陆惠惠，王炼

（国网上海市电力公司松江供电公司，上海 201699）

数据挖掘是从数据资源中搜索实用信息的处理过程，各执行法则的制定都必须依靠隐藏于信息中的数据限定关系。在人工智能及数据库理论的支持下，数据挖掘算法可揭示出信息之间的隐含应用关系，从而确保所有潜在信息都得到妥善地处理[1-2]。简单来说，数据挖掘算法的应用主要面对机器学习、人工智能、模式识别等多个领域，可通过实践规律探索的方式，确定信息数据之间的实际作用关系。

随着底层大用户应用耗电总量的增加，核心电力资源很难在既定执行周期内，得到妥善地按需分配处理。为避免上述情况的发生，BP 神经型电量分类手段在识别大用户对象节点处电子信息的同时，计算相邻电量数据之间的连接步长值。但此方法很难改变大用户对象的平均耗电周期时长，易导致电压升值的过度提升。为解决此问题，引入数据挖掘算法，搭建一种新型的大用户用电特征分类方法，通过划分用户行为的方式，提取大量的用电行为模式特征值，实现对电力资源的按需分配与调度。

1 基于数据挖掘的大用户用电行为分析

1.1 集中用电量计算

集中用电量是指底层大用户在单位时间内的电子消耗总量。在用电数据收集、存储及电子信号交互处理的过程中，大用户对象都扮演着极为重要的角色。简单来说，集中用电可体现大用户流通电子在电网终端中的传输情况，随着电表计量能力的增强，已消耗电子量得到明确记录，未消耗电子也可在多次转存记录下，生成独立的样本空间数据，以供下级用电设备的直接调取与应用[3-4]。……