毕善钰，戚梦逸，俞海猛

（南瑞集团（国网电力科学研究院）有限公司，江苏 南京 211106）

随着电力系统计量自动化与智能化水平的提高，用电侧数据变得更加容易获取[1-3]。用电侧数据蕴含丰富的用户用电信息，具有较大的数据挖掘价值[4-5]，是当前电网公司实现价值的重要增长点[6-8]。但由于电网用户的广泛性，用电侧的数据量庞大，如何从海量的用电数据中挖掘有价值的信息变得至关重要。负荷识别与用电行为分析是用户侧数据的主要应用领域，可实现用户用电情况的可视化展示，优化用户用电计划，从而实现节能环保[9-12]。基于此，文中应用DBN模型进行用户侧数据挖掘。在实现负荷精准识别的基础上，分析用户用电行为，为优化用电计划提供指导。

1 智能用电行为分析架构

将深度置信网络的人工智能技术应用于家庭用户用电行为分析，构建其系统架构，如图1所示[13-16]。基于人工智能技术的用电行为分析架构主要包括离线训练与在线分析两个部分。

图1 基于人工智能技术的用电行为分析架构

1）离线训练：利用负荷关口历史数据，通过事件检测识别家庭电器的开启事件与关闭事件，提取负荷电气量特征；通过DBN模型训练，实现负荷特征库的构建。

2）在线分析：利用负荷关口实时数据，通过事件检测与特征提取，将负荷特征集作为已完成训练并满足精度要求的DBN网络输入数据，从而得到负荷识别结果，进一步实现负荷用电时间、用电量、用电成本分析等用电行为分析功能。……