傅军栋，杨 姚，罗善江

(华东交通大学电气与电子工程学院，江西 南昌 330013)

智能小区居民用电负荷特征权重分析

傅军栋，杨 姚，罗善江

(华东交通大学电气与电子工程学院，江西 南昌 330013)

以往对智能小区居民用电行为聚类分析时，存在着负荷特征选择与权重计算描述不足的问题。为了提高居民用电行为聚类分析的准确率，降低聚类分析运行时间，提出一种基于 ReliefF 算法建立的以峰时耗电率、日负荷峰值时刻、谷时耗电率、日负荷周期数、日最小负荷率等特征的数据模型。该模型可以对海量居民用电行为数据进行处理，并通过 k-means算法对其进行聚类分析。实验数据来源为已建成的智能小区，结果准确率达 94.61%，证明了基于 ReliefF 算法建立的特征数据模型在居民用电行为类分析中是有效的。

用电行为；聚类分析；负荷特征；数据模型

0 引言

随着我国智能小区的不断建设和发展，人们积累了大量居民用电数据[1]。虽然用电数据看似十分杂乱，但实际上却隐藏着居民用电行为方式，且数据之间还存在一定的关联性。若对散乱的海量数据进行挖掘并研究居民用电行为类型，将同类居民用电负荷平均分配给 A、B、C 三相，则可以使低压配电网三相电流接近，从而降低三相不平衡产生的零序电流对线路、变压器等造成的不利影响[2]。同时，也可以简单、有效地针对不同类型用户制定不同服务[3]，帮助电网削峰填谷[4]、节能减排。

聚类分析凭借处理数据在全局范围内分布特征的高效能力，正逐渐应用在电力用户分类领域[5]。……