居民用電數(shù)據的挖掘方法與應用途徑

1、居民用電數(shù)據的挖掘方法與應用途徑摘要：傳統(tǒng)上，居民用電數(shù)據通過人工抄表的方式進行采集，數(shù)據形式和內容 都非常單一。近年來，隨著智能電表、信息采集等技術的發(fā)展，電力設備逐漸數(shù) 字化、智能化。智能設備的普及提供了豐富、精細的用電數(shù)據，特別是居民的用 電數(shù)據，從簡單的每月用電量變?yōu)榉昼?、小時為單位的細粒度用電記錄。另一方 面，大數(shù)據技術的發(fā)展，為電力數(shù)據分析提供了有力的技術手段。通過各類數(shù)據 挖掘的方法和模型，可以對豐富的用電數(shù)據進行深度的分析和挖掘，能夠得出隱 藏在數(shù)據背后的特征信息。這些分析最終可以用于精準營銷、節(jié)能減排、社會決 策等。因此，居民用電數(shù)據具有重要的價值。關鍵詞：居民用電；數(shù)據挖掘

2、；智能電網；智能電表一、智能電表與居民用電數(shù)據采集電力設備的數(shù)字化、智能化能夠提供豐富的各類電力數(shù)據。特別是智能電表 的推廣應用，為居民用電數(shù)據的采集提供了直接的基礎。智能電表是數(shù)字化的用 電量測量裝置，采用無線通信或者專用總線實現(xiàn)用戶和智能電表、智能電表和智 能電網之間的雙向通信。相比傳統(tǒng)的電表，智能電表具有許多先進特性：1）遠程抄表。智能電表能通過網絡實現(xiàn)遠程抄表，數(shù)據自動生成，自動上傳。2）數(shù)據管理應用。智能電表實時采集用戶端的用電信息，然后通過通信把數(shù) 據信息遠程傳送到供電部門，用戶和供電單位可以隨時掌握信息，并對數(shù)據進行 分析。3）支持浮動電價。智能電表支持峰、谷分時電價、動態(tài)電價，

3、能夠降低電費， 實現(xiàn)節(jié)能減排。二、挖掘技術和模型數(shù)據挖掘是一種數(shù)據處理技術，本質上是基于海量數(shù)據之上，借助有效的分 析工具建立特定模型和海量數(shù)據間關系的過程。數(shù)據挖掘是從數(shù)據集中發(fā)現(xiàn)數(shù)據 中的模式和趨勢等有用信息的過程，特別是使用傳統(tǒng)數(shù)據瀏覽無法發(fā)現(xiàn)的復雜關 系或隱藏的模式。這些模式和趨勢可以被收集在一起并定義為數(shù)據挖掘模型。 數(shù)據挖掘模型可以用于不同的用途，例如：預測評估：對未來的趨勢、風險等進行預測，譬如估計產品的銷售量。分類分析：將目標劃分到給定的類別，分析和預測相關性。聚類分析：根據目標的屬性和特征，劃分成不同類別或者集合，而這些類別 不是事先定義好的。數(shù)據挖掘技術的核心是構造數(shù)據挖掘

4、模型。創(chuàng)建和構造模型的過程可以分為 六個步驟：定義問題、準備數(shù)據、瀏覽數(shù)據、生成模型、瀏覽和驗證模型、部署 和更新模型。數(shù)據挖掘模型的關鍵是其中的算法。常用的數(shù)據挖掘算法有如下幾 類：關聯(lián)算法：是常用于推薦系統(tǒng)的算法。譬如電子購物，推薦系統(tǒng)根據客戶已 購買的項或者客戶已對其表現(xiàn)出興趣的項向他們推薦項。聚類分析算法：是一種“分段或“聚類分析算法，用于將數(shù)據樣本分組到包 含相似特征的分類中。決策樹算法：是分類和回歸算法，用于對離散或者連續(xù)屬性進行預測性建模， 用于推斷影響某屬性的主要決定性因素。貝葉斯算法：是一種基于貝葉斯定理的分類算法，可用于探索和預測建模。神經網絡算法：是參考動物神經系統(tǒng)設計實

5、現(xiàn)的算法，針對可預測屬性的每 個可能狀態(tài)來測試輸入屬性的每個可能狀態(tài)，并基于定型數(shù)據計算每個組合的概 率。神經網絡算法有廣泛的用途，可以用于分類和預測，也可以用于關聯(lián)分析。三、居民用電數(shù)據的挖掘應用分析3.1電力負荷預測目前供電企業(yè)對電網負荷預測一般都是基于歷史信息進行的，但地區(qū)季節(jié)氣 候變化等系列外部因素，都會導致負荷預測準確度不高。如統(tǒng)計發(fā)現(xiàn)，作者所在 的萊蕪地區(qū)35攝氏度天氣和20攝氏度天氣情況下，對萊蕪社會用電負荷的影響 達到20%以上，因此有必要基于海量用電負荷數(shù)據和海量居民用電量等數(shù)據，結 合外部環(huán)境與氣候數(shù)據特征，開展科學的負荷預測分析。通過使用數(shù)據挖掘算法 對電力運行負荷與居民

6、用電量和實際氣候數(shù)據之間尋找關系，掌握內部固有的相 關性；并通過建立歷年居民用電量與溫度、季節(jié)對應電量大數(shù)據庫，分析得出溫 度與季節(jié)差異影響用電量；并結合氣候預報數(shù)據進行居民短期用電負荷實時預測， 從而達到提升負荷預測準確率的目的。3.2銷售策略與方案分析分時電價制度是通過制定合理的峰谷電價來激勵居民自主改變用電行為，以 此改善電力系統(tǒng)運行的不平衡性。目前作者所在的萊蕪地區(qū)居民分時電價的執(zhí)行 僅僅做到了對居民月度電量的總量控制，對超出月度電量之上部分加價收取費用， 沒有真正做到峰谷平時段電價的分類執(zhí)行。依據居民用電量及用電負荷的大數(shù)據 分析可以準確的確定居民用電峰谷平時段，保證時段劃分的合理性

7、、科學性，從 而為居民分時電價的真正執(zhí)行奠定堅實的數(shù)據基礎。根據居民用電數(shù)據分析，一 天的早上、中午、下午、晚上不同時段受居民用電習慣的影響會導致用電負荷有 區(qū)別；甚至一年當中，受季節(jié)影響（冬夏需要取暖和制冷的用電設備需額外增加， 負荷多于春秋），每個月或季度的電量有區(qū)別。因此，對居民各個時段的用電負荷大數(shù)據分析，按天劃分、按周劃分、按年劃分, 可以得到每天、每周、每年用電負荷的峰谷平時段，從而可以更加合理的確定分 時電價以及執(zhí)行具體時段，通過對居民用電成本的調控達到對用電負荷的調控， 從而可以調節(jié)電網經濟運行，最終起到節(jié)能降耗的目的。3.3居民用電行為分析結合供電部門用電采集系統(tǒng)和GIS系統(tǒng)

8、大數(shù)據，可以將居民人口信息、電力 居民實時用電信息和地理與氣候等信息進行綜合集成，最終以電力地圖的形式 呈現(xiàn)。借助“電力地圖則可以以街區(qū)社區(qū)為單位，來展示各單元的實時用電量， 甚至還可以實現(xiàn)單元用電量與單元內居民收入和居住條件等進行關聯(lián)分析，進而 可以通過用電習慣分析得出社會不同群體居住，可以為住宿餐飲、服裝銷售等領 域提供參考價值，同時也有助于相關監(jiān)管部門對區(qū)域行業(yè)及群體行為特征的調查、 取證和管理。3.4社會經濟狀況分析除了用電消費行為本身，居民的用戶數(shù)據與居民的生活行為密切相關，能全 面防御經濟、社會行為。譬如可以通過居民用電數(shù)據的綜合挖掘，分析評估一個 城市的人口分布、消費水平分布等，

9、為城市建設管理、經濟發(fā)展規(guī)劃提供依據。 譬如，可以通過居民用電數(shù)據分析預測住房空置率。住房空置率是管理部門對住房狀況進行觀測的一項重要數(shù)據，但由于實際普查工作量大，住房空置率的統(tǒng)計則比較困難。而電力是居民居住的必需要素，通 過住房的用電量、用電變化曲線能夠比較準確的判斷住房是否空置，從預測房地 產行業(yè)的發(fā)展狀態(tài)和趨勢。四、總結智能電表的普及為用電側用電數(shù)據采集提供了直接手段。詳實的居民用電數(shù) 據可以反映居民的用電行為，并進一步反映居民的工作、生活行為。居民用電數(shù) 據的挖掘分析能夠為電力系統(tǒng)服務，也能夠成為社會、經濟行為分析預測的重要 途徑。本文全面討論了居民用電數(shù)據的采集方法、挖掘分析模型和算

10、法，并重點 討論了居民用電數(shù)據的挖掘和應用價值，為電力大數(shù)據發(fā)展規(guī)劃、智慧城市建設 發(fā)展等有一定的借鑒和參考。參考文獻：江櫻,王志強，戴波.基于大數(shù)據的居民用電消費習慣研究與分析J.電力信息 與通信技術,2015(11):7-11.林楠.全面智能電表集抄時代下的大數(shù)據分析J.現(xiàn)代信息科技,2018,2(07):171-173+176.郭慶淳K建炎.智能電表在智能電網中的應用與發(fā)展J.電工電氣,2017(03):65- 67.耿亮，吳燕，孟憲楠.電力數(shù)據挖掘在電網內部及各領域間的應用J.電信科學,2013,29(11):127-130.5孫芋,馬建偉，李強，楊磊.面向智慧城市的電力數(shù)據挖掘多場景應用J.電力系 統(tǒng)及其自動化學報,20