居民用電數(shù)據(jù)的挖掘方法與應(yīng)用途徑

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

2、；智能電網(wǎng)；智能電表一、智能電表與居民用電數(shù)據(jù)采集電力設(shè)備的數(shù)字化、智能化能夠提供豐富的各類電力數(shù)據(jù)。特別是智能電表 的推廣應(yīng)用，為居民用電數(shù)據(jù)的采集提供了直接的基礎(chǔ)。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(shí)現(xiàn)用戶和智能電表、智能電表和智 能電網(wǎng)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(jìn)特性：1）遠(yuǎn)程抄表。智能電表能通過網(wǎng)絡(luò)實(shí)現(xiàn)遠(yuǎn)程抄表，數(shù)據(jù)自動生成，自動上傳。2）數(shù)據(jù)管理應(yīng)用。智能電表實(shí)時(shí)采集用戶端的用電信息，然后通過通信把數(shù) 據(jù)信息遠(yuǎn)程傳送到供電部門，用戶和供電單位可以隨時(shí)掌握信息，并對數(shù)據(jù)進(jìn)行 分析。3）支持浮動電價(jià)。智能電表支持峰、谷分時(shí)電價(jià)、動態(tài)電價(jià)，

3、能夠降低電費(fèi)， 實(shí)現(xiàn)節(jié)能減排。二、挖掘技術(shù)和模型數(shù)據(jù)挖掘是一種數(shù)據(jù)處理技術(shù)，本質(zhì)上是基于海量數(shù)據(jù)之上，借助有效的分 析工具建立特定模型和海量數(shù)據(jù)間關(guān)系的過程。數(shù)據(jù)挖掘是從數(shù)據(jù)集中發(fā)現(xiàn)數(shù)據(jù) 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(jù)瀏覽無法發(fā)現(xiàn)的復(fù)雜關(guān) 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(jù)挖掘模型。 數(shù)據(jù)挖掘模型可以用于不同的用途，例如：預(yù)測評估：對未來的趨勢、風(fēng)險(xiǎn)等進(jìn)行預(yù)測，譬如估計(jì)產(chǎn)品的銷售量。分類分析：將目標(biāo)劃分到給定的類別，分析和預(yù)測相關(guān)性。聚類分析：根據(jù)目標(biāo)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(jù)挖掘技術(shù)的核心是構(gòu)造數(shù)據(jù)挖掘

4、模型。創(chuàng)建和構(gòu)造模型的過程可以分為 六個(gè)步驟：定義問題、準(zhǔn)備數(shù)據(jù)、瀏覽數(shù)據(jù)、生成模型、瀏覽和驗(yàn)證模型、部署 和更新模型。數(shù)據(jù)挖掘模型的關(guān)鍵是其中的算法。常用的數(shù)據(jù)挖掘算法有如下幾 類：關(guān)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(jù)客戶已 購買的項(xiàng)或者客戶已對其表現(xiàn)出興趣的項(xiàng)向他們推薦項(xiàng)。聚類分析算法：是一種“分段或“聚類分析算法，用于將數(shù)據(jù)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(jìn)行預(yù)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(yù)測建模。神經(jīng)網(wǎng)絡(luò)算法：是參考動物神經(jīng)系統(tǒng)設(shè)計(jì)實(shí)

5、現(xiàn)的算法，針對可預(yù)測屬性的每 個(gè)可能狀態(tài)來測試輸入屬性的每個(gè)可能狀態(tài)，并基于定型數(shù)據(jù)計(jì)算每個(gè)組合的概 率。神經(jīng)網(wǎng)絡(luò)算法有廣泛的用途，可以用于分類和預(yù)測，也可以用于關(guān)聯(lián)分析。三、居民用電數(shù)據(jù)的挖掘應(yīng)用分析3.1電力負(fù)荷預(yù)測目前供電企業(yè)對電網(wǎng)負(fù)荷預(yù)測一般都是基于歷史信息進(jìn)行的，但地區(qū)季節(jié)氣 候變化等系列外部因素，都會導(dǎo)致負(fù)荷預(yù)測準(zhǔn)確度不高。如統(tǒng)計(jì)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(fù)荷的影響 達(dá)到20%以上，因此有必要基于海量用電負(fù)荷數(shù)據(jù)和海量居民用電量等數(shù)據(jù)，結(jié) 合外部環(huán)境與氣候數(shù)據(jù)特征，開展科學(xué)的負(fù)荷預(yù)測分析。通過使用數(shù)據(jù)挖掘算法 對電力運(yùn)行負(fù)荷與居民

6、用電量和實(shí)際氣候數(shù)據(jù)之間尋找關(guān)系，掌握內(nèi)部固有的相 關(guān)性；并通過建立歷年居民用電量與溫度、季節(jié)對應(yīng)電量大數(shù)據(jù)庫，分析得出溫 度與季節(jié)差異影響用電量；并結(jié)合氣候預(yù)報(bào)數(shù)據(jù)進(jìn)行居民短期用電負(fù)荷實(shí)時(shí)預(yù)測， 從而達(dá)到提升負(fù)荷預(yù)測準(zhǔn)確率的目的。3.2銷售策略與方案分析分時(shí)電價(jià)制度是通過制定合理的峰谷電價(jià)來激勵(lì)居民自主改變用電行為，以 此改善電力系統(tǒng)運(yùn)行的不平衡性。目前作者所在的萊蕪地區(qū)居民分時(shí)電價(jià)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(jià)收取費(fèi)用， 沒有真正做到峰谷平時(shí)段電價(jià)的分類執(zhí)行。依據(jù)居民用電量及用電負(fù)荷的大數(shù)據(jù) 分析可以準(zhǔn)確的確定居民用電峰谷平時(shí)段，保證時(shí)段劃分的合理性

7、、科學(xué)性，從 而為居民分時(shí)電價(jià)的真正執(zhí)行奠定堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。根據(jù)居民用電數(shù)據(jù)分析，一 天的早上、中午、下午、晚上不同時(shí)段受居民用電習(xí)慣的影響會導(dǎo)致用電負(fù)荷有 區(qū)別；甚至一年當(dāng)中，受季節(jié)影響（冬夏需要取暖和制冷的用電設(shè)備需額外增加， 負(fù)荷多于春秋），每個(gè)月或季度的電量有區(qū)別。因此，對居民各個(gè)時(shí)段的用電負(fù)荷大數(shù)據(jù)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(fù)荷的峰谷平時(shí)段，從而可以更加合理的確定分 時(shí)電價(jià)以及執(zhí)行具體時(shí)段，通過對居民用電成本的調(diào)控達(dá)到對用電負(fù)荷的調(diào)控， 從而可以調(diào)節(jié)電網(wǎng)經(jīng)濟(jì)運(yùn)行，最終起到節(jié)能降耗的目的。3.3居民用電行為分析結(jié)合供電部門用電采集系統(tǒng)和GIS系統(tǒng)

8、大數(shù)據(jù)，可以將居民人口信息、電力 居民實(shí)時(shí)用電信息和地理與氣候等信息進(jìn)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(shí)時(shí)用電量， 甚至還可以實(shí)現(xiàn)單元用電量與單元內(nèi)居民收入和居住條件等進(jìn)行關(guān)聯(lián)分析，進(jìn)而 可以通過用電習(xí)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(lǐng) 域提供參考價(jià)值，同時(shí)也有助于相關(guān)監(jiān)管部門對區(qū)域行業(yè)及群體行為特征的調(diào)查、 取證和管理。3.4社會經(jīng)濟(jì)狀況分析除了用電消費(fèi)行為本身，居民的用戶數(shù)據(jù)與居民的生活行為密切相關(guān)，能全 面防御經(jīng)濟(jì)、社會行為。譬如可以通過居民用電數(shù)據(jù)的綜合挖掘，分析評估一個(gè) 城市的人口分布、消費(fèi)水平分布等，

9、為城市建設(shè)管理、經(jīng)濟(jì)發(fā)展規(guī)劃提供依據(jù)。 譬如，可以通過居民用電數(shù)據(jù)分析預(yù)測住房空置率。住房空置率是管理部門對住房狀況進(jìn)行觀測的一項(xiàng)重要數(shù)據(jù)，但由于實(shí)際普查工作量大，住房空置率的統(tǒng)計(jì)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(zhǔn)確的判斷住房是否空置，從預(yù)測房地 產(chǎn)行業(yè)的發(fā)展?fàn)顟B(tài)和趨勢。四、總結(jié)智能電表的普及為用電側(cè)用電數(shù)據(jù)采集提供了直接手段。詳實(shí)的居民用電數(shù) 據(jù)可以反映居民的用電行為，并進(jìn)一步反映居民的工作、生活行為。居民用電數(shù) 據(jù)的挖掘分析能夠?yàn)殡娏ο到y(tǒng)服務(wù)，也能夠成為社會、經(jīng)濟(jì)行為分析預(yù)測的重要 途徑。本文全面討論了居民用電數(shù)據(jù)的采集方法、挖掘分析模型和算

10、法，并重點(diǎn) 討論了居民用電數(shù)據(jù)的挖掘和應(yīng)用價(jià)值，為電力大數(shù)據(jù)發(fā)展規(guī)劃、智慧城市建設(shè) 發(fā)展等有一定的借鑒和參考。參考文獻(xiàn)：江櫻,王志強(qiáng)，戴波.基于大數(shù)據(jù)的居民用電消費(fèi)習(xí)慣研究與分析J.電力信息 與通信技術(shù),2015(11):7-11.林楠.全面智能電表集抄時(shí)代下的大數(shù)據(jù)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(wǎng)中的應(yīng)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(jù)挖掘在電網(wǎng)內(nèi)部及各領(lǐng)域間的應(yīng)用J.電信科學(xué),2013,29(11):127-130.5孫芋,馬建偉，李強(qiáng)，楊磊.面向智慧城市的電力數(shù)據(jù)挖掘多場景應(yīng)用J.電力系 統(tǒng)及其自動化學(xué)報(bào),20