韩跃峻， 朱一骅， 陆微， 应栋子， 辛洁晴

(1.国网上海市北供电公司，上海 200072；2.上海交通大学，上海 200240)

0 引 言

我国已进入快速老龄化时期，为老龄独居家庭(elderly living-alone families，ELAF)提供特殊供电服务是电业履行社会职能的重要窗口。传统上，ELAF由社区访查获知，工作量大、周期长。电力部门从街道索取信息也很困难。因此，通过用电数据分析辨识ELAF对电业非常重要。这也有助于促进电业与社区合作，帮助社区缩小访查范围，提高信息更新的及时性，促进泛在物联网环境下电力数据的保值增值。

目前，用电数据分析主要用于用电行为模式本身的识别[1-3]。文献[4]通过日负荷曲线聚类划分用电模式。文献[5]从作息规律、负荷特性和消费习惯等维度建立特征标签体系，运用改进K-mears构建用户簇别，形成用户综合画像。文献[6]根据日用电特性对空置房、老人家庭、上班族家庭、老人+上班族家庭和商业用户提出判别方法。上述研究未由用电特征进一步分析家庭人员构成和年龄结构方面的人口特征。

本文在分析ELAF用电特征的基础上，提出基于用电数据分析的ELAF辨识方法。通过选取支持向量机分类器，并以约登指数最大化为目标调节样本权重，解决ELAF作为小样本的识别问题。

1 老龄独居家庭用电特征

采用K-means法对上海某大型社区是/否80岁以上老龄独居两类家庭分别实施用电特征聚类，以轮廓系数确定最佳聚类数，占比最大的簇为典型组。

(1) 日作息习惯：对家庭春秋季日负荷平均化和标幺化后聚类。两类家庭典型组聚类中心的标幺化日负荷曲线如图1所示。……