智能電網(wǎng)用戶行為多維度分類方法及其應用研究.pdf

1、隨著智能電網(wǎng)的全面建設，信息通信技術與智能電網(wǎng)深度融合，智能用電領域智能化、互動化水平顯著提升，信息量海量增加以及電網(wǎng)中新元素的加入，如分布式電源、儲能裝置、電動汽車、微網(wǎng)等，使得用戶的行為向多元化發(fā)展。加上電網(wǎng)改革的推進，售電側放開使用戶的地位得到顯著提高，對用戶行為充分了解以提升自己在爭奪用戶資源時的競爭力將是各售電公司亟需解決的問題。因此，全方面的對用戶行為進行研究，通過多個維度對用戶進行細分，是滿足售電公司對不同類型的用戶提供具

2、有針對性的個性化增值服務的有效手段，對更好實現(xiàn)“人—網(wǎng)”之間互動具有十分重要的意義。
　　首先，本文深入分析現(xiàn)有用戶分類方法的缺陷，通過k-means與余弦相似定理提取用戶的典型用電負荷曲線，并與群體行為進行差異性比較，制定基于負荷曲線形態(tài)的用戶分類規(guī)則;在此基礎上，根據(jù)用戶的用電特征，提出“進化”主元分析法對負荷形態(tài)相似的用戶進行分類，并與傳統(tǒng)負荷曲線聚類算法進行了對比分析，驗證本文方法對負荷形態(tài)相似的用戶進行分類的有效性，且效

3、率得到提高，為電力大數(shù)據(jù)分析提供新方法;最后根據(jù)基于負荷曲線形態(tài)的用戶分類規(guī)則實現(xiàn)最終分類;
　　其次，利用SAS數(shù)據(jù)分析軟件，研究用戶的信用風險評估方法，通過SASEnterprise Miner進行建模，比較了決策樹模型、回歸模型以及神經(jīng)網(wǎng)絡模型三種常用的用戶信用風險評估方法，在三次不同的訓練數(shù)據(jù)集比例下，利用ROC圖、LIFT圖對企業(yè)不同推廣人數(shù)比例時各模型的準確度進行比較，以得到最優(yōu)模型。
　　最后，由于用戶每天的用