[發(fā)明專利]一種基于聚類算法的三維度園區(qū)畫像方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010630771.4
• 申請日: 2020-07-03
• 公開（公告）號: CN111797924B
• 公開（公告）日: 2022-11-25
• 發(fā)明（設(shè)計）人: 張琳娟;許長清;王利利;張平;盧丹;周楠;李晨希
• 申請（專利權(quán)）人: 國家電網(wǎng)有限公司;國網(wǎng)河南省電力公司經(jīng)濟技術(shù)研究院;華北電力大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/2458;G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 崔玥

本發(fā)明涉及一種基于聚類算法的三維度園區(qū)畫像方法及系統(tǒng)。該方法包括：采用SpectralBiclustering雙聚類算法對園區(qū)用戶的用電行為進行聚類分析，得到用戶用電行為；采用Logistic曲線模型與改進灰色Verhulst模型對用戶能源配置進行分析，得到用戶能源配置成熟度結(jié)果；采用基于最小負荷用電模式和需求響應(yīng)降負荷率的需求響應(yīng)評價算法對用戶需求響應(yīng)進行分析，得到用戶需求響應(yīng)能力評估結(jié)果；分別對用戶用電行為、用戶能源配置成熟度結(jié)果和用戶需求響應(yīng)能力評估結(jié)果進行聚類，得到用戶用電行為特征、用戶能源配置特征和用戶需求響應(yīng)特征；將上述特征進行拼接得到園區(qū)畫像序列。本發(fā)明能夠應(yīng)用于用戶群體層面的園區(qū)畫像中，實現(xiàn)定量化描述特征的園區(qū)畫像分析。

技術(shù)領(lǐng)域

本發(fā)明涉及園區(qū)用電管理領(lǐng)域，特別是涉及一種基于聚類算法的三維度園區(qū)畫像方法及系統(tǒng)。

背景技術(shù)

2008年以來，中國經(jīng)濟轉(zhuǎn)變過于依賴外需增長的經(jīng)濟發(fā)展方式，推動中國產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級，成為關(guān)系國民經(jīng)濟全局緊迫而重大的戰(zhàn)略任務(wù)。發(fā)展園區(qū)經(jīng)濟，打造主導(dǎo)產(chǎn)業(yè)集群，可以促進各地調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、改變經(jīng)濟增長方式，因此各地紛紛開展園區(qū)建設(shè)。園區(qū)用電水平較高，且不同園區(qū)的用電水平存在較大差異，這增加了園區(qū)用電管理的難度。為保證園區(qū)的供電質(zhì)量，電網(wǎng)公司需要針對不同類型的園區(qū)提供差異化、個性化的供電服務(wù)。因此，需要進行園區(qū)畫像，從而確定園區(qū)的類型，實現(xiàn)精準服務(wù)。

用戶畫像是一種快速、精準分析用戶行為模式、消費習慣等特征的數(shù)據(jù)分析工具，為企業(yè)精準營銷、提升用戶體驗奠定了基礎(chǔ)。借助聚類分析算法，可以基于用戶特征對其進行分類，從而確定園區(qū)類型。然而，目前的聚類分析大多是基于無標簽數(shù)據(jù)的分析，在分析過程中將數(shù)據(jù)看作整體并計算不同數(shù)據(jù)間的距離，難以體現(xiàn)數(shù)據(jù)內(nèi)存在的差異性，不能提取局部特征。對于園區(qū)畫像模型而言，需要處理96點數(shù)據(jù)，即需要考慮數(shù)據(jù)的局部特征及數(shù)據(jù)內(nèi)存在的差異性，因此傳統(tǒng)的聚類算法難以有效地執(zhí)行園區(qū)畫像模型中的聚類分析?？偟膩碚f，用戶畫像技術(shù)已經(jīng)在圖書、旅游等互聯(lián)網(wǎng)推薦系統(tǒng)領(lǐng)域進行了較多的實踐探索，僅是在用戶層面的畫像分析，尚未應(yīng)用于用戶群體層面的園區(qū)畫像中。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于聚類算法的三維度園區(qū)畫像方法及系統(tǒng)，能夠應(yīng)用于用戶群體層面的園區(qū)畫像中，實現(xiàn)定量化描述特征的園區(qū)畫像分析。

為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種基于聚類算法的三維度園區(qū)畫像方法，包括：

獲取所有需要建立畫像的園區(qū)的相關(guān)數(shù)據(jù)，所述相關(guān)數(shù)據(jù)包括智能電表用電數(shù)據(jù)和電網(wǎng)用戶業(yè)務(wù)往來記錄；

根據(jù)所述智能電表用電數(shù)據(jù)采用SpectralBiclustering雙聚類算法對園區(qū)用戶的用電行為進行聚類分析，得到用戶用電行為；

根據(jù)所述智能電表用電數(shù)據(jù)和所述電網(wǎng)用戶業(yè)務(wù)往來記錄，采用Logistic曲線模型與改進灰色Verhulst模型對用戶能源配置進行分析，得到用戶能源配置成熟度結(jié)果；

根據(jù)所述智能電表用電數(shù)據(jù)和所述電網(wǎng)用戶業(yè)務(wù)往來記錄，采用基于最小負荷用電模式和需求響應(yīng)降負荷率的需求響應(yīng)評價算法對用戶需求響應(yīng)進行分析，得到用戶需求響應(yīng)能力評估結(jié)果；

分別對所述用戶用電行為、所述用戶能源配置成熟度結(jié)果和所述用戶需求響應(yīng)能力評估結(jié)果進行聚類，得到用戶用電行為特征、用戶能源配置特征和用戶需求響應(yīng)特征；

將所述用戶用電行為特征、所述用戶能源配置特征和所述用戶需求響應(yīng)特征進行拼接，得到園區(qū)畫像序列。

可選的，所述根據(jù)所述智能電表用電數(shù)據(jù)采用SpectralBiclustering雙聚類算法對園區(qū)用戶的用電行為進行聚類分析，得到用戶用電行為，具體包括：

對所述智能電表用電數(shù)據(jù)采用雙隨機法進行歸一化，得到歸一化用電數(shù)據(jù)矩陣；