐和分時電價套餐兩種類型。為此，在對用戶用電行為進行第一層分類之后。將這些用電習慣較為相同的用戶進行合并，在對原始數據進行對比之后，將其分類用電行為規律和行為多變兩種類型。在完成信息合并之后，可以對兩者之間的差異化特征進行提取和分析，針對其中用電行為較為多變的用戶，可以將其用電總量作為主要研究對象和分類標準。針對用電行為較為規律的用戶，可以根據其用電峰值、谷值作為分類特征，從而完成第二層分類工作。

3 海量數據挖掘中居民用電互動方法研究與分析

在開展互動性研究過程中，主要可以分為以下幾項工作流程。

首先，需要結合前期的相關數據，對于參與對象進行科學化分類。在當前階段工作中，主要可以將其分為單向消耗類型和雙向功耗電兩種類型。其次，還需要從用戶日負荷時間角度進行充分考慮，根據其用電特性和供耗電量大量進行細化性分類與分析。從其積極作用來看，這能夠幫助相關工作人員及時發現互動性潛力較大的用戶。最后，在此基礎之上，構建出一個相對較為完整、系統化的分析體系。

具體來看，不同用戶用電行為、對電能的需求等都會存在著一定差異，并且其關注點也出現了很大不同。比如：在大型工業用戶中，其每日用電量極大。會著重考慮到電費的支出對其所產生的影響，并且在每日生產活動中，不同時間段的用電需求也有不同。借助到峰值谷值的判斷，便可以對其用電行為進行分析。為此，在開展互動作業時，需要從電價機理角度出發，對其進行分析。對于居民用戶來講，其對電費關注度不大，只需要能夠對其提供穩定電能，便可以實現和用戶之間的良好互動。

4 結束語

總體上來看，在新時代快速發展背景下，借助到信息和數據高效處理的方式，對于用戶用電行為進行分析和互動已經成為了一種社會趨勢。就我國目前發展狀況來看，在開展這部分工作時，仍然面臨著許多較為突出問題。為此，在今后工作中，相關技術人員需要加大技術研究力度，推動數據的深度應用。對于電力企業來講，也需要看到這種信息處理方式所產生的積極作用，對其進行合理化應用，有效提升經濟效益。