机器学习算法在电力贫困用户识别中的应用

毛秋云,李 璟,毕凤娟,潘一洲,蔡 慧,郭 倩,卢子萌

(1.中国计量大学 机电工程学院,浙江 杭州 310018;2.浙江华云信息科技有限公司,浙江 杭州 310012)

随着社会的发展,电网的覆盖面越来越广。电力企业拥有大量的用户用电数据,包括用户的年用电量、日用电量、缴费方式等。在这些数据之中隐藏着用户的用电特性信息,能够反映用户的类型和用电习惯[1-2]。然而由于电力用户数量庞大,这些数据往往十分繁杂多样,难以直观地看出用户特性。而对这些数据进行处理,进而提取出有价值的信息,成为当前的一大研究发展趋势。通过大数据分类方法可对这些数据进行分析分类,根据用户的用电习惯的不同将用户分为多个类别,得到不同的用户用电分类模型。常用于电力系统数据分析的方法有逻辑回归、支持向量机、决策树、神经网络等[3-6]。应用于预测分类的常用方法有神经网络、K-means聚类和模糊C均值法等,其中采用模糊C均值进行分类容易陷入局部最优的问题[7-9]。文献[10]将逻辑回归与支持向量机应用于某项指标敏感性评价,得到了较好的分类结果。文献[11]使用的支持向量机模型在电力系统故障分类方面表现出了比决策树和k近邻更好的分类特性。

近年来政府提出动员全党全国全社会力量,坚持精准扶贫、精准脱贫。贫困用户的精确识别就是精准扶贫的前提。传统的贫困用户识别采用实地走访方式进行贫困状况调查,该方式对人力资源要求高,走访时间长,存在信息延迟性且有走访对象表述不真实的隐患。……