CN106779295A - 供电方案生成方法和系统 - Google Patents
供电方案生成方法和系统 Download PDFInfo
- Publication number
- CN106779295A CN106779295A CN201611031918.8A CN201611031918A CN106779295A CN 106779295 A CN106779295 A CN 106779295A CN 201611031918 A CN201611031918 A CN 201611031918A CN 106779295 A CN106779295 A CN 106779295A
- Authority
- CN
- China
- Prior art keywords
- master data
- electric power
- cluster
- cluster centre
- power supply
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000005611 electricity Effects 0.000 claims abstract description 44
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000011084 recovery Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 241001269238 Data Species 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 108091006146 Channels Proteins 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种供电方案生成方法和系统,上述供电方案生成方法,包括如下步骤:从电力监控系统读取多组电力基本数据;其中所述电力基本数据指电力监控系统记录的客户用电数据;所述电力基本数据包括多个用于表征客户用电特征的特征字段,各个特征字段具有相应的特征字段值;读取所述电力基本数据的特征字段值,根据所述特征字段值设定多个聚类中心;根据所述聚类中心对电力基本数据进行聚类处理,得到各个聚类中心对应的多个基本数据聚类;根据任意一个基本数据聚类对应的电力基本数据生成该基本数据聚类对应的供电方案;其使所生成的供电方案切合各基本数据聚类对应用户的用电需求,具有更高的准确性。
Description
技术领域
本发明涉及电力技术领域,特别是涉一种供电方案生成方法和系统。
背景技术
电力系统的配电网需要为各类客户进行相应的供电。准确对供电量等供电信息进行预测得到相应的供电方案,使电力系统可以按照所预测的供电方案对其客户进行供电,这对电力系统的有序运行具有重要作用,其可以保证电网供电量的充足,避免电力能源过度浪费等问题的出现。
随着电力技术的高速发展,对各类用户的供电策略随着变复杂,传统的供电方案通常依据电力监控系统记录的历史供电数据确定,使所确定的供电方案准确性低。
发明内容
基于此,有必要针对传统技术所确定的供电方案准确性低的技术问题,提供一种供电方案生成方法和系统。
一种供电方案生成方法,包括如下步骤:
从电力监控系统读取多组电力基本数据;其中所述电力基本数据指电力监控系统记录的客户用电数据;所述电力基本数据包括多个用于表征客户用电特征的特征字段,各个特征字段具有相应的特征字段值;
读取所述电力基本数据的特征字段值,根据所述特征字段值设定多个聚类中心;
根据所述聚类中心对电力基本数据进行聚类处理,得到各个聚类中心对应的多个基本数据聚类;
根据任意一个基本数据聚类对应的电力基本数据生成该基本数据聚类对应的供电方案。
一种供电方案生成系统,包括:
读取模块,用于从电力监控系统读取多组电力基本数据;其中所述电力基本数据指电力监控系统记录的客户用电数据;所述电力基本数据包括多个用于表征客户用电特征的特征字段,各个特征字段具有相应的特征字段值;
设定模块,用于读取所述电力基本数据的特征字段值,根据所述特征字段值设定多个聚类中心;
聚类模块,用于根据所述聚类中心对电力基本数据进行聚类处理,得到各个聚类中心对应的多个基本数据聚类;
生成模块,用于根据任意一个基本数据聚类对应的电力基本数据生成该基本数据聚类对应的供电方案。
上述供电方案生成方法和系统,可以从电力监控系统读取多组电力基本数据,根据上述电力基本数据的特征字段值设定多个聚类中心,对电力基本数据进行聚类处理,得到各个聚类中心对应的多个基本数据聚类,再根据任意一个基本数据聚类对应的电力基本数据生成该基本数据聚类对应的供电方案;使所生成的供电方案切合各基本数据聚类对应用户的用电需求,具有更高的准确性。
附图说明
图1为一个实施例的供电方案生成方法流程图;
图2为一个实施例三个聚类数据分布示意图;
图3为一个实施例的供电方案生成系统结构示意图。
具体实施方式
下面结合附图对本发明的供电方案生成方法和系统的具体实施方式作详细描述。
参考图1,图1所示为一个实施例的供电方案生成方法流程图,包括如下步骤:
S10,从电力监控系统读取多组电力基本数据;其中所述电力基本数据指电力监控系统记录的客户用电数据;所述电力基本数据包括多个用于表征客户用电特征的特征字段,各个特征字段具有相应的特征字段值;
上述电力基本数据可以从电力监控系统的特定数据库(如CRM数据库等)中读取,通常情况下,一组电力基本数据对应一个用户,电力基本数据可以从用户购电、信用以及相关业务办理等多个方面表征相应用户的用电特征。电力基本数据可以包括用户用电量比率、电力回收率、用户用电量增长率和/或低谷用电率等多个特征字段,各个特征字段具有相应的取值(即特征字段值),电力基本数据通过其包括的特征字段值表征其对应用户的用电特点。
上述步骤在从电力监控系统读取多组电力基本数据后,可以进行包括缺失值(某些特征字段的特征字段值为空白)或者异常值(某些特征字段的特征字段值为明显异常)的电力基本数据进行删除或修改等预处理,以保证上述电力基本数据的准确性和有效性。
S20,读取所述电力基本数据的特征字段值,根据所述特征字段值设定多个聚类中心;
上述聚类中心包括多个特征字段,聚类中心的特征字段与上述电力基本数据的特征字段相对应,即电力基本数据的特征字段与聚类中心的特征字段相同,上述聚类中心可以在上述电力基本数据中随机选取,比如在电力基本数据中随机选取3个电力基本数据作为3个基本数据聚类对应的聚类中心。
在一个实施例中,为了使所选取的聚类中心更具代表性,聚类中心特征字段所取的特征字段值可以根据各个电力基本数据的特征字段值确定,通常确定为电力基本数据的特征字段值中几个具有代表性的值。比如,若电力基本数据某特征字段的特征字段值分布在1至12之间,设定3个聚类中心,则可以将聚类中心该特征字段的取值确定为2.5、6.5和10.5,即第一个聚类中心该特征字段的取值为2.5,第二个聚类中心该特征字段的取值为6.5,第三个聚类中心该特征字段的取值为10.5;各个聚类中心其他特征字段的取值也可以按照上述方式确定为相应特征字段取值中具有代表性的值。
S30,根据所述聚类中心对电力基本数据进行聚类处理,得到各个聚类中心对应的多个基本数据聚类;
上述步骤可以通过计算电力基本数据分别至各个聚类中心的距离(或者可以表征电力基本数据之间相速度的其他变量),将上述电力基本数据划分至最小 距离对应的聚类中心所代表的基本数据聚类。上述步骤得到的多个基本数据聚类对应多个用户群,通常情况下,一个基本数据聚类对应的所有用户具有相同或者相似的用电特征,可以针对该基本数据聚类的用户专门制定供电方案,以提高所得到的供电方案的针对性和准确性。
S40,根据任意一个基本数据聚类对应的电力基本数据生成该基本数据聚类对应的供电方案。
上述步骤可以根据某基本数据聚类对应的电力基本数据生成该基本数据聚类对应用户的供电方案,比如,可以按照该基本数据聚类中各个电力基本数据表征的平均耗电水平确定每个用户对应的供电方案,将上述平均耗电水平结合该基本数据聚类对应的用户数确定该基本数据聚类用户对应的总的供电方案。
本发明提供的供电方案生成方法,可以从电力监控系统读取多组电力基本数据,根据上述电力基本数据的特征字段值设定多个聚类中心,对电力基本数据进行聚类处理,得到各个聚类中心对应的多个基本数据聚类,再根据任意一个基本数据聚类对应的电力基本数据生成该基本数据聚类对应的供电方案;使所生成的供电方案切合各基本数据聚类对应用户的用电需求,具有更高的准确性。
在一个实施例中,上述从电力监控系统读取多组电力基本数据的步骤之后,还包括:
检测各组电力基本数据的特征字段,获取所述特征字段为空的空白特征字段;
查找所述空白特征字段对应的电力基本数据,得到误差基本数据;
从所述电力基本数据中剔除所述误差基本数据。
本实施例在从电力监控系统读取多组电力基本数据后,将空白特征字段对应的误差基本数据从电力基本数据中剔除,可以减少电力基本数据的噪声,提高所使用的电力基本数据的有效性。
作为一个实施例,从电网公司的电力监控系统获取基础数据作为上述电力基本数据,这些基础数据经过电网公司长期的管理实践,已经积累了大量的客户基本数据、业务数据、计量数据和服务数据等多方面的数据资产,这些数据 包含客户的行业类别、信用、业务办理、电量电费、渠道交互等多方面信息,是客户需求的客观反映。
在获取上述基础数据后,可以进行数据准备和数据预处理。例如:从电网公司电力监控系统的CRM数据库中提取某一年(如2015年)的5000条有效客户信息记录。其可以包含客户基本信息、用电量信息、购电量信息、缴欠费信息、购电量信息、业务办理信息及渠道沟通信息等数据,并对数据进行预处理。
数据预处理主要分为对缺失值的处理和对异常值的处理,以免对后续聚类结果产生影响。对缺失值的处理主要是对客户资料不完整、不准确的客户进行删除或修改。对异常值的处理主要是对用电数据异常客户的处理,例如购电或用电量为零客户、用电量及电费费用超大客户、重复客户,对上述客户对于的基础数据进行相应更新,可以保证后续所用数据的有效性。
在一个实施例中,上述根据所述聚类中心对电力基本数据进行聚类处理,得到各个聚类中心对应的多个基本数据聚类的过程可以包括:
根据电力基本数据的特征字段值与聚类中心相应特征字段值之差的平方和的平方根计算任意一个电力基本数据至各个聚类中心的距离;
将所述电力基本数据划分至与之距离最小的聚类中心对应的基本数据聚类。
上述第i个电力基本数据xi至第j个聚类中心的距离为D(xi,Zj(I)),其中:
式中,(xi-Zj(I))表示第i个电力基本数据的特征字段值与第j个聚类中心相应特征字段值之差。本实施例得到的基本数据聚类具有较高的准确性。
作为一个实施例,上述将所述电力基本数据划分至与之距离最小的聚类中心对应的基本数据聚类的步骤之后还可以包括:
计算各个聚类中心的特征字段值之和,按照所述特征字段值之和的大小关系对所述聚类中心进行排序;
获取各个聚类中心对应的电力基本数据,确定第j个基本数据聚类的第m个电力基本数据其中,j为非零整数,m为非零整数;
计算第j个基本数据聚类的各个电力基本数据至各聚类中心的误差平方和J(j);
检测相邻两个基本数据聚类对应的误差平方和之差是否收敛;
若是,则根据各个聚类中心对应的电力基本数据确定聚类结果。
作为一个实施例,上述检测相邻两个聚类中心对应的J(j)是否收敛的步骤之后,还可以包括:
若相邻两个聚类中心对应的J(j)不收敛,则根据各个基本数据聚类的电力基本数据的平均值更新聚类中心,根据更新后的聚类中心对电力基本数据进行聚类处理,得到各个聚类中心对应的多个基本数据聚类,并返回执行计算各个聚类中心的特征字段值之和,按照所述特征字段值之和的大小关系对所述聚类中心进行排序的步骤。
作为一个实施例,上述根据各个基本数据聚类的电力基本数据的平均值更新聚类中心的过程可以包括:
将各个基本数据聚类中电力基本数据的特征字段值代入聚类中心更新公式,计算更新后的聚类中心的特征字段值;其中所述聚类中心更新公式为:
式中,nj为第j个基本数据聚类的电力基本数据个数。
本实施例可以对各个基本数据聚类进行收敛性检测,若相邻两个基本数据聚类对应的误差平方和收敛,表明当前聚类结果达到最优;若相邻两个基本数据聚类对应的误差平方和不收敛,表明当前聚类结果还没有达到最优,需要对相应的聚类中心进行更新后重新基本数据聚类,以使最终获取的聚类结果为最 优聚类结果,进一步提高根据所述聚类结果确定相应用户群的准确性。
在一个实施例中,上述计算第j个基本数据聚类的各个电力基本数据至各聚类中心的误差平方和J(j)的过程可以包括:
将第j个基本数据聚类的各个电力基本数据和第j个基本数据聚类的聚类中心Zj(I)分别代入误差平方和公式计算误差平方和J(j);其中,所述误差平方和公式为:
式中,k表示基本数据聚类个数,J(j)表示第j个基本数据聚类的误差平方和。
在一个实施例中,上述检测相邻两个基本数据聚类对应的J(j)是否收敛的过程可以包括:
检测不等式|J(j)-J(j-1)|<ε是否成立;其中,ε为设定阈值,J(j-1)表示第j-1个基本数据聚类的误差平方和;
若成立,则判定第j-1个基本数据聚类和第j个基本数据聚类对应的误差平方和之差收敛;若不成立,则判定第j-1个基本数据聚类和第j个基本数据聚类对应的误差平方和之差不收敛。
上述设定阈值ε可以设定为某较小的阈值,比如设置为0.01等值,若|J(j)-J(j-1)|<ε,表明各个基本数据聚类已稳定,当前基本数据聚类达到最优聚类。
在一个实施例中,上述特征字段包括用户用电量比率、电力回收率、用户用电量增长率和/或低谷用电率。本实施例电力基本数据的特征字段值取值更为完整,可以有效表征相应用户的用电特征。
将上述供电方案生成方法用在电力系统的实际供电策略生成过程中,可以 从客户(用电用户)的购电水平、信用状况、发展潜力等方面来进行数据分析,取具有代表性的4个字段(特征字段)来分析客户用电、购电、电费收缴三个层面的情况。上述特征字段可以包括购电量比率、电费回收率、购电量增长率和低谷用电率;上述购电量比率可以与用户用电量比率相对应,电费回收率可以对应于电力回收率,购电量增长率可以对应于用户用电量增长率。可以从电力监控系统中读取到n组电力基本数据,其中部分电力基本数据可以参考表1所示。
在实际应用中,可以从n个数据对象任意选择k个作为初始聚类中心,而对于剩下的其它对象,则根据它们与这些聚类中心的相似度(距离),分别将它们分配给与其最相似的(聚类中心所代表的)基本数据聚类;然后再计算每个聚类中心(该基本数据聚类中所有对象的均值),依据新计算的聚类中心重新聚类处理得到新的基本数据聚类,不断重复这一过程直到准则函数开始收敛为止。
表1所示的10组电力基本数据
客户 | 购电量比率 | 电费回收率 | 购电量增长率 | 低谷用电率 |
1 | 0.8516 | 0.8507 | 0.6375 | 0.5348 |
2 | 0.8819 | 0.7879 | 0.7004 | 0.5610 |
3 | 0.6016 | 1.0000 | 0.8525 | 0.5616 |
4 | 0.2413 | 0.9521 | 0.0215 | 0.0000 |
5 | 0.1571 | 0.3156 | -0.0198 | 0.1583 |
6 | 0.2104 | 0.6014 | 0.1247 | 0.2014 |
7 | 0.4571 | 0.2478 | 0.0194 | 0.0257 |
8 | 0.6210 | 0.2789 | 0.7029 | 0.2041 |
9 | 0.1232 | 0.2489 | 0.1219 | 0.4012 |
10 | 0.5149 | 0.4787 | 0.1208 | 0.2148 |
上述聚类的过程可以包括:给定大小为n的数据集,选取k个初始聚类中心Zj(I),j=1,2,…,k,上述n可以为5000个用户的数据集,因从业务角度要分析客户用电、购电、电费收缴三个层面的情况,将聚类个数可以定为3,即k=3。I为聚类循环的次数。
计算每个数据对象到聚类中心的距离D(xi,Zj(I)),i=1,2,…,n,并根据距离最小将每个对象分派到最相近的基本数据聚类。分别将每个用户对象数据x的坐标点与聚类中心坐标点间的距离作比较,根据距离最大小将每个用户对象(用户对应的电力基本数据)划分到最近的聚类中心对应的基本数据聚类。即,若满足D(xi,Zk(I))=min{D(xi,Zj(I))}。
计算误差平方和准则函数J(j);
其中
I为基本数据聚类循环的次数,J(j)为每次循环后计算的误差平方和准则函数的结果数据;该结果代表每循环一次,将获得新基本数据聚类的聚类中心(即该基本数据聚类中所有对象的均值),不断重复这一过程直到准则函数开始收敛为止。
如果|J(j)-J(j-1)|<ε则算法结束;否则I=I+1,即计算k个新的聚类中心,根据更新后的聚类中心对各个电力基本数据进行聚类。J(j)为每次循环后计算的误差平方和准则函数的结果数据,本次与上次比较的差值在标准内,则算法结束,否则继续进行迭代分析。标准值的设定根据每次数据库的输出结果结合实际业务场景进行调整。
基本数据聚类达到最优(即|J(j)-J(j-1)|<ε)后,输出k个聚类集合,即k个基本数据聚类。
各聚类中心可以如表2所示;属于上述三个基本数据聚类的数据分布情况可以参考图2所示,属于客户群1的客户个数为1163,占全部客户的23.2%;属于客户群2的客户个数为568,占全部客户的1.4%;属于客户群3的客户个数为3269,占全部客户个数的65.4%。
表2聚类中心
中心点 | 购电量比率 | 电费回收率 | 购电量增长率 | 低谷用电率 |
Cluster 1 | 0.8862 | 0.9068 | 0.5658 | 0.6307 |
Cluster 2 | 0.2833 | 0.4879 | 0.0000 | 0.0105 |
Cluster 3 | 0.5741 | 0.7203 | 0.3637 | 0.4040 |
在实际应用中,还可以根据输出的细分结果,有针对性地设计不同的差异化服务策略,提升客户服务体验和客户满意度。
上述3个基本数据聚类代表的客户可以为:
(1)优质客户,客户数量少但够电水平高;
(2)易流失客户,客户比率相对低但购电水平也低;
(3)中等客户,占据客户群的主要部分,客户用电水平居中。
通过以上聚类分析,可以分别生成相应的供电方案,进行相应的供电服务:
对于第一类用电客户,可以提供各种个性化服务来提高服务水平,有针对性的做一些与用电相关的增值业务,如帮助客户合理安排用电,电力系统根据某些设定的条件主动安排与客户沟通计划,提高大客户的服务质量,避免大客户的流失;
对于第二类用户,这类用户具有潜在流失的可能性,对于这部分人群,首先要分析原因,找出可挽留的用户,采取紧急措施,提供必要的附加服务,使其愿意留下来。
对于第三类用户,其用电及购电水平处于中等,企业应及时处理客户需求及抱怨,进行信息跟踪及反馈,推行个性化服务。
参考图3所示,图3为一个实施例的供电方案生成系统结构示意图,包括:
读取模块10,用于从电力监控系统读取多组电力基本数据;其中所述电力基本数据指电力监控系统记录的客户用电数据;所述电力基本数据包括多个用于表征客户用电特征的特征字段,各个特征字段具有相应的特征字段值;
设定模块20,用于读取所述电力基本数据的特征字段值,根据所述特征字 段值设定多个聚类中心;
聚类模块30,用于根据所述聚类中心对电力基本数据进行聚类处理,得到各个聚类中心对应的多个基本数据聚类;
生成模块40,用于根据任意一个基本数据聚类对应的电力基本数据生成该基本数据聚类对应的供电方案。
本发明提供的供电方案生成系统与本发明提供的供电方案生成方法一一对应,在所述供电方案生成方法的实施例阐述的技术特征及其有益效果均适用于供电方案生成系统的实施例中,特此声明。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种供电方案生成方法,其特征在于,包括如下步骤:
从电力监控系统读取多组电力基本数据;其中所述电力基本数据指电力监控系统记录的客户用电数据;所述电力基本数据包括多个用于表征客户用电特征的特征字段,各个特征字段具有相应的特征字段值;
读取所述电力基本数据的特征字段值,根据所述特征字段值设定多个聚类中心;
根据所述聚类中心对电力基本数据进行聚类处理,得到各个聚类中心对应的多个基本数据聚类;
根据任意一个基本数据聚类对应的电力基本数据生成该基本数据聚类对应的供电方案。
2.根据权利要求1所述的供电方案生成方法,其特征在于,所述从电力监控系统读取多组电力基本数据的步骤之后,还包括:
检测各组电力基本数据的特征字段,获取所述特征字段为空的空白特征字段;
查找所述空白特征字段对应的电力基本数据,得到误差基本数据;
从所述电力基本数据中剔除所述误差基本数据。
3.根据权利要求1所述的供电方案生成方法,其特征在于,所述根据所述聚类中心对电力基本数据进行聚类处理,得到各个聚类中心对应的多个基本数据聚类的过程包括:
根据电力基本数据的特征字段值与聚类中心相应特征字段值之差的平方和的平方根计算任意一个电力基本数据至各个聚类中心的距离;
将所述电力基本数据划分至与之距离最小的聚类中心对应的基本数据聚类。
4.根据权利要求3所述的供电方案生成方法,其特征在于,所述将所述电力基本数据划分至与之距离最小的聚类中心对应的基本数据聚类的步骤之后还包括:
计算各个聚类中心的特征字段值之和,按照所述特征字段值之和的大小关系对所述聚类中心进行排序;
获取各个聚类中心对应的电力基本数据,确定第j个基本数据聚类的第m个电力基本数据其中,j为非零整数,m为非零整数;
计算第j个基本数据聚类的各个电力基本数据至各聚类中心的误差平方和J(j);
检测相邻两个基本数据聚类对应的误差平方和之差是否收敛;
若是,则根据各个聚类中心对应的电力基本数据确定聚类结果。
5.根据权利要求4所述的供电方案生成方法,其特征在于,所述检测相邻两个聚类中心对应的J(j)是否收敛的步骤之后,还包括:
若相邻两个聚类中心对应的误差平方和之差不收敛,则根据各个基本数据聚类的电力基本数据的平均值更新聚类中心,根据更新后的聚类中心对电力基本数据进行聚类处理,得到各个聚类中心对应的多个基本数据聚类,并返回执行计算各个聚类中心的特征字段值之和,按照所述特征字段值之和的大小关系对所述聚类中心进行排序的步骤。
6.根据权利要求5所述的供电方案生成方法,其特征在于,所述根据各个基本数据聚类的电力基本数据的平均值更新聚类中心的过程包括:
将各个基本数据聚类中电力基本数据的特征字段值代入聚类中心更新公式,计算更新后的聚类中心的特征字段值;其中所述聚类中心更新公式为:
式中,nj为第j个基本数据聚类的电力基本数据个数。
7.根据权利要求4所述的供电方案生成方法,其特征在于,所述计算第j个基本数据聚类的各个电力基本数据至各聚类中心的误差平方和J(j)的过程包括:
将第j个基本数据聚类的各个电力基本数据和第j个基本数据聚类的聚类中心Zj(I)分别代入误差平方和公式计算误差平方和J(j);其中,所述误差平方和公式为:
式中,k表示基本数据聚类个数,J(j)表示第j个基本数据聚类的误差平方和。
8.根据权利要求4所述的供电方案生成方法,其特征在于,所述检测相邻两个基本数据聚类对应的误差平方和之差是否收敛的过程包括:
检测不等式|J(j)-J(j-1)|<ε是否成立;其中,ε为设定阈值,J(j-1)表示第j-1个基本数据聚类的误差平方和;
若成立,则判定第j-1个基本数据聚类和第j个基本数据聚类对应的误差平方和之差收敛;若不成立,则判定第j-1个基本数据聚类和第j个基本数据聚类对应的误差平方和之差不收敛。
9.根据权利要求1至8任一项所述的供电方案生成方法,其特征在于,所述特征字段包括用户用电量比率、电力回收率、用户用电量增长率和/或低谷用电率。
10.一种供电方案生成系统,其特征在于,包括:
读取模块,用于从电力监控系统读取多组电力基本数据;其中所述电力基本数据指电力监控系统记录的客户用电数据;所述电力基本数据包括多个用于表征客户用电特征的特征字段,各个特征字段具有相应的特征字段值;
设定模块,用于读取所述电力基本数据的特征字段值,根据所述特征字段值设定多个聚类中心;
聚类模块,用于根据所述聚类中心对电力基本数据进行聚类处理,得到各个聚类中心对应的多个基本数据聚类;
生成模块,用于根据任意一个基本数据聚类对应的电力基本数据生成该基本数据聚类对应的供电方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611031918.8A CN106779295A (zh) | 2016-11-18 | 2016-11-18 | 供电方案生成方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611031918.8A CN106779295A (zh) | 2016-11-18 | 2016-11-18 | 供电方案生成方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106779295A true CN106779295A (zh) | 2017-05-31 |
Family
ID=58970947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611031918.8A Pending CN106779295A (zh) | 2016-11-18 | 2016-11-18 | 供电方案生成方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106779295A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274025A (zh) * | 2017-06-21 | 2017-10-20 | 国网山东省电力公司诸城市供电公司 | 一种实现用电模式智能识别与管理的系统和方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632306A (zh) * | 2013-09-23 | 2014-03-12 | 国家电网公司 | 一种基于聚类分析的配电网供电区域划分方法 |
CN103942606A (zh) * | 2014-03-13 | 2014-07-23 | 国家电网公司 | 基于果蝇智能优化算法的居民用电客户细分方法 |
CN104299115A (zh) * | 2014-11-11 | 2015-01-21 | 国网重庆市电力公司电力科学研究院 | 基于模糊c均值聚类算法的智能变电站二次系统状态分析方法 |
US20160054783A1 (en) * | 2014-08-22 | 2016-02-25 | Intel Corporation | Method and apparatus to generate and use power, thermal and performance characteristics of nodes to improve energy efficiency and reducing wait time for jobs in the queue |
CN105488628A (zh) * | 2015-11-30 | 2016-04-13 | 国网天津市电力公司 | 一种面向电力大数据可视化的数据挖掘方法 |
CN105574642A (zh) * | 2015-11-06 | 2016-05-11 | 广东工业大学 | 一种基于智能电网大数据的电价执行稽查方法 |
CN105701554A (zh) * | 2014-11-28 | 2016-06-22 | 国家电网公司 | 基于海量计量数据的用电设备能效混沌分析方法 |
CN106022959A (zh) * | 2016-05-19 | 2016-10-12 | 北京中电普华信息技术有限公司 | 一种面向削峰填谷的用电行为分析方法及系统 |
-
2016
- 2016-11-18 CN CN201611031918.8A patent/CN106779295A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632306A (zh) * | 2013-09-23 | 2014-03-12 | 国家电网公司 | 一种基于聚类分析的配电网供电区域划分方法 |
CN103942606A (zh) * | 2014-03-13 | 2014-07-23 | 国家电网公司 | 基于果蝇智能优化算法的居民用电客户细分方法 |
US20160054783A1 (en) * | 2014-08-22 | 2016-02-25 | Intel Corporation | Method and apparatus to generate and use power, thermal and performance characteristics of nodes to improve energy efficiency and reducing wait time for jobs in the queue |
CN104299115A (zh) * | 2014-11-11 | 2015-01-21 | 国网重庆市电力公司电力科学研究院 | 基于模糊c均值聚类算法的智能变电站二次系统状态分析方法 |
CN105701554A (zh) * | 2014-11-28 | 2016-06-22 | 国家电网公司 | 基于海量计量数据的用电设备能效混沌分析方法 |
CN105574642A (zh) * | 2015-11-06 | 2016-05-11 | 广东工业大学 | 一种基于智能电网大数据的电价执行稽查方法 |
CN105488628A (zh) * | 2015-11-30 | 2016-04-13 | 国网天津市电力公司 | 一种面向电力大数据可视化的数据挖掘方法 |
CN106022959A (zh) * | 2016-05-19 | 2016-10-12 | 北京中电普华信息技术有限公司 | 一种面向削峰填谷的用电行为分析方法及系统 |
Non-Patent Citations (1)
Title |
---|
卢海明: "电力客户细分及增值服务系统研究与应用", 《华北电力技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274025A (zh) * | 2017-06-21 | 2017-10-20 | 国网山东省电力公司诸城市供电公司 | 一种实现用电模式智能识别与管理的系统和方法 |
CN107274025B (zh) * | 2017-06-21 | 2020-09-11 | 国网山东省电力公司诸城市供电公司 | 一种实现用电模式智能识别与管理的系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110231528B (zh) | 基于负荷特征模型库的变压器户变异常识别方法及装置 | |
CN109873501B (zh) | 一种低压配电网拓扑自动识别方法 | |
Chicco et al. | Customer characterization options for improving the tariff offer | |
CN103325067B (zh) | 基于用电客户细分的服务推送方法和系统 | |
CN109063945A (zh) | 一种基于价值评估体系的售电公司360度客户画像构建方法 | |
CN106372747B (zh) | 基于随机森林的台区合理线损率估计方法 | |
CN111724039B (zh) | 一种向电力用户推荐客服人员的推荐方法 | |
CN105634971B (zh) | 一种分配流量的方法及装置 | |
CN106934596A (zh) | 基于相似度对比的建设工程项目数据管理方法及系统 | |
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 | |
CN111178957B (zh) | 一种用电客户电量突增预警的方法 | |
CN109816017A (zh) | 基于模糊聚类和拉格朗日插值的电网缺失数据填补方法 | |
CN109657846A (zh) | 电网交叉补贴规模影响因子筛选方法 | |
Selvam et al. | Fuzzy based clustering of smart meter data using real power and THD patterns | |
CN110413722A (zh) | 地址选择方法、装置以及非瞬时性存储介质 | |
CN109522934A (zh) | 一种基于聚类算法的电力用户聚类方法 | |
CN106651630B (zh) | 关键用电行业识别方法和系统 | |
CN106779295A (zh) | 供电方案生成方法和系统 | |
CN108428048A (zh) | 一种充换电网络运营评价方法 | |
CN106919712A (zh) | 报表的数据统计方法和系统 | |
CN115051363B (zh) | 一种配网台区户变关系辨识方法、装置及计算机存储介质 | |
CN106408182A (zh) | 一种核电设计项目工作量统计系统和方法 | |
Kohan et al. | Comparison of modified k-means and hierarchical algorithms in customers load curves clustering for designing suitable tariffs in electricity market | |
Davarzani et al. | Study of missing meter data impact on domestic load profiles clustering and characterization | |
Fan et al. | Digital Marketing Technology Based on Electricity User Portrait and K-means Clustering Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20170531 |