陆晓，徐春雷，冷钊莹，吴海伟，陈中

(1.国网江苏省电力有限公司，南京市 210024；2.东南大学电气工程学院，南京市 210096)

0 引 言

近年来我国经济飞速发展，各行各业用电需求急剧增长，用电结构不断变化[1-3]，行业负荷特性呈现多样化和复杂化发展趋势[4-5]。电力行业数据包含丰富的用电行为信息，对其用电特性展开分析，能够挖掘出不同用户的用电特征和规律[6-7]，对电力部门准确识别客户负荷特征、提供差异化服务、引导有序高效用电有着重要意义。特别是当前新冠肺炎疫情流行的特殊时期，透过电力负荷数据，能有效识别企业复工复产情况，及时客观地反映经济复苏水平，为疫情防控和复工复产决策提供辅助，对加强电网风险管控、把握规划方向发挥积极作用。

一般意义的电力负荷特性分析研究的是电力负荷随时间变化的规律[8]，而新兴的用户标签和画像技术能为电力负荷识别和特征分析提供一种新思路[9-10]，它是一种面向用户，通过挖掘用电数据中的负荷特性，建立语义化画像标签的重要方法。进一步与数据驱动方式结合能适应目前大数据环境，更准确、高效地刻画不同行业负荷特性。

目前，有较多文献采用画像分析方法刻画客户用电行为。文献[11]基于海量电力数据信息，建立客户用电行为标签库，采用模糊聚类方法分析客户用电行为模型，刻画不同类型客户用电行为画像。文献[12]提出面向用户行为的标签层次体系，基于密度、距离的聚类算法和梯度提升度算法的标签生成方法，形成一整套电力用户画像技术。……