王保义, 胡 恒, 张少敏

(华北电力大学控制与计算机工程学院, 河北省保定市 071003)

0 引言

智能电表的逐渐普及使用户用电数据收集变得简单易行。海量用电数据使电力大数据分析技术[1]精确分析用户用电行为成为了可能。精确的用电行为分析能为短期负荷预测、电价调节、提供个性化的用电服务等提供可靠的依据。因此用户用电行为分析一直是研究热点。文献[2]利用云平台和并行K-means算法对用户用电行为进行分析,最终把小区内600名用户分成了5类用户。文献[3]提出一种以数据对象密度稠密程度作为初始聚类中心选取标准,并把簇间距离和类簇内对象分散程度作为聚类数目选择的标准的K-means算法,同时结合了MapReduce技术提高计算效率。该算法被应用于用户行为分析达到了预期的效果。文献[4]用两次聚类的方法对用户用电行为进行分析,该文首先利用K-means算法对用电数据进行一次聚类,然后再次用聚类算法对之前聚类结果进行聚类。

然而,智能电表收集的用户用电信息中包括了很多用户敏感信息。目前世界一些地方已出现了反对智能电表的声音。2010年,美国斯科茨谷发起“Stop Smart Meter”的游行,使人们对智能电表的不信任达到了高潮。而大数据背景下对用户的用电数据的精确分析对于改善用电服务、预测地区负荷、合理配电及减少网损等都是必不可少的。因此如何在对用户用电数据快速、精确分析的同时保护用户隐私不被泄露成为一个亟待解决的问题。……