基于協(xié)同過濾算法的電能替代潛力用戶挖掘模型研究

2018-03-21 13:03:35 電力信息與通信技術(shù)　點擊量：評論 (0)

電能等清潔能源的利用有助于推進節(jié)能減排工作,優(yōu)化企業(yè)用能結(jié)構(gòu),提升能源利用效率。試圖挖掘提煉客戶采集點負荷數(shù)據(jù),按不同行業(yè)的能源結(jié)構(gòu)、設(shè)備類型信息分別分析其負荷特征,并通過K-means算法對已完成電能替代改造的用戶進行聚類,運用協(xié)同過濾算法構(gòu)建電能替代潛力用戶識別模型,

表6 各模型算法成效比較（以Cluster3為例）Tab.6 Comparison of the effectiveness of each model algorithm

圖6 各模型算法成效比較（以Cluster3為例）Fig.6 Comparison of the effectiveness of each model algorithm(Taking Cluster3 as an example)

各類群模型命中率見表7所列,可知本文模型對于這幾個類群的預(yù)測命中率穩(wěn)定在55%~70%左右,其中生產(chǎn)、制造業(yè)（2、3兩類）命中率相對更高,這是由于生產(chǎn)類企業(yè)生產(chǎn)時間較為自由,大功率設(shè)備可以安排在晚上谷電時段運行,改造前后負荷變化差異明顯。而商業(yè)類企業(yè)（5、8兩類）用電時間較為固定,改造設(shè)備對負荷的變化作用受其他用電設(shè)備的影響,辨識度相對偏低。

表7 各類群模型命中率Tab.7 Comparison of hit rate of different group models

5 模型實際應(yīng)用及成效

本文對應(yīng)項目于2016年10月初步完成模型構(gòu)建并應(yīng)用于系統(tǒng)平臺,對浙江省嘉興市、紹興市兩地先后進行了3次排查,在此過程中,對輸入模型的目標樣本作了更為精確的篩選,剔除了部分干擾樣本,并且更改了負荷曲線的提取周期,減少因為季度因素變化、企業(yè)經(jīng)營設(shè)備調(diào)整等因素造成的結(jié)果偏差。與最初的盲排走訪1.5%的命中率相比,摸排效率在不同行業(yè)中均得到了大幅提升。

6 結(jié)語

本文在對企業(yè)用能與生產(chǎn)特征關(guān)系分析的基礎(chǔ)上,運用大數(shù)據(jù)挖掘技術(shù),提出了精準定位潛在電能替代用戶的具體方法。并深入分析了企業(yè)用電和其他用能的關(guān)系,創(chuàng)新性地將協(xié)同過濾算法引入電能替代分析模型中,分析用戶用能特征與用電結(jié)構(gòu)化數(shù)據(jù)之間的對應(yīng)關(guān)系,最后運用歷史數(shù)據(jù)及實踐結(jié)果驗證了模型的實效性和真實性,是協(xié)同過濾算法在電力領(lǐng)域應(yīng)用的一次成功嘗試,極大地提高了電能替代潛力用戶挖掘的效率,推動全行業(yè)電能替代工作的順利開展。