一种基于标签聚类技术的电力大客户用电行为分析方法技术

本发明专利技术公开了一种基于标签聚类技术的电力大客户用电行为分析方法，基于海量的客户档案、负荷、电量数据，综合考虑客户用电特征、影响因素，建立了客户用电行为标签库，并采用k‑means算法进行标签聚类，实现不同类型电力客户用电行为画像。本发明专利技术选取的用电行为标签合理有效、采用的聚类算法效果显著，能够为电力公司掌握客户用电习性、挖掘客户需求、提高服务水平提供了有力的数据支撑。

A Label Clustering-based Electricity Behavior Analysis Method for Power Major Customers

The invention discloses a tag clustering technology-based analysis method for electricity consumption behavior of power customers. Based on a large amount of customer files, load and electricity data, considering the characteristics and influencing factors of customers'electricity consumption, a tag library of customers' electricity consumption behavior is established, and k_means algorithm is used for tag clustering to realize different types of electricity customers'electricity consumption behavior portraits. The electricity consumption behavior label selected by the invention is reasonable and effective, and the clustering algorithm adopted has remarkable effect, which can provide a powerful data support for power companies to master customers'electricity consumption habits, tap customers' needs and improve service level.

【技术实现步骤摘要】
一种基于标签聚类技术的电力大客户用电行为分析方法
本专利技术属于电力营销智能应用
，具体涉及一种基于标签聚类技术的电力大客户用电行为分析方法。
技术介绍
客户用电行为分析，以海量的客户用电行为数据为基础，通过识别不同客户群体的行为特征，从而达到科学的客户认知、风险管理、个性化营销和服务的目的。与传统的客户用电行为分析相比,基于数据挖掘的客户用电行为分析能够提高客户行为分析的精确度,并实现对客户的用电行为进行定量化描述。与专业部门开展的分析相比，基于大数据的客户用电行为分析更加注重对客户用电风险的预测和大客户用电效益的挖掘，促进公司运营效率和服务水平的提升。目前国内外专家学者基于电力客户用电数据，开展了大量的研究工作，例如采用聚类分析实现了客户用电行为特征优选，在降低计算复杂度的同时提高了客户用电行为分析的准确度；采用数据挖掘、云计算、动态博弈等技术开展用电行为分析研究，为提高客户需求感知、提升服务水平提供了支撑；以客户用电行为分析为手段，实现了负荷削峰填谷和多能互补供需优化，提高了电网运行安全稳定性。在大数据技术快速发展的背景下，客户标签和画像技术在电商、互联网领域得到广泛应用。
技术实现思路
本专利技术所要解决的技术问题是针对上述现有技术的不足，提供一种基于标签聚类技术的电力大客户用电行为分析方法。为实现上述技术目的，本专利技术采取的技术方案为：一种基于标签聚类技术的电力大客户用电行为分析方法，包括以下步骤：1)结合数据资源维度，建立客户用电行为指标体系；2)基于客户属性和数据分布，制定客户指标计算规则，将客户用电行为指标转化为标签；3)采用k-means算法对形成的客户标签系列进行聚类，得到典型客户群体分类；4)基于客户用电行为标签聚类结果，对客户群体进行画像分析，使客户用电行为分析更加简洁、直观。为优化上述技术方案，采取的具体措施还包括：步骤1)中，用电行为指标体系涵盖合同容量、用电类型、季节特性、温度敏感度、负荷稳定性、容量利用率、电量增长率、峰谷特性和周休特性，共计9个典型指标。步骤2)中，基于客户档案信息、业务人员工作经验和数据分布情况，划定指标阈值，并根据不同阈值的特征，将用电行为指标定义为具有业务意义的标签。步骤3)中，采用k-means算法对形成的客户标签系列进行聚类具体包括以下步骤：3.1)对用户标签集向量进行相异度分析(相异度可以用欧式距离度量，距离越大，相异度越高)，找出相异度最大的K个用户，作为并行k-means算法聚类算法的初始聚类中心；3.2)将所有用户标签与K个聚类中心进行相似度计算，并将用户归入相似度最高的聚类中心中；3.3)所有用户标签全部分类完成后，对各类别下的所有用户群取平均值，并以此平均值更新各类别当前的聚类中心，检查当前所有聚类中心与上一次迭代得到的聚类中心差值是否均小于预设阀值，若是，则返回步骤3.2)，否则，转入步骤3.4)；3.4)聚类结束，显示聚类结果。本专利技术具有以下有益效果：基于电力客户用电数据，梳理分析客户用电行为特征指标，并采用k-means算法实现了客户标签聚类，使客户用电行为分析结果更加直观。附图说明图1是本专利技术实施例的用户标签聚类流程图；图2是本专利技术实施例的客户标签分布情况图。具体实施方式以下结合附图对本专利技术的实施例作进一步详细描述。本专利技术的一种基于标签聚类技术的电力大客户用电行为分析方法，包括以下步骤：1)结合数据资源维度，建立客户用电行为指标体系：客户标签聚类的目标是快速掌握不同客户群体的用电特征，从而实现不同用电群体的差异化服务。因此，在标签的选择上，需要考虑最能反映客户用电特征的。基于海量的客户档案、负荷、电量数据，综合考虑客户用电特征、影响因素，经过多次梳理和业务分析，筛选得到了涵盖合同容量、用电类型、季节特性、温度敏感度、容量利用率等维度，共计9个典型指标的电力大客户用电行为指标体系。如表1所示。表1筛选后的客户用电行为标签2)基于客户属性和数据分布，制定客户指标计算规则，将客户用电行为指标转化为标签：基于客户档案信息、业务人员工作经验和数据分布情况，划定指标阈值，并根据不同阈值的特征，将用电行为指标定义为具有业务意义的标签。(1)合同容量标签说明：企业的合同容量代表着企业的生产规模，一般而言合同容量大的其用电量也大，容量和电量电费方面能体现出企业的用电价值，是供电公司最为关注的企业类型。而且在售电侧改革的背景下，这类用户是最值得争取的。标签分档：按照合同容量的大小，可分为合同容量大、合同容量较大、合同容量中等、合同容量较小、合同容量小五个级别。(2)用电类型标签说明：包括工业用电、商业用电、住宅用电、农业排灌用电、非工业用电、农业生产用电、以及临时接电七种类型。其中农业排灌用电、农业生产用电具有典型的季节性和间歇性，临时接电要注意其规范性和安全性。标签分档：工业用电、商业用电、住宅用电、农业排灌用电、非工业用电、农业生产用电、临时接电。(3)季节负荷特性计算公式：式中：下标SP、SU、FA、WI分别为春、夏、秋、冬四季的缩写，分别为企业最近3年春、夏、秋、冬有功负荷均值，为企业最近3年有功负荷均值，RSP、RSU、RFA、RWI分别为春、夏、秋、冬四季平均负荷相对于全年负荷的上升幅度。标签说明：用季节平均负荷的比值，反映企业负荷对季节的敏感性，这里选取3～5月为春季，6～8月为夏季、9～11月为秋季、12～2月为冬季。当RSP＞1.5时，该企业为春季敏感型，当RWI＞1.5时，该企业为冬季敏感型企业，其它季节以此类推。标签分档：春季敏感型、夏季敏感型、秋季敏感型、冬季敏感型、春秋敏感型、夏冬敏感型、无季节偏好。(4)温度敏感度计算方法：统计最近3年用户所在地区日平均温度、最近3年用户日平均负荷，将温度按1℃为单位划分，将属于各温度区间的日期进行汇总，计算各温度区间内所有日期的平均负荷，得到各温度区间内的用户平均负荷。标签分档：高温敏感型、低温敏感型、高低温敏感型、适温敏感型、温度不敏感。(5)负荷稳定性计算公式：f＝σ/μ×100％式中：σ为用户负荷标准差，μ为用户负荷平均值，f称为用户负荷的变异系数，它可以用于表征用户负荷的离散程度。标签说明：用户负荷变异系数的计算对象为用户最近1年平均负荷曲线。标签分档：负荷稳定、负荷较为稳定、负荷波动较大、负荷波动大。(6)容量利用率计算公式如下：式中：为用户年平均负荷，为用户年平均运行容量。标签说明：用户的容量利用率反映了用户的运行容量利用情况，若用户运行容量利用率较低，则可建议用户申请减容，减少容量费用，若用户运行容量利用率高，则需提醒用户注意安排生产，防止因超容产生罚款。标签分档：容量利用率高、容量利用率较高、容量利用率较低、容量利用率低。(7)电量增长率计算公式：re＝(Et-Et-1)/Et-1×100％式中：Et、Et-1分别为用户在本统计周期和上一统计周期的用电量，本专利技术选取周期为年，即为本年用电量与上年用电量，re为年用电量增长率。标签说明：与用户平均负荷类似，用户电量增长情况可以直接反映用户订单量变化、生产经营状况，能够为评估用户电费回收风险提供信号。标签分档：电量高增长、电量低增长、电量无增长、电量负增长。(8)峰谷特性计算公式：rpv＝Ep/Ev式中：Ep、E本文档来自技高网...

【技术保护点】
1.一种基于标签聚类技术的电力大客户用电行为分析方法，其特征在于：包括以下步骤：1)结合数据资源维度，建立客户用电行为指标体系；2)基于客户属性和数据分布，制定客户指标计算规则，将客户用电行为指标转化为标签；3)采用k‑means算法对形成的客户标签系列进行聚类，得到典型客户群体分类；4)根据聚类结果形成客户群体画像。

【技术特征摘要】
1.一种基于标签聚类技术的电力大客户用电行为分析方法，其特征在于：包括以下步骤：1)结合数据资源维度，建立客户用电行为指标体系；2)基于客户属性和数据分布，制定客户指标计算规则，将客户用电行为指标转化为标签；3)采用k-means算法对形成的客户标签系列进行聚类，得到典型客户群体分类；4)根据聚类结果形成客户群体画像。2.根据权利要求1所述的一种基于标签聚类技术的电力大客户用电行为分析方法，其特征在于：步骤1)所述用电行为指标体系涵盖合同容量、用电类型、季节特性、温度敏感度、负荷稳定性、容量利用率、电量增长率、峰谷特性和周休特性，共计9个典型指标。3.根据权利要求1所述的一种基于标签聚类技术的电力大客户用电行为分析方法，其特征在于：所述步骤2)中，基于客户档案信息、业务人员工作经验和数据分布情况，划定指标阈值，并根据不同...

【专利技术属性】
技术研发人员：季聪，谢林枫，管诗骈，尹飞，熊政，仲春林，吕辉，李昆明，方超，徐明珠，邵俊，郑飞，张开振，戚文君，张沈习，
申请(专利权)人：江苏方天电力技术有限公司，国网江苏省电力有限公司，国家电网公司，上海交统电力科技有限公司，
类型：发明
国别省市：江苏,32