CN108765194A - 一种有效的居民用电行为分析系统 - Google Patents
一种有效的居民用电行为分析系统 Download PDFInfo
- Publication number
- CN108765194A CN108765194A CN201810533682.0A CN201810533682A CN108765194A CN 108765194 A CN108765194 A CN 108765194A CN 201810533682 A CN201810533682 A CN 201810533682A CN 108765194 A CN108765194 A CN 108765194A
- Authority
- CN
- China
- Prior art keywords
- electricity consumption
- cluster
- module
- big data
- algorithm
- 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.)
- Withdrawn
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 75
- 238000004458 analytical method Methods 0.000 title claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 41
- 230000003542 behavioural effect Effects 0.000 claims abstract description 20
- 238000007621 cluster analysis Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 230000010365 information processing Effects 0.000 claims abstract description 6
- 239000002245 particle Substances 0.000 claims description 17
- 238000007726 management method Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 5
- 210000000352 storage cell Anatomy 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 6
- 238000000926 separation method Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种有效的居民用电行为分析系统，包括信息采集模块、信息处理模块、聚类分析模块、用电行为分析模块和信息管理模块，所述信息采集模块用于实时收集居民用电大数据，所述信息处理模块用于对所述用电大数据进行处理和存储，所述聚类分析模块用于提取处理后的大数据中的用电数据特征，并采用聚类算法对用电数据特征进行聚类处理，所述用电行为分析模块用于对用电行为和需求进行分析，所述信息管理模块用于对分析得到的结果进行存储和显示，当判断存在异常用电行为时通过短信形式通知管理员进行预警。本发明的有益效果为：选择模糊C均值聚类算法对居民用电行为进行聚类分析，有效的提高了用户用电行为分析的准确性和快速性。
Description
技术领域
本发明创造涉及智能电网领域，具体涉及一种有效的居民用电行为分析系统。
背景技术
目前，随着国民经济的发展以及产业结构的调整，智能电网的要求越来越多，电力系统负荷越来越大，调度管理的作用越来越重要，再加上信息采集系统应用的扩展，用户用电负荷数据成海量态势增长，因此，对电网企业的电力信息化建设提出了更高的要求。如何处理不断增长的用户用电负荷数据，从而进行快速有效的居民用电行为分析，对于电力系统的调度管理能够起到指导性作用。
本发明根据居民用电负荷大数据的特点，选择模糊C均值聚类算法(FCM算法)对居民用电行为特征进行聚类分析，有效的提高了用户用电行为分析的准确性和快速性；针对传统FCM算法易陷入局部最优使得聚类效果差的问题，采用基于粒子群算法的FCM算法，有效的解决了由于初始聚类中心难以确定而导致的FCM算法容易陷入局部最优的问题，有效地提高了FCM算法的收敛速度和性能。
发明内容
针对上述问题，本发明旨在提供一种有效的居民用电行为分析系统。
本发明创造的目的通过以下技术方案实现：
一种有效的居民用电行为分析系统，包括信息采集模块、信息处理模块、聚类分析模块、用电行为分析模块和信息管理模块，所述信息采集模块用于实时收集居民用电大数据，所述信息处理模块用于对所述用电大数据的缺失值和异常值进行处理，并对处理后的用电大数据进行标准化处理和存储，所述聚类分析模块用于提取处理后的大数据中的用电数据特征，并采用聚类算法对用电数据特征进行聚类处理，所述用电行为分析模块用于根据聚类结果对用户的用电行为和用电需求进行分析和预测，所述信息管理模块用于对用电分析模块分析得到的用电行为和用电需求的结果进行存储和显示，当判断存在异常用电行为时通过短信形式通知管理员进行预警。
本发明创造的有益效果：本发明提供一种有效的居民用电行为分析系统，采用模糊C均值聚类算法对居民用电行为特征进行聚类分析，有效的提高了用户用电行为分析的准确性和快速性；针对传统FCM算法易陷入局部最优使得聚类效果差的问题，采用基于粒子群算法的FCM算法，有效的解决了由于初始聚类中心难以确定而导致的FCM算法容易陷入局部最优的问题，有效地提高了FCM算法的收敛速度和性能。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明结构示意图；
附图标记：
信息采集模块1；信息处理模块2；聚类分析模块3；用电行为分析模块4；信息管理模块5；数据优化单元21；数据存储单元22；特征提取单元31；分类处理单元32。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例的一种有效的居民用电行为分析系统，包括信息采集模块1、信息处理模块2、聚类分析模块3、用电行为分析模块4和信息管理模块5，所述信息采集模块1用于实时收集居民用电大数据，所述信息处理模块2用于对所述用电大数据的缺失值和异常值进行处理，并对处理后的用电大数据进行标准化处理和存储，所述聚类分析模块3用于提取处理后的大数据中的用电数据特征，并采用聚类算法对用电数据特征进行聚类处理，所述用电行为分析模块4用于根据聚类结果对用户的用电行为和用电需求进行分析和预测，所述信息管理模块5用于对用电分析模块分析得到的用电行为和用电需求的结果进行存储和显示，当判断存在异常用电行为时通过短信形式通知管理员进行预警。
优选地，所述信息处理模块2包括数据优化单元21和数据存储单元22，所述数据优化单元21用于对所述用电大数据中的缺失值进行填充，对所述用电大数据中的异常值进行过滤，并对处理后的大数据进行标准化处理，所述数据存储单元22用于对优化后的大数据进行存储。
本优选实施例提供一种有效的居民用电行为分析系统，采用模糊C均值聚类算法对居民用电行为特征进行聚类分析，有效的提高了用户用电行为分析的准确性和快速性。
优选地，聚类分析模块3用于对优化后的用电大数据进行聚类处理，包括特征提取单元31和分类处理单元32，所述特征提取单元31用于从优化后的用电大数据中提取用电行为特征值，构成特征向量组，所述分类处理单元32采用基于粒子群算法的模糊C均值聚类算法对所述特征向量组进行聚类处理，将具有相似用电行为特征的用户聚成一类。
优选地，所述分类处理单元32采用基于粒子群算法的模糊C均值聚类算法对获得的特征向量组进行聚类处理，具体为：
步骤1，对粒子群算法和模糊C均值聚类算法的参数进行初始化，包括聚类数目、粒子群规模、允许最大速度和最大迭代次数；
步骤2，按照编码规则随机生成初始种群，每个粒子代表各类的聚类中心；
步骤3，根据适应度函数计算初始种群中个体的适应值；
步骤4，计算粒子的速度，并更新粒子的位移和迭代次数；
步骤5，计算种群中的个体适应值，若达到最大迭代次数，则算法结束，否则，继续步骤4。
本优选实施例针对传统FCM算法易陷入局部最优使得聚类效果差的问题，采用基于粒子群算法的FCM算法，有效的解决了由于初始聚类中心难以确定而导致的FCM算法容易陷入局部最优的问题，有效地提高了FCM算法的收敛速度和性能。
优选地，所述粒子群算法采用的适应度函数f(i)的计算公式为：
式中，c表示聚类数，uij表示样本xj属于第i类的隶属度，vi表示第i类的聚类中心；
适应度函数f(i)的值越小，表示个体越好，聚类结果也就越好。
本优选实施例构建的粒子群算法的适应度函数，综合考虑了聚类数据集分类类内紧致性程度和类间分离性程度，当适应度函数的值越小，表示个体越好，聚类结果也就越好。
优选地，分类处理单元32提出一种新的模糊聚类有效性指标Vρ对模糊C均值聚类算法的分类结果进行评价，当模糊聚类有效性指标Vρ越小，则代表聚类结果越好，设c为聚类数，n为样本数，m为模糊因子，upj为样本xj属于第p类的隶属度，uqj为样本xj属于第q类的隶属度，uij为样本xj属于第i类的隶属度，vi和vj分别为第i类和第j类的聚类中心，则Vρ的计算公式为：
本优选实施例提出的新的模糊聚类有效性指标，在计算过程中，综合考虑了类内紧致性、类间分离性和重叠度参数，使得新的模糊聚类有效性指标能够有效的发现数据集中相对小的类和低密度的类，从而得到最佳的聚类个数。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (6)
1.一种有效的居民用电行为分析系统，其特征是，包括信息采集模块、信息处理模块、聚类分析模块、用电行为分析模块和信息管理模块，所述信息采集模块用于实时收集居民用电大数据，所述信息处理模块用于对所述用电大数据的缺失值和异常值进行处理，并对处理后的用电大数据进行标准化处理和存储，所述聚类分析模块用于提取处理后的大数据中的用电数据特征，并采用聚类算法对用电数据特征进行聚类处理，所述用电行为分析模块用于根据聚类结果对用户的用电行为和用电需求进行分析和预测，所述信息管理模块用于对用电分析模块分析得到的用电行为和用电需求的结果进行存储和显示，当判断存在异常用电行为时通过短信形式通知管理员进行预警。
2.根据权利要求1所述的一种有效的居民用电行为分析系统，其特征是，所述信息处理模块包括数据优化单元和数据存储单元，所述数据优化单元用于对所述用电大数据中的缺失值进行填充，对所述用电大数据中的异常值进行过滤，并对处理后的用电大数据进行标准化处理，所述数据存储单元用于对优化后的用电大数据进行存储。
3.根据权利要求2所述的一种有效的居民用电行为分析系统，其特征是，聚类分析模块用于对优化后的用电大数据进行聚类处理，包括特征提取单元和分类处理单元，所述特征提取单元用于从优化后的用电大数据中提取用电行为特征值，构成特征向量组，所述分类处理单元采用基于粒子群算法的模糊C均值聚类算法对所述特征向量组进行聚类处理，将具有相似用电行为特征的用户聚成一类。
4.根据权利要求3所述的一种有效的居民用电行为分析系统，其特征是，所述分类处理单元采用基于粒子群算法的模糊C均值聚类算法对获得的特征向量组进行聚类处理，具体为：
步骤1，对粒子群算法和模糊C均值聚类算法的参数进行初始化，包括聚类数目、粒子群规模、允许最大速度和最大迭代次数；
步骤2，按照编码规则随机生成初始种群，每个粒子代表各类的聚类中心；
步骤3，根据适应度函数计算初始种群中个体的适应值；
步骤4，计算粒子的速度，并更新粒子的位移和迭代次数；
步骤5，计算种群中的个体适应值，若达到最大迭代次数，则算法结束，否则，继续步骤4。
5.根据权利要求4所述的一种有效的居民用电行为分析系统，其特征是，所述粒子群算法采用的适应度函数f(i)的计算公式为：
式中，c表示聚类数，uij表示样本xj属于第i类的隶属度，vi表示第i类的聚类中心；
适应度函数f(i)的值越小，表示个体越好，聚类结果也就越好。
6.根据权利要求5所述的一种有效的居民用电行为分析系统，其特征是，分类处理单元提出一种新的模糊聚类有效性指标Vρ对模糊C均值聚类算法的分类结果进行评价，当模糊聚类有效性指标Vρ越小，则代表聚类结果越好，设c为聚类数，n为样本数，m为模糊因子，upj为样本xj属于第p类的隶属度，uqj为样本xj属于第q类的隶属度，uij为样本xj属于第i类的隶属度，vi和vj分别为第i类和第j类的聚类中心，则Vρ的计算公式为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810533682.0A CN108765194A (zh) | 2018-05-29 | 2018-05-29 | 一种有效的居民用电行为分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810533682.0A CN108765194A (zh) | 2018-05-29 | 2018-05-29 | 一种有效的居民用电行为分析系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108765194A true CN108765194A (zh) | 2018-11-06 |
Family
ID=64003903
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810533682.0A Withdrawn CN108765194A (zh) | 2018-05-29 | 2018-05-29 | 一种有效的居民用电行为分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108765194A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110781494A (zh) * | 2019-10-22 | 2020-02-11 | 武汉极意网络科技有限公司 | 数据异常预警方法、装置、设备及存储介质 |
| CN111476438A (zh) * | 2020-05-18 | 2020-07-31 | 南方电网科学研究院有限责任公司 | 一种用户用电量预测方法、系统以及设备 |
| CN111861781A (zh) * | 2020-02-29 | 2020-10-30 | 上海电力大学 | 一种居民用电行为聚类中的特征优选方法及系统 |
| CN111914900A (zh) * | 2020-07-03 | 2020-11-10 | 深圳供电局有限公司 | 一种用户用电模式分类方法 |
| CN112330067A (zh) * | 2020-05-28 | 2021-02-05 | 洋浦美诺安电子科技有限责任公司 | 基于区块链的金融大数据分析系统 |
| CN113449793A (zh) * | 2021-06-28 | 2021-09-28 | 国网北京市电力公司 | 用电状态的确定方法及装置 |
| CN113723671A (zh) * | 2021-08-16 | 2021-11-30 | 盛隆电气集团有限公司 | 一种基于用电情况大数据的数据聚类分析方法 |
-
2018
- 2018-05-29 CN CN201810533682.0A patent/CN108765194A/zh not_active Withdrawn
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110781494A (zh) * | 2019-10-22 | 2020-02-11 | 武汉极意网络科技有限公司 | 数据异常预警方法、装置、设备及存储介质 |
| CN111861781A (zh) * | 2020-02-29 | 2020-10-30 | 上海电力大学 | 一种居民用电行为聚类中的特征优选方法及系统 |
| CN111476438A (zh) * | 2020-05-18 | 2020-07-31 | 南方电网科学研究院有限责任公司 | 一种用户用电量预测方法、系统以及设备 |
| CN112330067A (zh) * | 2020-05-28 | 2021-02-05 | 洋浦美诺安电子科技有限责任公司 | 基于区块链的金融大数据分析系统 |
| CN112330067B (zh) * | 2020-05-28 | 2021-06-25 | 山东深度网络科技有限公司 | 基于区块链的金融大数据分析系统 |
| CN111914900A (zh) * | 2020-07-03 | 2020-11-10 | 深圳供电局有限公司 | 一种用户用电模式分类方法 |
| CN111914900B (zh) * | 2020-07-03 | 2023-10-27 | 深圳供电局有限公司 | 一种用户用电模式分类方法 |
| CN113449793A (zh) * | 2021-06-28 | 2021-09-28 | 国网北京市电力公司 | 用电状态的确定方法及装置 |
| CN113723671A (zh) * | 2021-08-16 | 2021-11-30 | 盛隆电气集团有限公司 | 一种基于用电情况大数据的数据聚类分析方法 |
| CN113723671B (zh) * | 2021-08-16 | 2024-03-19 | 盛隆电气集团有限公司 | 一种基于用电情况大数据的数据聚类分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108765194A (zh) | 一种有效的居民用电行为分析系统 | |
| 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 | |
| CN108875779A (zh) | 神经网络的训练方法、装置及终端设备 | |
| CN108376262A (zh) | 一种风电出力典型特性的分析模型构建方法 | |
| CN106529707A (zh) | 一种负荷用电模式识别方法 | |
| CN102324038B (zh) | 一种基于数字图像的植物种类识别方法 | |
| CN109190950B (zh) | 一种电表和水表档案贯通的用能异常识别方法 | |
| CN109325631A (zh) | 基于数据挖掘的电动汽车充电负荷预测方法和系统 | |
| CN110348665A (zh) | 一种低压台区电力系统数据质量评价方法及装置 | |
| CN106410781A (zh) | 一种电力用户需求响应潜力确定方法 | |
| CN107194415A (zh) | 一种基于拉普拉斯中心性的峰值聚类方法 | |
| CN108805213A (zh) | 计及小波熵降维的电力负荷曲线双层谱聚类方法 | |
| CN116148753A (zh) | 一种智能电能表运行误差监测系统 | |
| CN109558467A (zh) | 用电用户类别识别方法及系统 | |
| CN109242174A (zh) | 一种基于决策树的季节性负荷自适应划分方法 | |
| CN113837311A (zh) | 一种基于需求响应数据的居民客户聚类方法及装置 | |
| CN109544029A (zh) | 一种台区线损的分析方法、分析装置及终端 | |
| CN115995838A (zh) | 面向分布式储能及电动汽车的加权聚类方法、存储介质及电子设备 | |
| CN106022578A (zh) | 基于数据高维化和K-means聚类的居民用电峰谷平时段划分方法 | |
| CN108875801A (zh) | 一种基于智能电网的负荷曲线分类系统 | |
| CN110363384A (zh) | 基于深度加权神经网络的异常用电检测方法 | |
| CN113468385A (zh) | 基于边缘处理端的能源梯度确定方法、装置及存储介质 | |
| CN107918779A (zh) | 一种构建多元负荷聚类模型方法及系统 | |
| CN113392877A (zh) | 一种基于蚁群算法与c-k算法的日负荷曲线聚类方法 | |
| CN107392678A (zh) | 一种电价制定方法及系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181106 |
|
| WW01 | Invention patent application withdrawn after publication |