一种基于用户行为数据挖掘的电能体验分析方法和系统技术方案

本发明专利技术提供一种基于用户行为数据挖掘的电能体验分析方法，包括获取用户侧各用户历史用电数据，以日期信息、时间信息和用户信息为坐标轴构建三维张量模型；通过Tucker分解方法对三维张量模型进行分解，得到由日期信息、时间信息和用户信息分别对应的二维特征矩阵，并确定用户用电负荷的分布规律；聚类分析并根据各种聚类结果，构建用户用电模式类别；确定用户敏感度的各个等级，将用户敏感度等级与用电模式类别相结合，构建用电模式预测模型；获取目标用户当前实际用电数据并导入用电模式预测模型，得到目标用户当前用电模式类别及其对应的当前敏感度等级。实施本发明专利技术，结合用户侧负荷敏感度，从用户的角度出发，得到对用户电能体验的分析结果。

Power experience analysis method and system based on user behavior data mining

The invention provides a data mining user behavior based on the experience of power analysis methods, including access to the user side of the user electricity data to date information, time information and user information for the construction of three-dimensional coordinate axis tensor decomposition of the tensor model; 3D model by Tucker decomposition method to obtain two-dimensional feature matrix corresponding to the date information, time information and user information, and determine the distribution of the electric load users; cluster analysis and according to the clustering results, the construction of electricity users to determine the level of model categories; user sensitivity, user sensitivity level and consumption pattern category combination prediction model is constructed with the access mode; the target user's current actual electricity data and import power mode prediction model, obtain the target user's current power mode and its corresponding category Current sensitivity level. According to the user side load sensitivity, the invention obtains an analysis result of the user's electric energy experience from the user's point of view.

【技术实现步骤摘要】
一种基于用户行为数据挖掘的电能体验分析方法和系统
本专利技术涉及电能体验
，尤其涉及一种基于用户行为数据挖掘的电能体验分析方法和系统。
技术介绍
随着信息技术和高新产业的发展，用户对电能的需求已从单纯的用电量向电能质量转变，因此电能质量评估对电力用户和供电商的服务质量，在供电和售电环节是很重要的因素。现有的电能质量标准是通过电能供给宏观上的稳态或暂态电流电压来描述的，仅强调电的物理属性，如电压暂降、暂升和短时中断、谐波产生的电压波形畸变等，而实际上电能质量的评估还取决于用户侧的敏感度和实际体验，从而才能更好的反映用户对电能质量客观和主观上的满意度。当前，电能体验已成为充分考虑到传统电能质量标准和相关电力用户信息而得到的综合电能评估标准，该评估标准不仅取决于发电侧，同时也与负载敏感度和电力用户侧的主观体验有关，因此实际应用更具有意义。用户敏感度是电能体验的重要评价指标，在同样的电能质量扰动强度下，使用高敏感度负载的用户受到的影响更大。实际上根据特征以及电能质量需求的不同，负载大致上可以分为普通负载和敏感负载，人们常常将运行大量敏感负载的电力用户称为敏感用户。由于电能质量扰动是不可避免的，所以敏感用户面临很大的风险，即使非常短时间的电压扰动也会对敏感负载产生很严重的影响。因此，对于敏感用户来说，即使是微乎其微的电能质量问题也会导致严重的经济损失。由此可见，亟需一种基于用户行为数据挖掘的电能体验分析方法，改变以往单独电能质量评价方式，通过结合用户侧负荷敏感度，从用户的角度出发，综合了电的物理属性(如谐波、暂降、无功等)和用户的要求提出的评价指标，使得评价更具有实际应用意义。
技术实现思路
本专利技术实施例所要解决的技术问题在于，提供一种基于用户行为数据挖掘的电能体验分析方法和系统，结合用户侧负荷敏感度，从用户的角度出发，得到对用户电能体验的分析结果。为了解决上述技术问题，本专利技术实施例提供了一种基于用户行为数据挖掘的电能体验分析方法，所述方法包括：获取用户侧各用户历史用电数据，并根据所述获取到的用户侧各用户历史用电数据，以日期信息、时间信息和用户信息为坐标轴构建三维张量模型；通过Tucker分解方法对所述构建的三维张量模型进行分解，得到由所述日期信息、时间信息和用户信息分别对应的二维特征矩阵，并根据所述得到的日期信息、时间信息和用户信息分别对应的二维特征矩阵，确定用户用电负荷的分布规律；对所述确定的用户用电负荷的分布规律进行聚类分析，并根据聚类分析后得到的各种聚类结果，构建出与相应聚类结果对应的用户用电模式类别；其中，所述用户用电模式的类别包括三峰型用电、双峰型用电、平稳型用电和避峰型用电；确定用户敏感度的各个等级，并将所述确定的用户敏感度的各个等级与所述构建出与相应聚类结果对应的用户用电模式类别相结合，通过预设的算法构建出用电模式预测模型；获取目标用户当前实际用电数据，并将所述获取到的目标用户当前实际用电数据导入所述构建出的用电模式预测模型中，得到目标用户的当前用电模式类别及其对应的当前敏感度等级。其中，所述各用户历史用电数据和所述目标用户当前实际用电数据均通过智能表采集，采集周期为半小时，且所述各用户历史用电数据和所述目标用户当前实际用电数据均包括日期信息、时间信息、用户信息、用电量、有功功率和无功功率。其中，所述确定的用户用电负荷的分布规律包括用户用电负荷的周变化规律和日变化规律。其中，所述各种聚类结果还包括对各用户用电量均值进行聚类分析后得到的聚类结果。其中，所述用户敏感度的各个等级是根据供用电合同或用户敏感负荷调研结果获取用电用户使用的所有敏感负荷信息，并结合出现电能质量问题后用户投诉次数以及对用户电能体验的调研结果而确定。其中，所述构建出的用电模式预测模型是通过随机森林算法将所述用户用电模式的各个类别以及有功功率和无功功率作为输入以及将所述确定的用户敏感度的各个等级作为输出训练成分类器而获得。本专利技术实施例还提供了一种基于用户行为数据挖掘的电能体验分析系统，所述系统包括：参数获取单元，用于获取用户侧各用户历史用电数据，并根据所述获取到的用户侧各用户历史用电数据，以日期信息、时间信息和用户信息为坐标轴构建三维张量模型；张量模型分解单元，用于通过Tucker分解方法对所述构建的三维张量模型进行分解，得到由所述日期信息、时间信息和用户信息分别对应的二维特征矩阵，并根据所述得到的日期信息、时间信息和用户信息分别对应的二维特征矩阵，确定用户用电负荷的分布规律；用电模式构建单元，用于对所述确定的用户用电负荷的分布规律进行聚类分析，并根据聚类分析后得到的各种聚类结果，构建出与相应聚类结果对应的用户用电模式类别；其中，所述用户用电模式的类别包括三峰型用电、双峰型用电、平稳型用电和避峰型用电；用电模式预测模型构建单元，用于确定用户敏感度的各个等级，并将所述确定的用户敏感度的各个等级与所述构建出与相应聚类结果对应的用户用电模式类别相结合，通过预设的算法构建出用电模式预测模型；用户体验分析单元，用于获取目标用户当前实际用电数据，并将所述获取到的目标用户当前实际用电数据导入所述构建出的用电模式预测模型中，得到目标用户的当前用电模式类别及其对应的当前敏感度等级。其中，所述确定的用户用电负荷的分布规律包括用户用电负荷的周变化规律和日变化规律。其中，所述用户敏感度的各个等级是根据供用电合同或用户敏感负荷调研结果获取用电用户使用的所有敏感负荷信息，并结合出现电能质量问题后用户投诉次数以及对用户电能体验的调研结果而确定。其中，所述构建出的用电模式预测模型是通过随机森林算法将所述用户用电模式的各个类别以及有功功率和无功功率作为输入以及将所述确定的用户敏感度的各个等级作为输出训练成分类器而获得。实施本专利技术实施例，具有如下有益效果：在本专利技术实施例中，通过将用户历史用电数据构建三维张量模型，并利用张量分解方法处理用户历史用电数据，且进一步通过机器学习算法对数据进行分析，不同于以往单独的电能质量评价，而是结合用户侧负荷敏感度，从用户的角度出发，综合了电的物理属性和用户的要求提出的评价指标，因此更具有实际应用意义。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本专利技术的范畴。图1为本专利技术实施例提供的一种基于用户行为数据挖掘的电能体验分析方法的流程图；图2为图1中步骤S2三维张量模型分解示意图；图3为本专利技术实施例提供的一种基于用户行为数据挖掘的电能体验分析系统的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步地详细描述。如图1所示，为本专利技术实施例中，提供的一种基于用户行为数据挖掘的电能体验分析方法，所述方法包括：步骤S1、获取用户侧各用户历史用电数据，并根据所述获取到的用户侧各用户历史用电数据，以日期信息、时间信息和用户信息为坐标轴构建三维张量模型；具体过程为，通过智能电表采集用户侧用户历史用电数据，且每半小时采集一次作为采集周期，并将采集到的历史用电数据以每个用户为存储单元，按本文档来自技高网...

【技术保护点】
一种基于用户行为数据挖掘的电能体验分析方法，其特征在于，所述方法包括：获取用户侧各用户历史用电数据，并根据所述获取到的用户侧各用户历史用电数据，以日期信息、时间信息和用户信息为坐标轴构建三维张量模型；通过Tucker分解方法对所述构建的三维张量模型进行分解，得到由所述日期信息、时间信息和用户信息分别对应的二维特征矩阵，并根据所述得到的日期信息、时间信息和用户信息分别对应的二维特征矩阵，确定用户用电负荷的分布规律；对所述确定的用户用电负荷的分布规律进行聚类分析，并根据聚类分析后得到的各种聚类结果，构建出与相应聚类结果对应的用户用电模式类别；其中，所述用户用电模式的类别包括三峰型用电、双峰型用电、平稳型用电和避峰型用电；确定用户敏感度的各个等级，并将所述确定的用户敏感度的各个等级与所述构建出与相应聚类结果对应的用户用电模式类别相结合，通过预设的算法构建出用电模式预测模型；获取目标用户当前实际用电数据，并将所述获取到的目标用户当前实际用电数据导入所述构建出的用电模式预测模型中，得到目标用户的当前用电模式类别及其对应的当前敏感度等级。

【技术特征摘要】
1.一种基于用户行为数据挖掘的电能体验分析方法，其特征在于，所述方法包括：获取用户侧各用户历史用电数据，并根据所述获取到的用户侧各用户历史用电数据，以日期信息、时间信息和用户信息为坐标轴构建三维张量模型；通过Tucker分解方法对所述构建的三维张量模型进行分解，得到由所述日期信息、时间信息和用户信息分别对应的二维特征矩阵，并根据所述得到的日期信息、时间信息和用户信息分别对应的二维特征矩阵，确定用户用电负荷的分布规律；对所述确定的用户用电负荷的分布规律进行聚类分析，并根据聚类分析后得到的各种聚类结果，构建出与相应聚类结果对应的用户用电模式类别；其中，所述用户用电模式的类别包括三峰型用电、双峰型用电、平稳型用电和避峰型用电；确定用户敏感度的各个等级，并将所述确定的用户敏感度的各个等级与所述构建出与相应聚类结果对应的用户用电模式类别相结合，通过预设的算法构建出用电模式预测模型；获取目标用户当前实际用电数据，并将所述获取到的目标用户当前实际用电数据导入所述构建出的用电模式预测模型中，得到目标用户的当前用电模式类别及其对应的当前敏感度等级。2.如权利要求1所述的方法，其特征在于，所述各用户历史用电数据和所述目标用户当前实际用电数据均通过智能表采集，采集周期为半小时，且所述各用户历史用电数据和所述目标用户当前实际用电数据均包括日期信息、时间信息、用户信息、用电量、有功功率和无功功率。3.如权利要求1所述的方法，其特征在于，所述确定的用户用电负荷的分布规律包括用户用电负荷的周变化规律和日变化规律。4.如权利要求1所述的方法，其特征在于，所述各种聚类结果还包括对各用户用电量均值进行聚类分析后得到的聚类结果。5.如权利要求1所述的方法，其特征在于，所述用户敏感度的各个等级是根据供用电合同或用户敏感负荷调研结果获取用电用户使用的所有敏感负荷信息，并结合出现电能质量问题后用户投诉次数以及对用户电能体验的调研结果而确定。6.如权利要求1所述的方法，其特征在于，所述构建出的用电模式预测模型是通过随机森林算法将...

【专利技术属性】
技术研发人员：张华赢，曹军威，朱正国，张婉璐，
申请(专利权)人：深圳供电局有限公司，清华大学，
类型：发明
国别省市：广东,44