CN113269360A - 一种基于电力用户用电行为画像的数据采集方法 - Google Patents
一种基于电力用户用电行为画像的数据采集方法 Download PDFInfo
- Publication number
- CN113269360A CN113269360A CN202110553415.1A CN202110553415A CN113269360A CN 113269360 A CN113269360 A CN 113269360A CN 202110553415 A CN202110553415 A CN 202110553415A CN 113269360 A CN113269360 A CN 113269360A
- Authority
- CN
- China
- Prior art keywords
- user
- power
- consumption behavior
- electricity consumption
- load
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012800 visualization Methods 0.000 claims abstract description 9
- 238000007621 cluster analysis Methods 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000002349 favourable effect Effects 0.000 abstract 1
- 230000006399 behavior Effects 0.000 description 34
- 238000010586 diagram Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000002759 z-score normalization Methods 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种基于电力用户用电行为画像的数据采集方法，包括以下步骤：首先采集预设范围内的电力用户的用电行为数据，并提取电力用户的日典型负荷曲线；接着明确电力用户聚类的类型数，对日典型负荷曲线进行降维可视化，分析得知聚类的类型数；然后对用户用电行为数据进行聚类分析；提取聚类后不同用户类型的用电行为特征，并用语义化标签进行描述，得到用户画像；最后，根据用户画像，通过比较电网负荷曲线与用户负荷曲线，分析用户用电行为的特点，提出针对性的电价调整方案。本发明针对不同类型的电力用户分别制定具有针对性的电费计算规则，有利于引导电力用户合理用电，从而起到辅助电网削峰填谷的作用。
Description
技术领域
本发明涉及电力技术领域，尤其涉及一种基于电力用户用电行为画像的数据采集方法。
背景技术
近年来，我国各行各业的电力用户数量增长迅速，系统内的用电结构发生了巨大变化，不同用户的用电行为呈现出明显的差异性和多样性的特点。目前，随着电力市场体制改革的深化，电力行业的发展已经处于一个新的形势。
电力系统用户终端的智能电表不断产生大量的用电数据，于是基于数据驱动产生了“电力用户画像”的概念。用户画像是一种帮助企业制定个性化营销策略的数据分析工具，它能够从整体上用具体的标签来刻画用户，构建出一个立体且虚拟的用户形象。电力用户画像可以帮助电力企业洞察客户需求，掌握客户的具体用电情况，提供针对性的供电策略。过去电力企业供电营销服务主要关注满足社会用电需求的基本营销服务，但是随着社会生产力、人民群众的生活水平不断提高，社会对电力营销服务多样化以及现代化的需求日益凸显。近几年来，公司不断探索各种途径，开展用户侧服务工作，提高营销服务水平，希望能够为电力用户提供更加优质的电力服务。
因此，本领域技术人员亟需提供一种基于电力用户用电行为画像的数据采集方法，针对不同类型的电力用户分别制定具有针对性的电费计算规则，有利于引导电力用户合理用电，从而起到辅助电网削峰填谷的作用。
发明内容
本发明的目的是提供一种基于电力用户用电行为画像的数据采集方法，针对不同类型的电力用户分别制定具有针对性的电费计算规则，有利于引导电力用户合理用电，从而起到辅助电网削峰填谷的作用。
为了实现上述目的，本发明提供了一种基于电力用户用电行为画像的数据采集方法，包括以下步骤：
步骤S01、采集预设范围内的电力用户的用电行为数据，并提取电力用户的日典型负荷曲线；
步骤S02、明确电力用户聚类的类型数，对日典型负荷曲线进行降维可视化，分析得知聚类的类型数；
步骤S03、对用户用电行为数据进行聚类分析；
步骤S04、提取聚类后不同用户类型的用电行为特征，并用语义化标签进行描述，得到用户画像；
步骤S05、根据用户画像，通过比较电网负荷曲线与用户负荷曲线，分析用户用电行为的特点，提出针对性的电价调整方案。
优选的，所述步骤S01中提取电力用户的日典型负荷曲线具体包括：
步骤S011、首先设一个某用户的日典型负荷集；
步骤S012、以该用户所有负荷曲线与典型负荷曲线欧式距离最小的函数为目标函数；
步骤S013、在预设的约束条件下，求得的解集即为该用户的日典型负荷曲线。
优选的，所述步骤S011具体包括：
设第j个季节共有m+1天，则用户i在第j个季节中的负荷集合Yij∈(m+1)*24为：
式(1)中：
为第j个季节中用户i在第d天第h小时的负荷值。
优选的，所述步骤S012具体包括：
设第i个用户第j个季节性日典型日负荷为：
Xij＝[x0,x1,x2......x23] (2)
式(2)中：xh为第j个季节中用户i在第h小时的典型负荷值；
则有目标函数：
式(3)中：Sij表示目标函数值；m表示第j个季节中的天数。
优选的，所述步骤S02中，首先，在可视化之前，先对数据进行标准化处理；然后，通过分析不同数据点在二维平面上的集群关系，将距离接近的数据点归为一类，经过分析，可得到聚类的类别数。
优选的，所述步骤S04中，用电行为特征包括：负荷率、峰谷差率、峰值用电百分比以及峰值用电时长占比。
优选的，所述步骤S05中，若某类用户当电网峰值时，负荷曲线为低谷值，而当电网处于低谷值时，用户负荷为峰值，此类用户则属于优质用户，与之相反的为劣质用户。
与现有技术相比，本发明的优势之处在于：本发明考虑不同类型的用户用电行为具有差异性，根据其用电差异性制定个性化的营销策略，目的是能够在用户的峰、谷、平用电时间段内以相对应的峰、谷、平电价计算电费，最后结果会使得电力用户所缴电费最贵，从而能够引导电力用户尽量错开峰值时段用电，对于辅助电网削峰填谷可以起到一定的积极效果。
附图说明
图1为本发明提供的基于电力用户用电行为画像的数据采集方法流程图；
图2为本发明中用户典型负荷聚类结果的示意图；
图3为本发明中典型负荷聚类结果的示意图；
图4为本发明中三类典型负荷曲线的示意图；
图5为本发明中居民用户负荷曲线与电网曲线的峰、平、谷时段分布的示意图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。
请参看图1-图5，图1为本发明提供的基于电力用户用电行为画像的数据采集方法流程图；图2为本发明中用户典型负荷聚类结果的示意图；图3为本发明中典型负荷聚类结果的示意图；图4为本发明中三类典型负荷曲线的示意图；图5为本发明中居民用户负荷曲线与电网曲线的峰、平、谷时段分布的示意图。
本发明提供一种基于电力用户用电行为画像的数据采集方法，包括以下步骤：
步骤S01、采集预设范围内的电力用户的用电行为数据，并提取电力用户的日典型负荷曲线；
步骤S02、明确电力用户聚类的类型数，对日典型负荷曲线进行降维可视化，分析得知聚类的类型数；
步骤S03、对用户用电行为数据进行聚类分析；
步骤S04、提取聚类后不同用户类型的用电行为特征，并用语义化标签进行描述，得到用户画像；
步骤S05、根据用户画像，通过比较电网负荷曲线与用户负荷曲线，分析用户用电行为的特点，提出针对性的电价调整方案。
其中，在步骤S01中，提取电力用户的日典型负荷曲线的方法为：
设第j个季节共有m+1天，则用户i在第j个季节中的负荷集合Yij∈(m+1)*24为：
式(1)中：
为第j个季节中用户i在第d天第h小时的负荷值。
设第i个用户第j个季节性日典型日负荷为：
Xij＝[x0,x1,x2……x23] (2)
式(2)中：xh为第j个季节中用户i在第h小时的典型负荷值。
则有目标函数：
式(3)中：Sij表示目标函数值；m表示第j个季节中的天数。
约束条件：
min{Yij[n][t]}≤Xij[t]≤max{Yij[n][t]}
t＝0,1,2...23；n＝0,1,2...m (4)
最后利用优化算法进行求解，即可得到用户的典型负荷曲线。
在步骤S02中，首先将高维的负荷数据进行降维、可视化，让不同用户的数据呈现在二维平面，在可视化之前，先对数据进行Z-Score标准化处理；然后，通过分析不同数据点在二维平面上的集群关系，将距离近的数据点归为一类，经过分析，可得到聚类的类别数n。
在步骤S03中，基于步骤S02中得到的类别数n，通过GMM算法进行聚类分析，得到具体的用户类型。
在步骤S04中，通过分析步骤S03得到的用户类型的典型负荷曲线，得到不同电力用户类型的具体用电行为特征，如负荷率、峰谷差率、峰值用电百分比、峰值用电时长占比等，再通过定义语义化的标签，对用户的用电行为进行描述，即用户画像。
在步骤S05中，基于步骤S04中得到的用户画像结果，可将用户分为不同类型。对于不同用户，其用电行为的特点会直接影响到电网的负荷曲线。若某类用户当电网峰值时，负荷曲线为低谷值，而当电网处于低谷值时，用户负荷为峰值，此类用户就属于优质用户，与之相反的为劣质用户。优质的用电行为将有利于电网的削峰填谷，而劣质的用电行为会导致电网曲线的峰谷差进一步增大。通过用户画像可以得到不同类型用户的负荷曲线，比较用户和电网的负荷曲线，得到如表1所示的个性化营销策略情况分类。为了辅助电网调峰，可以通过调整电价策略来引导不同用户的用电行为，具体可见下表：
实施例一
步骤S01：本文实验数据选用了某地区30个用户自2014年至2017年一共四年的用电数据，数据采集时间间隔为1小时，首先从数据中提取所有电力用户的日典型负荷曲线。
步骤S02：利用t-SNE算法对日负荷典型曲线的数据进行降维、可视化，让高维的数据呈现在二维平面上，由图2可知，数据一共可以被分为3类，于是聚类数k为3。
步骤S03：由步骤2可知，聚类数k为3，利用高斯混合模型聚类(GMM)算法对用户用电行为数据进行聚类分析，具体结果如图3所示。
如图4所示，图4为三类典型负荷曲线的示意图。第一类负荷：存在早、晚两个高峰，分别为上午7点至9点和晚上的18点至21点，用电低谷时段为中午和深夜，这属于典型的普通居民用户。第二类负荷：也存在两个高峰，分别为上午9点至11点和下午的13点至17点，中午有个短暂的相对用电低谷，17点以后用电负荷持续下降，这属于朝九晚五的办公写字楼用户。第三类负荷：只有一个用电高峰时段，且持续时间长，为傍晚的17点至22点，其余时间均呈现上升的趋势，可以发现这类用户用电量随着人流量增多而增大，属于商业型用户。
步骤S04：基于以上聚类结果，提取聚类后不同用户类型的用电行为特征，如负荷率、峰谷差率、峰值用电百分比以及峰值用电时长占比，并用语义化标签进行描述，即用户画像；
计算三类用户的用电行为特征，如表2所示用电行为特征：
步骤S05：基于以上用户画像结果，对不同类型的电力用户，针对其峰、谷、平时间段分别制定个性化的营销策略，具体如下：
根据用户画像的结果，这30个用户可以分为居民用户、写字楼办公用户和商业用户三类。针对不同用户的营销策略主要是根据用户的用电特性，划分对应的峰、谷、平时间段。设定用电量高于平均负荷的20％及以上为峰值电量，低于平均负荷的80％为谷时电量，其余为平时用电量。由图4可知，普通居民用户、写字楼用户以及商业用户的峰、谷、平时间段如表3所示，表3为三种类型用户用电时间段分布：
以写字楼用户为例，由表3可知，电网和写字楼用户的峰、谷、平时段的分布情况，如图5所示。
根据策略，上午9时至11时，电网和写字楼用户都处于峰值时段，此时对应收取的峰值电费上浮10％；下午13时至17时，电网处于平值时段，而写字楼用户处于峰值时段，此时对应收取的峰值电费上浮5％；上午7时至9时和晚上19时至20时，电网处于峰值时段，写字楼用户处于平值时段，对应收取的峰值电费不变；中午11时至13时和下午17至19时，电网和写字楼用户都处于平值时段，对应收取的平值电费不变；晚上20时至23时，电网处于峰值时段，写字楼用户处于低谷时段，对应峰值电费应下调10％；晚上23时至第二天早上7时，电网和写字楼用户都处于低谷时段，对应低谷电费上浮10％。
在电网的峰谷时段，若用户的用电行为与电网所期望的不一致，则对应时段电费上浮，若与电网所期望的行为一致，则对应时段电费下调，以此来引导用户的用电行为，辅助电网的削峰填谷。
以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，以上所述仅为本发明的较佳实施例，但本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。
Claims (7)
1.一种基于电力用户用电行为画像的数据采集方法，其特征在于，包括以下步骤：
步骤S01、采集预设范围内的电力用户的用电行为数据，并提取电力用户的日典型负荷曲线；
步骤S02、明确电力用户聚类的类型数，对日典型负荷曲线进行降维可视化，分析得知聚类的类型数；
步骤S03、对用户用电行为数据进行聚类分析；
步骤S04、提取聚类后不同用户类型的用电行为特征，并用语义化标签进行描述，得到用户画像；
步骤S05、根据用户画像，通过比较电网负荷曲线与用户负荷曲线，分析用户用电行为的特点，提出针对性的电价调整方案。
2.根据权利要求1所述的基于电力用户用电行为画像的数据采集方法，其特征在于，所述步骤S01中提取电力用户的日典型负荷曲线具体包括：
步骤S011、首先设一个某用户的日典型负荷集；
步骤S012、以该用户所有负荷曲线与典型负荷曲线欧式距离最小的函数为目标函数；
步骤S013、在预设的约束条件下，求得的解集即为该用户的日典型负荷曲线。
3.根据权利要求2所述的基于电力用户用电行为画像的数据采集方法，其特征在于，所述步骤S011具体包括：
设第j个季节共有m+1天，则用户i在第j个季节中的负荷集合Yij∈(m+1)*24为：
式(1)中：
为第j个季节中用户i在第d天第h小时的负荷值。
4.根据权利要求2所述的基于电力用户用电行为画像的数据采集方法，其特征在于，所述步骤S012具体包括：
设第i个用户第j个季节性日典型日负荷为：
Xij＝[x0,x1,x2......x23] (2)
式(2)中：xh为第j个季节中用户i在第h小时的典型负荷值；
则有目标函数：
式(3)中：Sij表示目标函数值；m表示第j个季节中的天数。
5.根据权利要求1所述的基于电力用户用电行为画像的数据采集方法，其特征在于，所述步骤S02中，首先，在可视化之前，先对数据进行标准化处理；然后，通过分析不同数据点在二维平面上的集群关系，将距离接近的数据点归为一类，经过分析，可得到聚类的类别数。
6.根据权利要求1所述的基于电力用户用电行为画像的数据采集方法，其特征在于，所述步骤S04中，用电行为特征包括：负荷率、峰谷差率、峰值用电百分比以及峰值用电时长占比。
7.根据权利要求1所述的基于电力用户用电行为画像的数据采集方法，其特征在于，所述步骤S05中，若某类用户当电网峰值时，负荷曲线为低谷值，而当电网处于低谷值时，用户负荷为峰值，此类用户则属于优质用户，与之相反的为劣质用户。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110553415.1A CN113269360A (zh) | 2021-05-20 | 2021-05-20 | 一种基于电力用户用电行为画像的数据采集方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110553415.1A CN113269360A (zh) | 2021-05-20 | 2021-05-20 | 一种基于电力用户用电行为画像的数据采集方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113269360A true CN113269360A (zh) | 2021-08-17 |
Family
ID=77232097
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110553415.1A Pending CN113269360A (zh) | 2021-05-20 | 2021-05-20 | 一种基于电力用户用电行为画像的数据采集方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113269360A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116128552A (zh) * | 2023-04-14 | 2023-05-16 | 深圳江行联加智能科技有限公司 | 电力交易系统的用户管理方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111144468A (zh) * | 2019-12-19 | 2020-05-12 | 国网冀北电力有限公司信息通信分公司 | 电力用户信息标签化方法和装置、电子设备以及存储介质 |
| CN111461761A (zh) * | 2020-02-29 | 2020-07-28 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于多维细粒度行为数据的居民用户画像方法 |
| CN111832861A (zh) * | 2019-04-19 | 2020-10-27 | 广州供电局有限公司 | 基于大数据平台的居民负荷变尺度画像方法和系统 |
| CN112711616A (zh) * | 2019-10-25 | 2021-04-27 | 广东电网有限责任公司 | 一种基于聚类算法的用户用电特性分析方法 |
-
2021
- 2021-05-20 CN CN202110553415.1A patent/CN113269360A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111832861A (zh) * | 2019-04-19 | 2020-10-27 | 广州供电局有限公司 | 基于大数据平台的居民负荷变尺度画像方法和系统 |
| CN112711616A (zh) * | 2019-10-25 | 2021-04-27 | 广东电网有限责任公司 | 一种基于聚类算法的用户用电特性分析方法 |
| CN111144468A (zh) * | 2019-12-19 | 2020-05-12 | 国网冀北电力有限公司信息通信分公司 | 电力用户信息标签化方法和装置、电子设备以及存储介质 |
| CN111461761A (zh) * | 2020-02-29 | 2020-07-28 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于多维细粒度行为数据的居民用户画像方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张美霞: "基于高斯混合模型聚类和多维尺度分析的负荷分类方法", 电网技术, vol. 44, no. 11, pages 4283 - 4293 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116128552A (zh) * | 2023-04-14 | 2023-05-16 | 深圳江行联加智能科技有限公司 | 电力交易系统的用户管理方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103577883A (zh) | 一种网-荷智能互动方法及装置 | |
| CN107729919A (zh) | 基于大数据技术的深化投诉穿透分析方法 | |
| CN111612228A (zh) | 一种基于用电信息的用户用电行为分析方法 | |
| CN107248031B (zh) | 一种针对负荷曲线峰谷差的快速电力用户分类方法 | |
| CN103942606A (zh) | 基于果蝇智能优化算法的居民用电客户细分方法 | |
| CN108389069A (zh) | 基于随机森林和逻辑回归的优质客户识别方法及装置 | |
| CN111428745A (zh) | 一种基于聚类分析的低压用户用电特征提取方法 | |
| CN114611738A (zh) | 一种基于用户用电行为分析的负荷预测方法 | |
| CN111798333A (zh) | 一种用能评估与用电安全分析方法和系统 | |
| 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 | |
| CN113269360A (zh) | 一种基于电力用户用电行为画像的数据采集方法 | |
| CN116955968B (zh) | 一种基于机器学习的用户用电行为分析方法 | |
| CN114202012A (zh) | 一种基于递归图与卷积自编码器的高维负荷聚类方法 | |
| CN112258067A (zh) | 基于高斯混合模型聚类算法的低压用户缴费行为分类方法 | |
| CN109583503A (zh) | 一种可中断负荷预测方法 | |
| CN111861587A (zh) | 一种基于隐马尔可夫模型和向前算法的居民用电行为分析的系统及方法 | |
| CN114048200A (zh) | 一种计及缺失数据补齐的用户用电行为分析方法 | |
| Rouwhorst et al. | Improving clustering-based forecasting of aggregated distribution transformer loadings with gradient boosting and feature selection | |
| CN115149528A (zh) | 一种基于大数据非侵入技术的智能电能表分布式预测方法 | |
| CN115146744A (zh) | 一种融合时间特征的电能表负荷实时辨识方法、识别系统 | |
| Feng et al. | A novel privacy protection framework for power generation data based on generative adversarial networks | |
| CN115358797A (zh) | 基于聚类分析法的综合能源用户用能行为分析方法、系统及存储介质 | |
| CN111768066B (zh) | 基于融合特征的园区电热负荷耦合关系分析方法及装置 | |
| Wang et al. | Analysis of user’s power consumption behavior based on k-means | |
| CN110648066B (zh) | 一种水库电站优先发电配额方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: 735000 Jiuquan power supply company of State Grid, No.8 Dunhuang Road, Suzhou District, Jiuquan City, Gansu Province Applicant after: JIUQUAN POWER SUPPLY COMPANY OF STATE GRID GANSU ELECTRIC POWER Co. Address before: 735000 Jiuquan power supply company of State Grid, No.8 Dunhuang Road, Suzhou District, Jiuquan City, Gansu Province Applicant before: Jiuquan power supply company of State Grid Gansu Electric Power Co.,Ltd. |
|
| CB02 | Change of applicant information |