[发明专利]一种基于卷积神经网络和模糊聚类的用电客户画像新方法

说明书

本发明公开了一种基于卷积神经网络和模糊聚类的用电客户画像新方法，涉及卷积神经网络的负荷监测领域和模糊聚类的用电客户画像领域，包括以下步骤：通过卷积神经网络算法对用电负荷进行分类和用电量分解；通过模糊聚类算法为用电客户匹配画像。本发明适应于用电客户画像发展趋势，对实现差异化服务、电网系统稳定和负荷精准营销至关重要。

技术领域

本发明涉及卷积神经网络的负荷监测领域和模糊聚类的客户画像领域，具体涉及一种基于卷积神经网络和模糊聚类的用电客户画像新方法。

背景技术

“用电客户画像”是真实用电用户的虚拟代表，是将用电客户隐性特征显性化，是一种描述目标用电客户、了解用电客户特点与需求方向的有效工具。简单的说就是使用标签来量化用电客户特征属性，达到描述用户的目的一个具体的大数据分析应用的典型实现。

随着电网信息化水平的提升，各业务系统中的数据量越来越大，如何从海量数据中挖掘出想要的信息，充分发挥电网数据资产的价值，是电网大数据技术应用和数据分析需要解决的核心问题，也是本发明的关键所在。

用电客户的需求改变，供电企业和家用电器生产企业不能真正的了解到用电客户。因此，供电企业和家用电器生产企业也需要不断的改变模式，对客户精准画像，对不同客户实现差异化管理。通过客户画像，供电公司不仅能够保证用电客户家庭用电稳定运行，而且能够为负荷预测、辅助制定用电建议和辅助制定电价政策提供支撑；家用电器生产企业能实现供需平衡和精准营销。

现有电力用户画像存在的问题

(1)采集的区域范围太小和数据不全，降低了用电客户画像的精准性。

(2)客户行为特征数据的采集繁琐且周期太长，不能及时的为客户匹配画像。

(3)投入成本太高。

发明内容

本发明主要的解决的技术问题是提供一种基于卷积神经网络和模糊聚类的用电客户画像新方法，能够构建用电客户类别标签，全方位的展示用电客户信息，供电企业能够实现差异化服务和家用电器生产企业能够实现精准营销。

本发明采用的一个技术方案：一种基于卷积神经网络和模糊聚类的用电客户画像新方法，具体步骤如下：

步骤1：通过卷积神经网络算法对用电负荷进行分类和用电量分解；

步骤2：通过模糊聚类算法为用电客户匹配画像。

附图说明方式

图1为本发明的实施架构图。

图2为客户标签聚类流程图。

具体实施

本发明包括以下步骤：

步骤1：通过卷积神经网络算法对用电负荷进行分类和用电量分解；

1)通过智能电表采集到的电力入口出的大量的历史数据，利用事件探测法和特征提取得到各家庭用电负荷特征样本建立负荷特征库，对负荷样本进行预处理，组成训练集X＝{x₁,x₂,x₃,...,x_m}，生成训练集负荷样本对应的家庭用电负荷种类标签序列Y＝{y₁,y₂,y₃,...,y_m}作为期望输出。

当事件探测法检测到电器的投切，提取动作电器的负荷特征来建立负荷特征库。

预处理主要为了剔除数据的归一化处理，消除指标之间的量纲影响，具体描述如下：