吴丽珍, 张永年, 陈 伟, 郝晓弘

(1. 兰州理工大学 电气工程与信息工程学院, 甘肃 兰州 730050; 2. 兰州理工大学 甘肃省工业过程先进控制重点实验室, 甘肃 兰州 730050; 3. 兰州理工大学 国家级电气与控制工程实验教学中心, 甘肃 兰州 730050)

随着我国能源互联网战略的不断推进,电网建设也趋向于智能化,用户用电量和用电行为方式也呈现出多元化的特征[1].在我国电力体制改革的背景下,电力行业逐步进入以市场为导向的新层面,同时因为体验型经济逐渐兴起,传统的对电力用户无差化服务已无法满足用户多样化需求,因此,准确地对电力用户用电行为分析,实现对电力用户用电的精准分类并提供差异性服务成为了供配电领域的发展关键[2-3].研究电力用户的基本信息数据对用户用电行为的影响对于用户用电策略的制定有着重要意义.

近年来,国内外学者通过用电大数据挖掘,在用户用电行为分析方面做了相关研究.张斌等[4]针对单一聚类方法的不足,通过对不同聚类方法优缺点的分析,提出一种层次聚类与划分聚类相结合的聚类方法用于负荷聚类.朱文俊等[5]在利用自适应K-means算法对电力用户进行局部聚类分析基础上,提取局部负荷曲线并构建局部模型,并利用传统聚类算法对局部模型进行分析,获取全局负荷曲线模型,进行用户用电态势感知.但是,上述方法由于算法需要处理的数据类型较多,且存在大量的无用数据,因此数据处……