一种基于电力大数据分析的企业复工辅助判断方法技术

本发明专利技术公开了一种基于电力大数据分析的企业复工辅助判断方法,涉及一种判断企业复工方法。目前，判断企业是否复工，需要一家一家的进行上门排查，效率低。本发明专利技术包括步骤包括：获取对应用户的相关用电数据，而后基于用户的相关用电数据对用户进行分群及对应阀值K的计算，基于计算的阀值K计算区域内复工用户的比例，最后基于计算的区域内复工电量比例，得到“企业复工电力指数”。本技术方案采用客观的手段，排除人为因素，有效提高了数据的准确性、效率高，且实时性强，可以实现掌握当天的复工情况，有利于抗疫等工作的开展。采用K‑medoids算法进行用户分群，有效提高分类的快速性、准确性。

【技术实现步骤摘要】
一种基于电力大数据分析的企业复工辅助判断方法
本专利技术涉及一种判断企业复工方法，尤其涉及一种基于电力大数据分析的企业复工辅助判断方法。
技术介绍
目前，判断企业是否复工，需要一家一家的进行上门排查，效率低，而且存在人为因素的干扰，可能存在瞒报、假报的情况，准确率低。
技术实现思路
本专利技术要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供一种基于电力大数据分析的企业复工辅助判断方法，以达到准确判断企业复工情况的目的。为此，本专利技术采取以下技术方案。一种基于电力大数据分析的企业复工辅助判断方法，包括以下步骤：1)获取对应用户的相关用电数据；从用户的用电属性、电压等级、行业分类、行政区四个维度进行数据的采集，用电数据包括：采集当年、前一年、前二年春节前一段时间，春节后一段时间的用户日用电数据；2)基于K-medoids算法进行用户分群；分别统计各个类别的用户的春节用电比例，结合行业和用电类别，使用K-medoids算法对用户进行聚类，从而将用户进行分群，针对不同的用户群确定对应的春节用电比例的阈值K1，阈值K1为春节期间的平均电量与以前工作日电量比值，假如超过这个比值，就认为其在春节继续工作，没有放假，从而根据阈值K1将用户划分为春节停工的用户和春节不停工的用户；3)用户复工判断；获取春节停工的用户的用电数据，并对其进行分析计算，通过拐点算法，判断历史时期春节后其用电量出现拐点的时间，算出相对于正常生产时达到复工状态时的用电量，并计算其与春节前平均用电量水平的比值K2；计算春节停工用户是否存在今年春节后日电量与春节前平均电量的比值K3大于比值K2的情况，若是则认为该用户复工；4)基于计算的区域内复工电量比例及复工用户的比例，得到企业复工电力指数，根据企业复工电力指数判断企业复工情况，其中复工电量比例为该地区复工状态恢复到正常复工状态的水平程度；复工用户比例为该地区的已复工企业占该地区所有企业总数的比例。采用作为优选技术手段：在步骤2)中，K-medoids算法包括步骤：201)选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心；202)对于样本中的数据对象，计算它们与每个聚类中心的欧式距离，按距离最近的原则将它们分到离他们最近的聚类中心所对应的类，欧式距离计算公示为：其中，m表示数据空间有m个维度，k表示数据空间的第k个维度；Dij表示数据点ai到类中心点Mj的聚类；203)更新聚类中心：计算每个类别中所有点与其他点的欧式距离之和，选取距离最小的点作为新的类中心点；204)判断聚类中心是否不变或迭代次数达到最大，如果是，则输出结果，如果不是，则转步骤202)。作为优选技术手段：在步骤3)中，先对数据进行平滑处理，然后通过拐点算法识别前二年、前一年春节期间拐点日期及当日日电量T1、T2；再分别用T1、T2除以前二年及前一年春节前30日均电量，并计算两者的均值，得到用于评价复工状态的比值K2；计算是否存在今年此用户春节后某日电量与春节前30日均电量的比值K3大于K2的情况，若是则认为用户为复工。作为优选技术手段：拐点算法为Kneepoint算法，其在不改变曲线的趋势情况下，将X轴和Y轴的数据进行归一化处理，然后计算该点到两个端点之间距离，并绘制曲线，在归一化曲线中找到拐点。作为优选技术手段：在步骤2)中，获取的用电数据包括：当年、前一年、前二年春节前一季度，以及春节后一个月的用户日用电数据。作为优选技术手段：在步骤4)中，企业复工电力指数＝(复工电量比例*0.5+复工用户比例*0.5)*100％。有益效果：本技术方案采用客观的手段，排除人为因素，有效提高了数据的准确性、效率高，且实时性强，可以实现掌握当天的复工情况，有利于抗疫等工作的开展。本技术方案采用K-medoids算法进行用户分群，有效提高分类的快速性、准确性，为后序的春节停工的用户和春节不停工的用户的分类得到有利的保障。本技术方案对用户进行春节停工的用户和春节不停工的分类，两者用户采用不同的策略，提高了数据准确性，只对春节不停工的用户进行复工的判断，提高了处理的效率。本技术方案采用拐点算法得到用于复工参考的K2值，再采用K2值进行下一步的判断，K2值计算准确，且利用K2值进行判断，可以有效防止误判，其有提高判断的准确性。采用基于复工电量比例和复工用户比例的企业电力复工指数，为企业复工的迅速精准判断提供有力的支撑。附图说明图1是本专利技术的流程图。图2(a)、(b)、(c)是本专利技术的Kneepoint算法示例图。图3是本专利技术的2018年某用户的用电图。图4是本专利技术的2019年某用户的用电图。具体实施方式以下结合说明书附图对本专利技术的技术方案做进一步的详细说明。本专利技术包括以下步骤：1)获取对应用户的相关用电数据；从用户的用电属性、电压等级、行业分类、行政区四个维度进行数据的采集，用电数据包括：采集当年、前一年、前二年春节前一段时间，春节后一段时间的用户日用电数据；2)基于K-medoids算法进行用户分群；分别统计各个类别的用户的春节用电比例，结合行业和用电类别，使用K-medoids算法对用户进行聚类，从而将用户进行分群，针对不同的用户群确定对应的春节用电比例的阈值K1，阈值K1为春节期间的平均电量与以前工作日电量比值，假如超过这个比值，就认为其在春节继续工作，没有放假，从而根据阈值K1将用户划分为春节停工的用户和春节不停工的用户；3)用户复工判断；获取春节停工的用户的用电数据，并对其进行分析计算，通过拐点算法，判断历史时期春节后其用电量出现拐点的时间，算出相对于正常生产时达到复工状态时的用电量，并计算其与春节前平均用电量水平的比值K2；计算春节停工用户是否存在今年春节后日电量与春节前平均电量的比值K3大于比值K2的情况，若是则认为该用户复工；4)基于计算的区域内复工电量比例及复工用户的比例，得到企业复工电力指数，根据企业复工电力指数判断企业复工情况，其中复工电量比例为该地区复工状态恢复到正常复工状态的水平程度；复工用户比例为该地区的已复工企业占该地区所有企业总数的比例。以下就2020年的复工判断为例进行说明：一、用户数据获取有了有效支撑“企业复工电力指数”的计算，从用户的用电属性、电压等级、行业分类、行政区四个维度进行数据的采集，采集用户2018年、2019年、2020年春节前一个季度，以及春节后一个月的用户日用电数据。二、基于K-medoids算法的用户分群不同用户因其所处的行业及用电类别的差异，导致不同用户春节期间的电量水平与正常生产电量水平比例关系存在较大差异，使用相K-medoids算法对用户进行聚类，从而将用户进行分群，具体过程如下：K-medoids算法是K-means算法的一种本文档来自技高网...

【技术保护点】
1.一种基于电力大数据分析的企业复工辅助判断方法，其特征在于包括以下步骤：/n1)获取对应用户的相关用电数据；/n从用户的用电属性、电压等级、行业分类、行政区四个维度进行数据的采集，用电数据包括：采集当年、前一年、前二年春节前一段时间，春节后一段时间的用户日用电数据；/n2)基于K-medoids算法进行用户分群；/n分别统计各个类别的用户的春节用电比例，结合行业和用电类别，使用K-medoids算法对用户进行聚类，从而将用户进行分群，针对不同的用户群确定对应的春节用电比例的阈值K1，阈值K1为春节期间的平均电量与以前工作日电量比值，假如超过这个比值，就认为其在春节继续工作，没有放假，从而根据阈值K1将用户划分为春节停工的用户和春节不停工的用户；/n3)用户复工判断；/n获取春节停工的用户的用电数据，并对其进行分析计算，通过拐点算法，判断历史时期春节后其用电量出现拐点的时间，算出相对于正常生产时达到复工状态时的用电量，并计算其与春节前平均用电量水平的比值K2；计算春节停工用户是否存在今年春节后日电量与春节前平均电量的比值K3大于比值K2的情况，若是则认为该用户复工；/n4)基于计算的区域内复工电量比例及复工用户的比例，得到企业复工电力指数，根据企业复工电力指数判断企业复工情况，其中复工电量比例为该地区复工状态恢复到正常复工状态的水平程度；复工用户比例为该地区的已复工企业占该地区所有企业总数的比例。/n...

【技术特征摘要】
1.一种基于电力大数据分析的企业复工辅助判断方法，其特征在于包括以下步骤：
1)获取对应用户的相关用电数据；
从用户的用电属性、电压等级、行业分类、行政区四个维度进行数据的采集，用电数据包括：采集当年、前一年、前二年春节前一段时间，春节后一段时间的用户日用电数据；
2)基于K-medoids算法进行用户分群；
分别统计各个类别的用户的春节用电比例，结合行业和用电类别，使用K-medoids算法对用户进行聚类，从而将用户进行分群，针对不同的用户群确定对应的春节用电比例的阈值K1，阈值K1为春节期间的平均电量与以前工作日电量比值，假如超过这个比值，就认为其在春节继续工作，没有放假，从而根据阈值K1将用户划分为春节停工的用户和春节不停工的用户；
3)用户复工判断；
获取春节停工的用户的用电数据，并对其进行分析计算，通过拐点算法，判断历史时期春节后其用电量出现拐点的时间，算出相对于正常生产时达到复工状态时的用电量，并计算其与春节前平均用电量水平的比值K2；计算春节停工用户是否存在今年春节后日电量与春节前平均电量的比值K3大于比值K2的情况，若是则认为该用户复工；
4)基于计算的区域内复工电量比例及复工用户的比例，得到企业复工电力指数，根据企业复工电力指数判断企业复工情况，其中复工电量比例为该地区复工状态恢复到正常复工状态的水平程度；复工用户比例为该地区的已复工企业占该地区所有企业总数的比例。


2.根据权利要求1所述的一种基于电力大数据分析的企业复工辅助判断方法，其特征在于：在步骤2)中，K-medoids算法包括步骤：
201)选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心；
202)对于样本中的数据对象，计算它们与每个聚类中心...

【专利技术属性】
技术研发人员：郑斌，吴国诚，潘巍巍，裘炜浩，侯素颖，杨世旺，陈仕军，金王英，王伟峰，叶盛，许小卉，马亮，刘欢，王迎卜，
申请(专利权)人：国网浙江省电力有限公司，国家电网有限公司，
类型：发明
国别省市：浙江;33