邓春宇，吴克河，张玉天

(1.华北电力大学 控制与计算机工程学院，北京 102206；2.中国电力科学研究院有限公司 人工智能应用研究所，北京 100192)

0 引 言

随着经济的发展，用电需求快速增长，电网尖峰负荷屡创新高，造成减排压力越发严峻，提高能效为碳中和探索中的重要举措之一。基于数据提取的用户用电行为特征分析得到了学界和电网企业的重视，作为数据和理论基础支撑精益化管理[1,2]。

聚类是时序数据挖掘的一类非常有效的研究方法[3,4]，如：使用改进马氏距离的模糊C均值算法对负荷进行聚类分析，将用户特征分类，用于评估用户用电互动潜力[5]；利用高斯核函数改进聚类中离群点的筛选方法，用于检测用电异常[6]。但是，目前大多使用日负荷数据作为分析单位，常导致同一用户工作日与休息日数据表现差异而被区分，增加了分析复杂度。另一方面，通常的日时序数据处理，是将其抽象成为高维空间中的一个点，然后与其它日数据所抽象的高维点进行距离(近似度)判断，若维度进一步升高，数据分布稀疏性和不均匀性进一步凸显，从而导致欧式距离等传统度量区分相似度效果不佳。

本文提出一种基于周数据聚类的用户用电行为分析方法，更加符合客观用电周期规律，有效降低进一步分析复杂度。同时，通过使用近邻相似度作为度量避免维度过高导致的相似一致化[7,8]，提升聚类效果。

1 基于改进近邻相似度图聚类的用户用电行为特……

登录APP查看全文