(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211015191.X (22)申请日 2022.08.23 (71)申请人 国网山东省电力公司烟台供电公司 地址 264000 山东省烟台市芝罘区解 放路 158号 (72)发明人 董军　张海静　王志明　刘俊旭　 杜潇　王为帅　孙卓新　邵华强　 沈盛　吴长龙　 (74)专利代理 机构 北京市中 闻律师事务所 11388 专利代理师 冯梦洪 (51)Int.Cl. G06K 9/62(2022.01) G06F 16/22(2019.01) G06Q 50/06(2012.01) (54)发明名称 电力客户用电行为的分类方法及装置 (57)摘要 电力客户用电行为的分类方法及装置， 执行 效率较快， 收敛性好， 能够为售电公司参与电力 市场， 释放电力市场活力提供重要参考， 可以更 加科学合理地指导售电公司提供更好的电力服 务， 具有广泛的应用价值。 方法包括： (1)划分电 力客户类别， 区分电力客户典型特性， 生成电力 客户标签库； (2)对不同标签进行分类； (3)数据 的收集与处理； (4)确定聚类个数； (5)运行改进 初始化优 化的K‑means算法进行聚类； (6)聚类 结 果分析； (7)标签更新与管理。 权利要求书3页 说明书10页 附图1页 CN 115374857 A 2022.11.22 CN 115374857 A 1.电力客户用电行为的分类方法， 其特 征在于： 其包括以下步骤： (1)划分电力客户类别， 区分电力客户典型 特性， 生成电力客户标签库； (2)对不同标签进行分类； (3)数据的收集与处 理； (4)确定聚类 个数； (5)运行改进初始化优化的K ‑means算法进行聚类； (6)聚类结果分析； (7)标签更新与管理。 2.根据权利要求1所述的电力客户用电行为的分类方法， 其特征在于： 所述步骤(1)中， 将电力客户划分为居民用户和工商业用户两类， 并建立 不同的标签库。 3.根据权利要求2所述的 电力客户用电行为的分类方法， 其特征在于： 所述步骤(2)分 两部分， 第一部分为数据收集， 年用电量、 平均电价、 欠费次数和开展增值服务个数从售电 公司获取； 季节特性、 周休性、 峰谷性和波动性则通过用电负荷数据和用电负荷曲线处理后 获得； 第二部分为数据清洗与处 理。 4.根据权利要求3所述的电力客户用电行为的分类方法， 其特征在于： 所述步骤(2)中， 数据清洗为 首先将数据导入处理工具， 去 除或修改格式和内容错误数据， 去 除或修改逻辑错误数 据； 其次填充缺失数据， 方法有以下三种： 以业务知识或经验推测填充缺失值， 以同一类型 用户的计算结果填充缺失值， 以本用户其它指标的计算结果估计指标值； 若仍然无法得到 相关数据， 重新取 数； 其中用户负荷数据的缺失采用拉格朗日插值来填补空缺和不良数据， 对于 需要填充的 数据点， 选取与其相邻的m个 法线数据点作为样本， 设m个时刻样本集T＝(t1,t2,…tm)， 对应 的负荷值为L＝(l1,l2,…lm)， t为数据缺失点， 计算t时刻的负荷数据L(t)的拉格朗日插值公 式如下: 5.根据权利要求4所述的电力客户用电行为的分类方法， 其特征在于： 所述步骤(2)中， 对数据进行标准化处理， 其中年用电量、 平均电价、 欠费次数和开展增值服务数据， 将其数 值映射到[0,10]的区间， 具体方法如下： 其中Xi(s)为第i个用户该指标处理后的值， Xi为第i个用户该指标原值， Xmax为所有用户 中该指标最大值， Xmin为所有用户中该指标最小值； 对于季节特性、 周休性和峰谷特性标签， 根据不同用户的负荷数据进行分析 季节特性的判定方式如下： 其中Sp‑v为季节差率， Smax为季最大平均负荷， Smin为季最小平均负荷； Sp‑v>0.7， 则认为 其用电负荷有明显季节特性， 取值 为1；权　利　要　求　书 1/3 页 2 CN 115374857 A 20.7≥Sp‑v>0.3， 则认为 其用电负荷有轻微季节特性， 取值 为0.5； 0.3≥Sp‑v≥0， 则认为 其用电负荷没有季节特性， 取值 为0； 周休特性的判定方式如下： 其中Wp‑v为周休差率， Wmax为周最大平均负荷， Wmin为周最小平均负荷； Wp‑v>0.7， 则认为 其用电负荷有明显周休特性， 取值 为1； 0.7≥Wp‑v>0.3， 则认为 其用电负荷有轻微周休特性， 取值 为0.5； 0.3≥Wp‑v≥0， 则认为 其用电负荷没有周休特性， 取值 为0； 峰谷特性的判定方式如下： 其中Dp‑v为日峰谷 差率， Lmax为日最大负荷， Lmin为日最小负荷； Dp‑v>0.7， 则认为 其用电负荷有明显峰谷特性， 取值 为1； 0.7≥Dp‑v>0.3， 则认为 其用电负荷有轻微峰谷特性， 取值 为0.5； 0.3≥Dp‑v≥0， 则认为 其用电负荷没有峰谷特性， 取值 为0； 波动性的判定方式则 利用频谱分析， 具体方式如下： 对电力客户负荷L(t)， 首先定位其极大值与极小值， 分别用两条三次样条曲线拟合这 些极值点， 得到上下包络线， 所有信号数据在这两条包络线之间， 求上下包络的平均值， 记 为m1， 负荷L(t)与这个均值的差值记为第一个分量h1, L(t)‑m1＝h1  (6) 这一筛分过程达到减少跳跃波和使波形更对称的目的， 因此要经历多次筛分最终达 到， 在第二个筛分过程中将h1作为被处 理数据 h1‑m11＝h11  (7) 重复k次， 直到 h1k为一个IMF， h1(k‑1)‑m1k＝h1k  (8) 此时结果达到局部极大值为正， 局部极小值为负， 且大部分波形已经对称， 过程结束的 标准用SD来控制 一般把SD控制在0.2和0.3之间； 一般认为筛分在1 ‑2次的负荷曲线波动性为弱， 3 ‑6次的电力用户波动性为中， 7次及以 上波动性 为强， 其中强取值 为1， 中取值 为0.5， 弱取值 为0。 6.根据权利要求5所述的电力客户用电行为的分类方法， 其特征在于： 所述步骤(4)中， 利用手肘法确定聚类个数， 随着聚类数k的增大， 样本划分会更加精细， 每个簇的聚合程度 会逐渐提高， 那么误差平方和SSE自然会逐渐变小； 当k小于真实聚类数时， 由于k的增大会 大幅增加 每个簇的聚合程度， 故SSE的下降幅度会很大， 而当k到达真实聚类数时， 再增加k 所得到的聚合程度回报会迅速变小， 所以SSE的下降幅度会骤减， 然后随着k值的继续增大 而趋于平缓， SS E和k的关系图是一个手肘的形状， 而这个肘部对应的k值就是数据的真实聚权　利　要　求　书 2/3 页 3 CN 115374857 A 3