基于K均值聚类的居民用电行为特征分析∗

周 宇 刘海璇 胡卫丰 胥 峥 刘志明 袁晓玲

（1.国网江苏省电力有限公司 南京 210008）（2.中国电力科学研究院 南京 210003）（3.河海大学能源与电气学院 南京 211100）

1 引言

影响用户用电行为的因素众多，需要从时间、空间、用户类型等多个维度，分析自然、社会各种潜在因素与用电行为的关联关系，并深度挖掘因素集与用户用电行为的关联强度［1］。影响用户用电行为模式的各个因素关联强度亦不相同，为此，需要利用关联挖掘技术分析影响因素集合与相关性或因果结构［2］。从而针对特定的用户行为，用电行为集合之间的频繁模式、关联性、从众多因素中发现提炼与其关联的影响要素，建立精细化用电模式与影响因素的关联模型，从而进一步理解用户用电行为［3］。

目前，随着泛在电力物联网进程的提出和不断推进，众多信息系统和平台在有效管理各类智能设备、促进智能电网建设、提升公司电网运营管理水平的同时［4］，电网企业存储了海量数据，这些数据直观上没有表现出任何有价值的信息，但采用数据挖掘的方法，数据中隐藏的信息就会被提取出来［5～6］。文献［7］考虑城市微气象和节假日等影响因素，建立用电行为差异化模型，精细化挖掘用户用电行为特征。文献［8～9］利用数据挖掘和数理统计的相关技术，对一个地区不同行业的用电行为进行分析，提取出各个行业的用电特征和客户的群体特性。文献［10］以高斯滤波技术消除初始数据中的噪声，结合k-means、SOM等聚类算法建立聚类分析模型，获得隐藏在数据集中典型用电模式及其合适的聚类数目。……