[發明專利]基于果蠅智能優化算法的居民用電客戶細分方法

在審

• 申請號: 201410092324.2
• 申請日: 2014-03-13
• 公開（公告）號: CN103942606A
• 公開（公告）日: 2014-07-23
• 發明（設計）人: 楊玉銳;鄭濤;張凱俊;程杰;徐詒玥;吳偉健;吳昱德
• 申請（專利權）人: 國家電網公司;國網浙江省電力公司嘉興供電公司;國網浙江平湖市供電公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/00
• 代理公司: 杭州華鼎知識產權代理事務所(普通合伙) 33217
• 代理人: 秦曉剛

技術領域

本發明涉及用電客戶細分方法。

背景技術

隨著經濟的發展和生活水平的提高，居民用戶的用電優化工作越來越受到人們的重視，如何對不同用電行為的居民用戶采用有針對性的營銷手段，已經成為供電企業提升服務質量的一項重要的工作。目前，已有的客戶細分方法主要有兩類：一種是按照用電客戶的行業屬性進行分類，通常分為大型工業用電、國家機關用電、城市服務用電、商業用電、學校用電和居民用電等；另一種是運用數據挖掘的方法基于客戶用電行為的電力用戶細分，主要有貝葉斯法，決策樹法，傳統聚類分析法，人工神經網絡等。

第一種用電客戶細分的方法只重視用戶的用電屬性，而忽視了同一用電屬性之間的用戶由于家庭構成不同、用電行為習慣不同等因素而導致的用電行為的較大差異。對同一用電屬性的用戶籠統的采用相同的營銷策略，缺乏合理性。第二種用戶細分方法是近年來新興的算法，但是已有的基于數據挖掘的分類方法，都存在其天然的不足，導致分類誤差較大。貝葉斯方法對用戶行為屬性的度量缺乏客觀統一的標準；決策樹法需要大量的已知數據作為訓練樣本，形成決策規則；傳統聚類分析法太過依賴于初始聚類中心，且容易早熟收斂；人工神經網絡方法則由于神經網絡的權值訓練過程中的BP算法本質是梯度下降方法，導致人工神經網絡容易陷入局部極小。

發明內容

本發明所要解決的技術問題就是針對現有技術中幾種細分方法存在的缺陷，提供一種基于果蠅智能優化算法的居民用電客戶細分方法。

為解決上述技術問題，本發明采用如下技術方案：基于果蠅智能優化算法的居民用電客戶細分方法，具體步驟如下：

a)，采集該地區所有居民用電客戶典型周的用電負荷數據，包括一周之內每天總用電數據x、每天峰時段電量x_f、每天谷時段電量x_g；

b)，異常用電客戶奇異值剔除，根據用電客戶的用電負荷數據，將0用電量客戶、電量過大用電客戶剔除，保留正常用電客戶；

c)，數據歸一化，為了后續果蠅算法開展的需要，對用電客戶用電量按照如下方式標準化：

X'=X-XminXmax-Xmin]]>

其中x_max、x_min分別表示用電量的最大、最小值；

d)，居民用電客戶基于周用電曲線的初次劃分，每個用電客戶的周用電量曲線X’(k)=[x’₁,x’₂,x’₃,x’₄,x’₅,x’₆,x’₇]，k=1,2,…,N，應用果蠅算法確定出所有分類中心后，得到居民用電客戶的第一次劃分；

e)重點用電客戶基于用電量及谷電系數的二次劃分，對一次劃分得到結果中占比最大的用電群組進行二次劃分。

優選的，步驟b)中，電量過大用電客戶通過設定總用電客戶量正常度閾值進行剔除，當用電客戶周總用電量超過閾值，即按認定該用電客戶為電量過大用電客戶。

優選的，步驟d)中，根據與分類中心距離最小的原則，將用電客戶分為用電平均用電客戶，工作日高周末低用電客戶，工作日低周末高用電客戶。

優選的，步驟e)中，對于重點用電客戶，基于周用電總量周谷

電系數b＝x_g'/x'，其中二個維度應用果蠅智能聚類算法進行二次劃分，這里根據與分類中心距離最小的原則，將用電客戶分為小白用電客戶、高端用電客戶、耗電大戶及正常用電客戶。

優選的，果蠅算法的具體實現如下：