CN103942606A - 基于果蝇智能优化算法的居民用电客户细分方法 - Google Patents
基于果蝇智能优化算法的居民用电客户细分方法 Download PDFInfo
- Publication number
- CN103942606A CN103942606A CN201410092324.2A CN201410092324A CN103942606A CN 103942606 A CN103942606 A CN 103942606A CN 201410092324 A CN201410092324 A CN 201410092324A CN 103942606 A CN103942606 A CN 103942606A
- Authority
- CN
- China
- Prior art keywords
- electricity consumption
- client
- fruit bat
- consumption client
- solution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于果蝇智能优化算法的居民用电客户细分方法,本发明就是基于新颖的果蝇智能优化算法根据居民用户用电曲线、用电量、谷电系数等属性进行一次及二次客户细分,进而对不同的用户群推送有针对性的用电优化及精准营销信,进而提升供电服务质量及客户满意度。通过采用果蝇智能优化算法对居民用电客户进行细分,本发明进一步规范居民的用电行为,削峰填谷,在降低居民电费电量的同时,提高电网的安全稳定性,实现居民用户和供电企业的双赢。
Description
技术领域
本发明涉及用电客户细分方法。
背景技术
随着经济的发展和生活水平的提高,居民用户的用电优化工作越来越受到人们的重视,如何对不同用电行为的居民用户采用有针对性的营销手段,已经成为供电企业提升服务质量的一项重要的工作。目前,已有的客户细分方法主要有两类:一种是按照用电客户的行业属性进行分类,通常分为大型工业用电、国家机关用电、城市服务用电、商业用电、学校用电和居民用电等;另一种是运用数据挖掘的方法基于客户用电行为的电力用户细分,主要有贝叶斯法,决策树法,传统聚类分析法,人工神经网络等。
第一种用电客户细分的方法只重视用户的用电属性,而忽视了同一用电属性之间的用户由于家庭构成不同、用电行为习惯不同等因素而导致的用电行为的较大差异。对同一用电属性的用户笼统的采用相同的营销策略,缺乏合理性。第二种用户细分方法是近年来新兴的算法,但是已有的基于数据挖掘的分类方法,都存在其天然的不足,导致分类误差较大。贝叶斯方法对用户行为属性的度量缺乏客观统一的标准;决策树法需要大量的已知数据作为训练样本,形成决策规则;传统聚类分析法太过依赖于初始聚类中心,且容易早熟收敛;人工神经网络方法则由于神经网络的权值训练过程中的BP算法本质是梯度下降方法,导致人工神经网络容易陷入局部极小。
发明内容
本发明所要解决的技术问题就是针对现有技术中几种细分方法存在的缺陷,提供一种基于果蝇智能优化算法的居民用电客户细分方法。
为解决上述技术问题,本发明采用如下技术方案:基于果蝇智能优化算法的居民用电客户细分方法,具体步骤如下:
a),采集该地区所有居民用电客户典型周的用电负荷数据,包括一周之内每天总用电数据x、每天峰时段电量xf、每天谷时段电量xg;
b),异常用电客户奇异值剔除,根据用电客户的用电负荷数据,将0用电量客户、电量过大用电客户剔除,保留正常用电客户;
c),数据归一化,为了后续果蝇算法开展的需要,对用电客户用电量按照如下方式标准化:
其中xmax、xmin分别表示用电量的最大、最小值;
d),居民用电客户基于周用电曲线的初次划分,每个用电客户的周用电量曲线X’(k)=[x’1,x’2,x’3,x’4,x’5,x’6,x’7],k=1,2,…,N,应用果蝇算法确定出所有分类中心后,得到居民用电客户的第一次划分;
e)重点用电客户基于用电量及谷电系数的二次划分,对一次划分得到结果中占比最大的用电群组进行二次划分。
优选的,步骤b)中,电量过大用电客户通过设定总用电客户量正常度阈值进行剔除,当用电客户周总用电量超过阈值,即按认定该用电客户为电量过大用电客户。
优选的,步骤d)中,根据与分类中心距离最小的原则,将用电客户分为用电平均用电客户,工作日高周末低用电客户,工作日低周末高用电客户。
优选的,步骤e)中,对于重点用电客户,基于周用电总量周谷
电系数b=xg'/x',其中二个维度应用果蝇智能聚类算法进行二次划分,这里根据与分类中心距离最小的原则,将用电客户分为小白用电客户、高端用电客户、耗电大户及正常用电客户。
优选的,果蝇算法的具体实现如下:
a)编码,用电客户基于日用电量的初次细分中,果蝇算法中的每个解以分类代表周用电量曲线Ff=[X1X2X3]=[x’11,x’12,x’13,x’14,x’15,x’16,x’17;x’21,x’22,x’23,x’24,x’25,x’26,x’27;x’31,x’32,x’33,x’34,x’35,x’36,x’37]表示,其中Xi表示第i类的周用电量代表曲线,x’ij表示第i类的第j天的用电量,用电平均用电客户基于周总用电量和谷电系数的二次细分中,果蝇算法中的每个解以分类中心[C1C2C3C4]表示,其中,Ci=[x’i bi],i=1,2,3,4,x’i表示第i类的总用电量,bi表示第i类的谷电系数;
b)初始化,随机初始化,即对每个解的每个元素在范围内都以随机的方式赋予初值;
c)嗅觉搜索,在果蝇种群中心位置周围,随机搜索产生NP个邻域解,解的每个元素的具体生成方式如下:
X'=X'+a
其中α∈U[0,0.05],为服从均匀分布的随机数;
d)评价,用电客户基于日用电量的初次细分中,对于种群中的每个解Ff,计算分类中心与每个用电客户X’(k)的距离:每个解Ff的评价值用电平均用电客户基于周总用电量和谷电量占比的二次细分中,对于种群中的每个解Ff,计算分类中心与每个用电客户X’(k)的距离: 每个解Ff的评价值
e)视觉搜索,选择生成的NP个邻域解的最优解,即评价值最小的解,如果优于果蝇种群中心解,则用最优邻域解替换为果蝇种群中心解。
果蝇智能优化算法是一种基于果蝇觅食行为而提出的群智能优化算法,算法将寻找优化解的过程模拟为果蝇种群的觅食过程,基于果蝇觅食行为中对嗅觉和视觉的运用来设计搜索操作,通过迭代实现对果蝇种群中心位置的优化,进而获得问题优化解。本发明就是基于新颖的果蝇智能优化算法根据居民用户用电曲线、用电量、谷电系数等属性进行一次及二次客户细分,进而对不同的用户群推送有针对性的用电优化及精准营销信,进而提升供电服务质量及客户满意度。
通过采用果蝇智能优化算法对居民用电客户进行细分,本发明的有益效果为:
1.本方法利用供电企业已有的居民用户用电数据,采用基于数据分析的方法,确定用户分类从而进行精准营销,系统设计的成本低,实现简单。
2.用果蝇智能优化算法进行用户细分,能克服已有数据挖掘方法的固有缺陷,用户分类具有更高的准确性。
3.基于不同用电属性对居民用户二次划分的精准营销系统能针对不同用电行为的用户实施有针对性的引导性营销,进一步规范居民的用电行为,削峰填谷,在降低居民电费电量的同时,提高电网的安全稳定性,实现居民用户和供电企业的双赢。
附图说明
下面结合附图和具体实施方式对本发明作进一步描述:
图1是基于果蝇智能优化算法的居民用电客户细分方法流程图;
图2是果蝇算法流程图。
具体实施方式
本发明的目的是由以下技术方案实现的:一种基于果蝇智能优化算法的居民用电客户细分优化及精准营销系统,首先利用电力营销系统采集用户典型周的用电负荷数据并剔除奇异数据值,形成基础数据集并为后续分析提供数据基础;其次,为了后续算法运算的需要,对基础数据集中的数据进行归一化;在此基础上,基于新颖的果蝇智能优化算法根据居民用户用电曲线、用电量、谷电系数等属性进行一次及二次客户细分,进而对不同的用户群推送有针对性的用电优化及精准营销信,进而提升供电服务质量及客户满意度。具体步骤如下:
a)收集用户用电负荷数据。从电力营销系统获取该地区所有居民用电客户典型周的用电负荷数据,包括一周之内每天总用电数据x、每天峰时段电量xf、每天谷时段电量xg。
b)异常用户奇异值剔除。根据用户的用电负荷数据,将0用电量客户、电量过大用户剔除,保留正常用电客户。其中电量过大用户通过设定总用户量正常度阈值进行剔除,当用户周总用电量超过阈值,即按认定该用户为电量过大用户。
c)数据归一化。为了后续果蝇算法开展的需要,需要对用户用电量按照如下方式标准化:
其中xmax、xmin分别表示用电量的最大、最小值。
d)居民用电客户基于周用电曲线的初次划分。每个用户的周用电量曲线X’(k)=[x’1,x’2,x’3,x’4,x’5,x’6,x’7],k=1,2,…,N,应用果蝇算法确定出所有分类中心后,得到居民用户的第一次划分。这里根据与分类中心距离最小的原则,将用户分为用电平均用户,工作日高周末低用户,工作日低周末高用户。
e)重点用电客户基于用电量及谷电系数的二次划分。对一次划分得到结果中占比最大的用电群组(重点用户)进行二次划分以进一步深入分析用户用电行为。具体的,对于重点用户,基于周用电总量周谷电系数b=xg'/x'(其中)等二个维度应用果蝇智能聚类算法进行二次划分,形成更加深入的用户细分结果。这里根据与分类中心距离最小的原则,将用户分为小白用户、高端用户、耗电大户及正常用户。
f)基于用户细分的精准营销服务推送。根据以上所分的用户群组,不同用户有着不同的用电特征,对不同类型的用户提供特定的优化服务,并推送差异化的营销信息。如对第一次划分得到的群组,对于工作日高周末低用户,由于其用电模式属于工商业客户的用电行为而与居民用户的用电行为区别较大,应建议入户调查其是否存在“高价低接”现象。再比如对于二次划分的得到的群组,对于小白用户,与高端用户相比,节电意识均很强,但不注意利用峰谷方式,需要引导,加强宣传;二次分析的目的在于希望其他用电行为的用户能够逐渐向高端用户靠拢,进而可以进一步规范居民的用电行为,削峰填谷,在降低居民电费电量的同时,提高电网的安全稳定性。
果蝇智能优化算法是一种基于果蝇觅食行为而提出的群智能优化算法。算法将寻找优化解的过程模拟为果蝇种群的觅食过程,基于果蝇觅食行为中对嗅觉和视觉的运用来设计搜索操作,通过迭代实现对果蝇种群中心位置的优化,进而获得问题优化解。
果蝇算法的具体实现如下:
f)编码。用电用户基于日用电量的初次细分中,果蝇算法中的每个解以分类代表周用电量曲线Ff=[X1X2X3]=[x’11,x’12,x’13,x’14,x’15,x’16,x’17;x’21,x’22,x’23,x’24,x’25,x’26,x’27;x’31,x’32,x’33,x’34,x’35,x’36,x’37]表示,其中Xi表示第i类的周用电量代表曲线,x’ij表示第i类的第j天的用电量。用电平均用户基于周总用电量和谷电系数的二次细分中,果蝇算法中的每个解以分类中心[C1C2C3C4]表示,其中,Ci=[x’i bi],i=1,2,3,4,x’i表示第i类的总用电量,bi表示第i类的谷电系数。
g)初始化。随机初始化,即对每个解的每个元素在范围内都以随机的方式赋予初值。
h)嗅觉搜索。在果蝇种群中心位置周围,随机搜索产生NP个邻域解。解的每个元素的具体生成方式如下:
x'=x'+α (2)
其中α∈U[0,0.05],为服从均匀分布的随机数。
i)评价。用电用户基于日用电量的初次细分中,对于种群中的每个解Ff,计算分类中心与每个用户X’(k)的距离:每个解Ff的评价值用电平均用户基于周总用电量和谷电量占比的二次细分中,对于种群中的每个解Ff,计算分类中心与每个用户X’(k)的距离: 每个解Ff的评价值
视觉搜索。选择生成的NP个邻域解的最优解,即评价值最小的解,如果优于果蝇种群中心解,则用最优邻域解替换为果蝇种群中心解。
Claims (5)
1.基于果蝇智能优化算法的居民用电客户细分方法,其特征在于具体步骤如下:
a),采集该地区所有居民用电客户典型周的用电负荷数据,包括一周之内每天总用电数据x、每天峰时段电量xf、每天谷时段电量xg;
b),异常用电客户奇异值剔除,根据用电客户的用电负荷数据,将0用电量客户、电量过大用电客户剔除,保留正常用电客户;
c),数据归一化,为了后续果蝇算法开展的需要,对用电客户用电量按照如下方式标准化:
其中xmax、xmin分别表示用电量的最大、最小值;
d),居民用电客户基于周用电曲线的初次划分,每个用电客户的周用电量曲线X’(k)=[x’1,x’2,x’3,x’4,x’5,x’6,x’7],k=1,2,…,N,应用果蝇算法确定出所有分类中心后,得到居民用电客户的第一次划分;
e)重点用电客户基于用电量及谷电系数的二次划分,对一次划分得到结果中占比最大的用电群组进行二次划分。
2.根据权利要求1所述的基于果蝇智能优化算法的居民用电客户细分方法,其特征在于:步骤b)中,电量过大用电客户通过设定总用电客户量正常度阈值进行剔除,当用电客户周总用电量超过阈值,即按认定该用电客户为电量过大用电客户。
3.根据权利要求1所述的基于果蝇智能优化算法的居民用电客户细分方法,其特征在于:步骤d)中,根据与分类中心距离最小的原则,将用电客户分为用电平均用电客户,工作日高周末低用电客户,工作日低周末高用电客户。
4.根据权利要求1所述的基于果蝇智能优化算法的居民用电客户细分方法,其特征在于:步骤e)中,对于重点用电客户,基于周用电总量周谷电系数b=xg’/x',其中二个维度应用果蝇智能聚类算法进行二次划分,这里根据与分类中心距离最小的原则,将用电客户分为小白用电客户、高端用电客户、耗电大户及正常用电客户。
5.根据权利要求1至4任意一项所述的基于果蝇智能优化算法的居民用电客户细分方法,其特征在于:果蝇算法的具体实现如下:
a)编码,用电客户基于日用电量的初次细分中,果蝇算法中的每个解以分类代表周用电量曲线Ff=[X1X2X3]=[x’11,x’12,x’13,x’14,x’15,x’16,x’17;x’21,x’22,x’23,x’24,x’25,x’26,x’27;x’31,x’32,x’33,x’34,x’35,x’36,x’37]表示,其中Xi表示第i类的周用电量代表曲线,x’ij表示第i类的第j天的用电量,用电平均用电客户基于周总用电量和谷电系数的二次细分中,果蝇算法中的每个解以分类中心[C1C2C3C4]表示,其中,Ci=[x’i bi],i=1,2,3,4,x’i表示第i类的总用电量,bi表示第i类的谷电系数;
b)初始化,随机初始化,即对每个解的每个元素在范围内都以随机的方式赋予初值;
c)嗅觉搜索,在果蝇种群中心位置周围,随机搜索产生NP个邻域解,解的每个元素的具体生成方式如下:
X’=X’+a
其中α∈U[0,0.05],为服从均匀分布的随机数;
d)评价,用电客户基于日用电量的初次细分中,对于种群中的每个解Ff,计算分类中心与每个用电客户X’(k)的距离:每个解Ff的评价值用电平均用电客户基于周总用电量和谷电量占比的二次细分中,对于种群中的每个解Ff,计算分类中心与每个用电客户X’(k)的距离: 每个解Ff的评价值
e)视觉搜索,选择生成的NP个邻域解的最优解,即评价值最小的解,如果优于果蝇种群中心解,则用最优邻域解替换为果蝇种群中心解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410092324.2A CN103942606A (zh) | 2014-03-13 | 2014-03-13 | 基于果蝇智能优化算法的居民用电客户细分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410092324.2A CN103942606A (zh) | 2014-03-13 | 2014-03-13 | 基于果蝇智能优化算法的居民用电客户细分方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103942606A true CN103942606A (zh) | 2014-07-23 |
Family
ID=51190268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410092324.2A Pending CN103942606A (zh) | 2014-03-13 | 2014-03-13 | 基于果蝇智能优化算法的居民用电客户细分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103942606A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184479A (zh) * | 2015-09-01 | 2015-12-23 | 广州地理研究所 | 基于智能水表的城市居民用水行为分类方法 |
CN105808900A (zh) * | 2014-12-29 | 2016-07-27 | 西门子公司 | 确定待评估用户是否有窃漏电嫌疑的方法和装置 |
CN106779295A (zh) * | 2016-11-18 | 2017-05-31 | 南方电网科学研究院有限责任公司 | 供电方案生成方法和系统 |
CN106779306A (zh) * | 2016-11-22 | 2017-05-31 | 南方电网科学研究院有限责任公司 | 用户分类模型的构建、电力能效分析用户分类方法及装置 |
CN107248086A (zh) * | 2017-02-21 | 2017-10-13 | 国网江苏省电力公司南通供电公司 | 基于用户用电行为分析的广告投放辅助分析方法 |
CN107292513A (zh) * | 2017-06-21 | 2017-10-24 | 国网辽宁省电力有限公司 | 一种基于svm分类算法实现电力客户管理的方法 |
CN107292902A (zh) * | 2017-07-07 | 2017-10-24 | 国家电网公司 | 一种结合果蝇优化算法的二维Otsu图像分割方法 |
CN108256923A (zh) * | 2018-01-30 | 2018-07-06 | 长安大学 | 一种基于车辆通行特征的etc客户细分方法 |
CN110781332A (zh) * | 2019-10-16 | 2020-02-11 | 三峡大学 | 基于复合聚类算法的电力居民用户日负荷曲线聚类方法 |
CN113240215A (zh) * | 2021-07-12 | 2021-08-10 | 湖北浩蓝智造科技有限公司 | 一种仓储agv的调度方法、系统、存储介质及电子设备 |
CN116596640A (zh) * | 2023-07-19 | 2023-08-15 | 国网山东省电力公司营销服务中心(计量中心) | 电力零售电费套餐的推荐方法、系统、设备及存储介质 |
CN117572331A (zh) * | 2024-01-16 | 2024-02-20 | 山东宜美科节能服务有限责任公司 | 一种对智能电表数据实时采集的方法及系统 |
-
2014
- 2014-03-13 CN CN201410092324.2A patent/CN103942606A/zh active Pending
Non-Patent Citations (1)
Title |
---|
潘文超: "应用果蝇优化算法优化广义回归神经网络进行企业经营绩效评估", 《太原理工大学学报(社会科学版)》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808900B (zh) * | 2014-12-29 | 2019-12-31 | 西门子公司 | 确定待评估用户是否有窃漏电嫌疑的方法和装置 |
CN105808900A (zh) * | 2014-12-29 | 2016-07-27 | 西门子公司 | 确定待评估用户是否有窃漏电嫌疑的方法和装置 |
CN105184479A (zh) * | 2015-09-01 | 2015-12-23 | 广州地理研究所 | 基于智能水表的城市居民用水行为分类方法 |
CN106779295A (zh) * | 2016-11-18 | 2017-05-31 | 南方电网科学研究院有限责任公司 | 供电方案生成方法和系统 |
CN106779306A (zh) * | 2016-11-22 | 2017-05-31 | 南方电网科学研究院有限责任公司 | 用户分类模型的构建、电力能效分析用户分类方法及装置 |
CN107248086A (zh) * | 2017-02-21 | 2017-10-13 | 国网江苏省电力公司南通供电公司 | 基于用户用电行为分析的广告投放辅助分析方法 |
CN107292513A (zh) * | 2017-06-21 | 2017-10-24 | 国网辽宁省电力有限公司 | 一种基于svm分类算法实现电力客户管理的方法 |
CN107292902A (zh) * | 2017-07-07 | 2017-10-24 | 国家电网公司 | 一种结合果蝇优化算法的二维Otsu图像分割方法 |
CN107292902B (zh) * | 2017-07-07 | 2020-05-19 | 国家电网公司 | 一种结合果蝇优化算法的二维Otsu图像分割方法 |
CN108256923A (zh) * | 2018-01-30 | 2018-07-06 | 长安大学 | 一种基于车辆通行特征的etc客户细分方法 |
CN110781332A (zh) * | 2019-10-16 | 2020-02-11 | 三峡大学 | 基于复合聚类算法的电力居民用户日负荷曲线聚类方法 |
CN113240215A (zh) * | 2021-07-12 | 2021-08-10 | 湖北浩蓝智造科技有限公司 | 一种仓储agv的调度方法、系统、存储介质及电子设备 |
CN116596640A (zh) * | 2023-07-19 | 2023-08-15 | 国网山东省电力公司营销服务中心(计量中心) | 电力零售电费套餐的推荐方法、系统、设备及存储介质 |
CN117572331A (zh) * | 2024-01-16 | 2024-02-20 | 山东宜美科节能服务有限责任公司 | 一种对智能电表数据实时采集的方法及系统 |
CN117572331B (zh) * | 2024-01-16 | 2024-03-26 | 山东宜美科节能服务有限责任公司 | 一种对智能电表数据实时采集的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103942606A (zh) | 基于果蝇智能优化算法的居民用电客户细分方法 | |
CN108280479B (zh) | 一种基于负荷特性指标加权聚类算法的电网用户分类方法 | |
Şchiopu | Applying TwoStep cluster analysis for identifying bank customers' profile | |
Weinand et al. | Developing a municipality typology for modelling decentralised energy systems | |
CN103049651A (zh) | 一种用于电力负荷聚类的方法及装置 | |
CN105404944A (zh) | 一种面向电力系统重过载预警的大数据分析方法 | |
CN105654196A (zh) | 一种基于电力大数据的自适应负荷预测选择方法 | |
Dong et al. | A short-term power load forecasting method based on k-means and SVM | |
CN107909294A (zh) | 一种基于客户画像技术的供电公司客户价值评价方法 | |
CN103646354A (zh) | 基于有效指标fcm和rbf神经网络的变电站负荷特性分类方法 | |
Ferraro et al. | Comparison and clustering analysis of the daily electrical load in eight European countries | |
CN107292513A (zh) | 一种基于svm分类算法实现电力客户管理的方法 | |
CN108960488A (zh) | 一种基于深度学习与多源信息融合的饱和负荷空间分布精准预测方法 | |
CN109685567A (zh) | 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 | |
CN111415049A (zh) | 一种基于神经网络及聚类的停电敏感性分析方法 | |
CN104376402B (zh) | 一种基于频域指标的负荷特性分类与综合方法 | |
CN104376371A (zh) | 一种基于拓扑的配网分层负荷预测方法 | |
Damayanti et al. | Electrical load profile analysis using clustering techniques | |
CN108399553A (zh) | 一种考虑地理和线路从属关系的用户特征标签设定方法 | |
CN107248031A (zh) | 一种针对负荷曲线峰谷差的快速电力用户分类方法 | |
CN110334739A (zh) | 一种两段式分量负荷预测方法及装置 | |
CN104636492B (zh) | 一种基于模糊积分特征融合的动态数据分级方法 | |
CN108122173A (zh) | 一种基于深度信念网络的多行业负荷预测方法 | |
CN110909786A (zh) | 一种基于特性指标与决策树模型的新装用户负荷辨识方法 | |
CN109583503A (zh) | 一种可中断负荷预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140723 |