[发明专利]一种用户用电行为确定方法和装置

说明书

本发明提供一种用户用电行为确定方法和装置，基于用户用电功率以及预先确定的聚类有效性指标确定最优聚类维度；基于最优聚类维度确定最优聚类种类数；基于最优聚类维度和最优聚类种类数，对用户用电功率进行集成聚类，得到各类用户用电行为模式，可靠性高，且能够确定用户用电行为模式；基于多种单一聚类算法，并采用多数投票法对用户用电功率进行集成聚类，针对随机性负荷具有鲁棒性，聚类误差范围小，聚类结果受噪声、孤立点、采样方法及敏感参数等因素影响较小，保证了用电用户行为聚类的有效性，为后续用户电价制定，需求响应等政策的制定提供了基础。

技术领域

本发明涉及用户用电行为技术领域，具体涉及一种用户用电行为确定方法和装置。

背景技术

随着数字化在工业各领域的推进，电力领域也在不断加强数字化建设，越来越多的传感器、智能终端、监测设备正在投入使用，它们将生产并记录电网发电、输电、变电、配电、用电各环节数据信息。深度挖掘电力数据信息并合理利用数据价值，打破电力能源领域的业务壁垒与信息壁垒，拓展电力能源新业态新模式，是电网发展的必然趋势。

用户是电网提供服务的对象。以用户需求为导向，提供高效、经济、精准、智能的电力能源服务是电网在用户消费侧面临的主要任务。智能电表获取丰富的用户用电数据，充分挖掘其信息与价值，分析用户用电行为，从而实现负荷预测、用户能效管理、用电客户精细分类、异常用电检测、电力营销等应用。同时用能状况也为政府就产业调整、经济调控等宏观决策提供依据。

用户用电行为受到多方面因素影响，如用户自身社会经济信息、外部环境温度等，呈现出随机性和复杂性特点。因此，选取合适的方法挖掘用电负荷曲线特征，判别用电模式，寻找用电规律与行为特点是用户用电行为分析亟待解决的问题。

现有的用户用电行为分析主要通过采用单一聚类方式实现，从层次、密度、划分等方面分类用户用电功率数据，获得用户用电消费行为的典型动态，研究用户用电行为的影响因素。但是单一聚类方式很难同时满足聚类效率、精度等多方面要求，未考虑负荷的随机性，且结果受噪声、孤立点、采样方法及敏感参数等因素影响较大，导致聚类结果可靠性低。

发明内容

为了克服上述现有技术中聚类结果可靠性低的不足，本发明提供一种用户用电行为确定方法和装置，基于用户用电功率以及预先确定的聚类有效性指标确定最优聚类维度；基于最优聚类维度确定最优聚类种类数；基于最优聚类维度和最优聚类种类数，对用户用电功率进行集成聚类，得到各类用户用电行为模式，可靠性高，且能够确定用户用电行为。

为了实现上述发明目的，本发明采取如下技术方案：

一方面，本发明提供一种用户用电行为确定方法，包括：

基于用户用电功率以及预先确定的聚类有效性指标确定最优聚类维度；

基于最优聚类维度确定最优聚类种类数；

基于所述最优聚类维度和最优聚类种类数，对用户用电功率进行集成聚类，得到各类用户用电行为模式。

所述基于用户用电功率以及预先确定的聚类有效性指标确定最优聚类维度，包括：

采用主成分分析法对用户用电功率进行初步降维；

选取初步降维后不同维度对应的戴维森堡丁指数中最小的若干个戴维森堡丁指数所对应的维度；

选取最小的若干个戴维森堡丁指数所对应的维度对应的轮廓系数，最大的轮廓系数对应的维度作为最优聚类维度；

其中，所述聚类有效性指标包括戴维森堡丁指数和轮廓系数。

所述基于最优聚类维度确定最优聚类种类数，包括：

确定最优聚类维度下不同聚类种类数对应的戴维森堡丁指数和最优聚类维度下不同聚类种类数对应的轮廓系数；