基于改进K-Means++分时电量聚类与行业用电行为分析

蔡 军， 谢 航， 谢 涛， 段 盼

(重庆邮电大学复杂系统实验室， 重庆 400065)

随着电力系统智能化的持续发展,电力数据海量性、多元类型等特点日益明显,一些与电力数据密切相关的电力传统问题呈现出新的问题特征[1]。如何利用大数据对电力用户进行分析[2-4]，这关系到供电部门掌控用电群体构成及用电特性，实现客户精细化管理，提供优质的用电服务[5]，进而引导用户自发进行用电管理，以保证配电网的运行安全。供电侧根据各个时段不同的供需平衡情况制定分时电价政策优化需求侧用电方式，需求侧根据分时电价政策来优化自身的用电行为[6]，分时电价政策成为需求侧电力消费行为的一个重要驱动机制，不但直接影响着用户的电费支出，而且在协调供需双方平衡中起着重要的促进作用，可以看出各个时段不同电量，即分时电量与分时电价有着密切的关系。此外随着经济的发展，行业用电量波动加剧[7]，各行业分时电量需求表现有所差别，所以基于分时电量的行业用电行为研究具有重要的理论和实际意义。

对于用户行为分析常利用K-Means聚类模型[8]，但是K-Means在相似性的度量、初始质心选择、聚类数方面的确定存在缺陷。文献[8]考虑用电曲线空间与形态的相似性，采用欧式距离与费雷歇距离的复合距离，提高了聚类的准确性。文献[9]根据在数据区域中，数据密度越大，数据点的聚合程度越高，采用基于密度的方法选择初始质心，获得更好的局部最优解。……